基于分布式模型预测控制的多UAV协同区域搜索

针对多无人机(UAV)协同区域搜索问题展开研究。提出了一种基于分布式模型预测控制(DMPC)的多UAV分布式优化搜索方法。首先基于传统的搜索图模型,建立了多UAV协同搜索的问题描述和状态空间模型,然后在DMPC框架下,将集中式多UAV在线优化决策问题转化为各架UAV的小规模分布式优化问题,采用基于纳什最优和粒子群优化(PSO)相结合的算法实现对每个子系统优化问题的迭代求解。仿真结果表明:DMPC方法能够有效地降低多UAV协同搜索决策问题的求解规模,是一种可行的方法。     

未知区域无人机协同搜索方法及效率分析

随着无人机技术的广泛使用,利用多架次无人机集群的自主协同控制,对某片区域进行覆盖侦察和目标搜索成为该领域的热点和难点问题。本文基于Voronoi图构型的多无人机区域覆盖模型实现了对未知区域的搜索覆盖面积和搜索时间的优化部署,基于概率地图信息更新融合的协同搜索策略实现了无人机自主协同控制,最后利用Matlab平台仿真并比较了不同情况下无人机集群搜索的效率。     

重访机制驱动的多无人机协同动目标搜索方法

为实现多无人机高效捕获灰色任务区域内的移动目标,考虑传感器探测概率与虚警概率,提出了重访机制驱动的协同搜索规划（RMD-CSP）方法,以降低目标遗漏与误判概率。考虑无人机飞行性能约束,以最大化任务执行效能为目标建立多无人机协同搜索模型。根据目标先验信息初始化环境搜索信息图（包括目标概率分布图、环境不确定度图与环境搜索状态图）,利用无人机实时探测信息,基于贝叶斯准则持续更新搜索信息图。定制基于环境不确定度更新的重访机制,通过增加长时间未被重访区域的环境不确定度,引导无人机搜索该区域,降低移动目标的遗漏概率;定制基于目标函数权重更新的重访机制,引导无人机快速重访发现新的疑似目标的区域,对疑似目标进行再次确认,减少由于传感器虚警概率造成的目标误判概率。采用滚动时域规划架构,将搜索规划问题分解为一系列短时域规划问题,提升了求解效率。在典型任务想定下,通过数值仿真试验验证了所提方法的有效性。仿真结果表明,RMD-CSP能够在秒级时间内生成每个时域的搜索航迹,相比于光栅式搜索方法与标准的概率启发式搜索方法,能够引导无人机捕获更多的移动目标,同时减少误判次数,有效提升了多无人机协同搜索的任务效能。     

基于分布式反集群算法的无人水面艇区域覆盖方法

海上无人系统覆盖问题可广泛应用于搜索营救、区域侦察观测、信息采集等任务，针对无人水面艇对海面区域进行区域覆盖的问题，采用模仿独居动物社会行为的分布式反集群算法，使得无人水面艇系统能够通过自组织行为实现良好的动态覆盖性能，因此使其具有更高的可扩展性及环境适应性。首先建立个体的包含覆盖历史的信息图，其次进行反集群算法的避障、去中心化及自私这3个基本属性的数学公式描述，然后计算每个个体在每一时刻的最大化收益方向，使得每个个体能够最大化累计覆盖面积及最小化个体之间的重叠覆盖部分。仿真结果表明，基于覆盖历史及个体局部通信交互，能够实现避障功能，并且可以达到100%的覆盖率，同时可尽量减少重叠覆盖。     

通信和测量受限条件下异构多UAV分布式协同目标跟踪方法

研究了通信和测量受限的异构多无人机(UAV)网络化分布式协同目标观测与跟踪问题.该分布式UAV系统采用长机一僚机异构型网络结构,以实现在电子静默和战术隐身条件下扩大探测和打击纵深.提出改进的一致性信息滤波(ICF)算法,实现通信和测量范围内各UAV节点的分布式信息融合.由于一致性算法的收敛性与网络拓扑结构的连通性密切相...     

非对称机动能力多无人机智能协同攻防对抗

协同攻防对抗是未来军用无人机的重要作战场景。针对不同机动能力无人机群体间的攻防对抗问题，建立了多无人机协同攻防演化模型，基于多智能体强化学习理论，研究了多无人机协同攻防的自主决策方法，提出了基于执行-评判（Actor-Critic）算法的集中式评判和分布式执行的算法结构，保证算法稳定收敛的同时，提升执行效率。无人机的评判模块使用全局信息评价决策优劣引导策略学习，而执行时只需要依赖局部感知信息进行自主决策，提高了多机攻防对抗的效能。仿真结果表明，所提的多无人机强化学习方法具备较强的自进化属性，赋予了无人机一定智能，即稳定的自主学习能力，通过不断演化，能自主学习提升协同对抗的决策效能。     

多基地多无人机协同侦察问题研究

 充分考虑侦察目标的侦察分辨率要求和侦察时间窗约束，以及位于不同基地的无人机(UAV)的侦察性能和可用数目，首次建立了更加贴近军事应用实际的多基地多UAV协同侦察问题(M-MUCRP)的数学模型，并提出了解决该模型的多基地多UAV协同侦察进化算法(M-MUCREA)。M-MUCREA的染色体数据结构有效地表达了问题的解，有利于交叉、变异等进化操作；充分利用与目标侦察分辨率要求以及目标位置和时间窗约束相关的启发信息，构造初始种群,避免进化过程收敛太慢；基于Pareto最优概念的选择算子确保解在多个目标上的有效优化；精英策略避免了丢失进化过程中产生的非劣解，加快算法收敛；变异和交叉算子在保证有效解的前提下，实现了解的多样性，避免了算法陷入局部最优。仿真实验验证了算法能够有效解决M-MUCRP。     

基于动态非零和博弈的无人机集群协同对抗方法研究

无人机集群协同对抗是当今国内外学术研究的热点问题,动态机动决策是无人机对抗最重要的研究领域之一.本文提出了一种基于动态非零和博弈的无人机集群协同对抗决策算法.首先,确定对抗双方的决策集,并通过角度、速度和距离等机动因素构造对抗双方的态势优势.其次,对无人机集群机动可选方案进行多属性评价,进一步计算双方的动态收益矩阵,建...     

考虑扰动的无人机集群协同态势感知一致性评估

无人机（UAV）集群协同态势感知（SA）一致性是无人机集群协同作战的关键，对一致性进行评估至关重要。针对态势感知过程中面临的强不确定性等问题，在一致性评估指标体系的基础上，提出了基于证据推理规则的态势感知一致性评估方法，将各类指标信息统一至置信结构，并充分考虑指标的权重与可靠度。采用扰动分析法对复杂战场环境进行模拟，提出考虑扰动的态势感知一致性评估方法，并对算法进行了总结。最后，通过仿真算例和对比研究验证了所提方法在不确定性表达、一致性评估和无人机集群的环境适应性研究等方面的有效性。     

大规模UAV编队信息交互拓扑的分级分布式生成

UAV编队信息交互拓扑的优化设计是保证UAV编队安全性和任务执行高效性的重要基础。目前队形保持下UAV编队信息交互拓扑生成算法局限于小规模编队,且优化目标单一。针对这一问题,采用了分级分簇结构扩展信息交互拓扑层级,以满足大规模场景,同时以提高编队续航能力和减少编队总通信代价为组合优化目标,提出了基于最小树形图的分级分布式领航-跟随者编队信息交互拓扑生成算法,并通过OMNeT++进行了仿真验证。实验结果表明在考虑位置误差传递迭代时,分级分布式领航-跟随者编队的总通信代价明显低于传统领航-跟随者编队,且通过周期性更新簇首,网络能耗更加均衡,提高了编队续航能力;在80架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.3 s内求解完成,相比于传统领航-跟随者编队算法,求解效率提高了约2.5倍;在100架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.4 s内求解完成,而传统领航-跟随者编队由于位置误差的传递迭代已不能保持原有队形。     

多植保无人机协同路径规划

为实现多植保无人机（UAVs）协同作业，并提高作业效率，提出了一种基于改进粒子群优化（PSO）的多植保无人机协同路径规划算法。根据作业区域的形状面积和植保UAV的作业参数划分各架UAV作业区域，采用栅格法生成各区域全覆盖作业航线。以各架植保UAV各架次植保作业距离为算法寻优变量，在确保各架UAV补给时间满足间隔分布约束条件下，综合考虑补给总次数、返航补给总时间、总耗时和最小补给时间间隔4项因素，并构成目标函数，通过采用改进PSO算法，实现了对各UAV返航顺序和返航点位置的寻优。仿真分析结果表明，相较于最大作业距离规划和最小返航距离规划，本文提出的规划算法表现出了较优的性能和较好的作业区域适应性，证实了其有效性和实用性。     

基于AH/UAV编队协同侦察打击的作战效能研究

对AH/UAV协同作战任务进行了客观描述,建立了AH/UAV编队协同在指定威胁环境条件下对地面重要目标实施攻击的动态数学模型.通过仿真,分析了AH/UAV协同执行侦察打击任务的重要作战效能指标,并通过对比分析可知,AH/UAV协同作战能够显著提高攻击作战的任务成功率和对目标的击毁率,同时能够降低风险,提高自身安全.     

飞行器集群协同制导控制方法及应用研究

分析了目前多飞行器协同作战的发展现状与趋势，指出了多飞行器以编队形式进行协调与配合，可以有效提高突防概率与作战效能。针对飞行器集群协同制导控制技术，分析梳理了相关的技术难点。然后，分别对协同任务规划与动态目标分配方法和多飞行器编队协同控制方法、多约束条件下的分布式协同制导方法的国内外研究现状进行了介绍。最后对飞行器集群协同制导控制技术进行了总结，并对未来的发展方向进行了展望。     

未知动态环境下有人/无人机协同搜救研究

针对未知动态环境下搜救效率和智能化水平不高的问题，提出了一种基于变步长模型预测控制的有人机/无人机协同搜救方式。根据环境的动态变化性和探测的不确定性，建立了表示环境确定度和目标探测概率的动态搜救图模型，根据态势信息选择时间域步长，并根据有人机/无人机协同搜救任务特点，设计了搜救收益指标，并利用粒子群优化进行求解。仿真结果表明了本文方法的有效性和优越性。     

多UAV集群固定拓扑分布式控制方法研究

通过定高飞行假设,建立了集群运行的简化空间模型、基于静止坐标系和运动坐标系的集群控制模型和分布式控制结构。将既定加速度量和势差加速度量按比例结合,控制UAV跟踪轨迹形成并保持集群状态。基于UAV模型和智能体的仿真结果表明,该模型及算法能够实现稳定的UAV固定拓扑集群行为,且具有优越的队形保持和速度控制性能。     

基于启发式蚁群算法的协同多目标攻击空战决策研究

协同多目标攻击空战决策是现代战机在超视距条件下进行协同空战的关键技术之一。它是寻求一个优化分配方案,将目标分配给各友机,力求使攻击效果最优。本文在对协同多目标攻击战术进行深入分析的基础上,提出了一种用于空战决策的启发式蚁群算法,该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验表明所提出的启发式蚁群算法对最优解的搜索效率明显优于基本蚁群算法,是一种求解协同多目标攻击空战决策问题的有效算法。     

一种基于自动相关信息四维运算的飞行间隔算法设计与实现

本文介绍了无人机（UAV：UnmannedAerialVehicle）航路规划的分层模式，提出了实时航路规划中四维接近算法，对UAV与静态和动态目标的接近距离进行了分析计算，为航路规划及时提供飞行过程中的危险接近信息，并进行了数字仿真。数字仿真表明：该算法具有较高的运算速度和较好预测精度，可快速提供UAV与周围静态和动...     

基于改进向量场直方图算法的无人机动态避障策略

目前传统向量场直方图(VFH)算法存在易陷入局部陷阱的缺陷，本文提出了基于陷阱检测机制与动态阈值更新策略的改进VFH算法，更加符合局部未知环境下无人机路径规划的要求，并针对复杂未知场景中无人机避障问题，提出了基于A^*算法和改进VFH算法的避障算法。首先，无人机根据全局已知障碍物信息，基于A^*算法构建目标航路点；其次，在目标航路点不可达的情况下，无人机根据运动状态与激光雷达探测到的地形信息，基于改进向量场直方图算法进行局部规划。在局部规划中，针对传统VFH算法存在的缺陷进行了改进：针对传统VFH算法的无记忆性导致在一些特殊场景中易陷入局部陷阱，本文提出陷阱检测机制的VFH算法，动态选择历史信息增强向量场直方图算法的记忆性，无人机可自主检测陷阱并及时跳出；针对向量场直方图算法的阈值敏感性问题，设计了动态阈值更新策略，使得无人机能够在复杂或稀疏的障碍物环境中，动态平衡避障安全性和抵达目标的时效性。最后，通过对比仿真验证了算法的有效性，为传统VFH算法易陷入局部陷阱的缺陷提供了一种解决方法。     

无人机双机编队攻击作战效能评估

针对无人机双机编队任务协同/非协同攻击作战情况,运用概率论及搜索理论,建立了目标搜索、识别、攻击作战的效能评估数学模型,在此数学模型基础上分析了任务协同和非协同条件下的攻击任务成功率及影响因素,结果得出双机协同、非协同在不同作战情况下有着各自的优势。分析结果对实际作战安排做出了指导性原则,对提高无人机集群作战效能具有实际意义。     

基于三方博弈的终端区协同容流调配策略研究

为研究终端区协同容流调配问题,从机场、空管部门、航空公司三方利益出发,以最大化机场容量利用率、最小化航班调整量、最小化航班总延误损失为优化目标,通过动态博弈分析,求解多目标优化模型,研究了多方利益冲突下的终端区协同决策。根据各要素映射关系,将多目标优化模型转化为三方动态博弈模型;采用博弈粒子群算法进行求解,使博弈策略实现最优组合,从而获得子博弈完美纳什均衡解,即为最优解集。经过算例分析,与多目标优化相比,模型在充分利用终端区容量的同时,有效降低了航班调整量,减少了航班延误损失,提升了整体优化的效益。