无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位，存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器；需要建立准确世界和无人机物理模型；受环境影响较大；自主智能水平较低，无法较好地满足无人机对导航系统的要求，需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术，无需训练模型参数，不依赖高精度传感器，无需精确建模，且复杂环境下鲁棒性较强，具有解决上述问题的潜力。简要阐述了动物大脑导航机理，分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术，最后讨论了吸引子类脑导航技术在无人机应用中的挑战。     

基于群智机理的集群防碰撞控制

在执行作战任务以及民用中,无人机集群由于具备高可靠性和高效费比的特点而受到广泛关注;随着城市低空空域的开放,作战环境的动态复杂性剧增,对无人机集群防碰撞提出了严峻的挑战。针对无人机集群执行任务时的编队个体之间防碰撞以及遭遇突发障碍时的集群防碰撞问题,提出了基于群智机理的集群防碰撞控制方法。通过引入力学概念,设计了集群内部吸引力、排斥力以及编队构型力的模型;通过集群个体间的信息共享以及类脑知识发育,构建了基于群信息共享和类脑反射的无人机防碰撞模型。仿真结果表明：所提集群控制方法提高了集群的集结效率,而且在遭遇突发障碍时能够规避动态障碍,再次完成编队重构;群智机理的引入缩短了无人机集群面临突发障碍时的反应时间。     

基于STDP奖励调节的类脑面向目标导航

动物具有优秀的空间自主定位导航能力，能够实现在无先验环境信息下的导航定位和导航决策过程。针对智能体在连续空间中面向目标导航问题，研究了一种基于生物学放电时间依赖可塑性学习规则的智能体面向目标导航算法。首先分析了动物面向目标导航决策过程中的生理学机理，在此基础上，构建了基于脉冲神经网络的位置细胞和动作细胞模型。动作细胞间权值采用横向竞争模型更新，通过环境奖励信号的更新，采用放电时间依赖可塑性学习规则对位置细胞前馈动作细胞模型的突触权重进行权值调节，利用动作细胞群的脉冲放电现象表征智能体运动方向和速度。最后，对所提算法进行了仿真实验验证。仿真结果表明，所提出的类脑面向目标导航算法能够在单障碍环境中实现30 ms左右的规划速度，相比传统强化学习Q学习方法平均路径规划长度缩短了15.9%。     

基于双目视觉的类脑三维认知地图构建方法

基于大脑导航神经细胞机理的类脑认知地图构建方法,为发展智能同步定位与地图构建(SLAM)技术提供了新思路.针对现有类脑认知地图构建精度不高的问题,提出了一种基于双目视觉的类脑三维认知地图构建方法.首先阐述了类脑三维认知地图系统的工作原理,然后论述了不同视觉里程计对认知地图精度的影响,研究了基于双目视觉里程计的类脑三维认知地图精度优化方法,最终完成了基于视觉数据集的类脑三维认知地图构建试验.试验结果表明,所提方法构建的视觉里程计地图的三维位置误差为总行程的2.14％,认知地图的三维位置误差为1.56％;认知地图精度与里程计精度呈正相关;系统通过模板匹配进行回环检测与校正,提高了认知地图的精度.     

类脑计算研究进展

类脑计算是国际上的热门研究领域,也是人工智能发展的重要转折点.首先,回顾了近年来研究学者对局部脑功能运行机理的重要发现,并了解了其在类脑模型中的应用,如注意力机制和类脑导航等.随后阐述了神经形态计算芯片和人工神经元等类脑计算硬件的结构和特点,并对各国研究进展进行了简要梳理,从多个角度对类脑计算的研究内容、研究目标、研究方案和技术路线进行了全面总结.最后结合各国脑研究计划,分别从硬件和模型两个层面对芯片-算法兼容性及局部-全局整合等类脑计算的研究趋势进行了展望.     

无人机集群研究进展综述

集群行为是一种常见于自然界中鱼群、鸟群、蜂群等低等群居生物的集体行为，生物群中的个体仅依靠局部感知作用和简单的通信规则自主决定其运动状态，并且从简单的局部规则涌现出协同的整体行为。受此启发，提出了无人机集群作战的概念。无人机集群作战是指依靠大量低成本、速度快、适应能力强、易于携带和投射的无人机形成规模优势，从而取得战争的主动权。由于无人机集群技术的重要战略地位，中美俄等军事大国均开始重视无人机集群技术的持续发展。介绍了无人机集群的研究动机，从模型、协议和平台3个角度总结了研究方法，重点分析了几种典型作战模式以及涉及的若干关键技术。综上所述，集群技术在军事方面具有重要的应用价值，必将引领全新的作战模式。     

基于场景识别的惯性基类脑导航方法

针对无人机导航中惯性器件产生的漂移误差不断随时间累积进而影响导航精度的问题,以仿生类脑导航为研究背景,提出了一种新的导航方法。与传统导航策略不同的是,该方法从周期性校正累积位置误差的角度出发,采用设置位置细胞节点的思路,利用训练好的卷积神经网络模型在细胞节点处进行图像匹配,从而在位置细胞节点处实现惯导位置漂移误差校正。同时,建立节点之间的漂移误差模型,调整误差方程系数,以达到修正漂移误差的目的。最后,基于无人机飞行实验结果验证了该方法对自主导航的有效性和鲁棒性,该方法能够有效提高无人机导航的精度。     

固定翼集群无人机空中模拟对接技术

自主空中加油技术对于提高无人机（UAV）续航能力，扩大作战半径，增加载荷重量以及提升战略部署等方面有着重要的意义，是未来智能集群无人机系统的必备技术。本文以“无人争锋（UI-STRIVE）”空中握手比赛为背景，对固定翼集群无人机空中模拟对接相关技术及策略进行了研究。首先，针对固定翼集群无人机飞行速度快、编队密集程度高等特点，设计了集群无人机空中对接流程以及基于Dubins路径规划的时间最短的追机方案，并采用非线性制导律进行航路跟踪；其次，基于模拟锥套的先验信息设计了一组弱分类器，并通过级联的方式实现对模拟锥套的快速检测；然后，设计了沿加油机航线方向进行精确对接的策略，并结合无人机姿态先验以及模拟锥套尺寸信息推导了精确对接阶段制导参数解算方法；最后，设计了相应的固定翼集群无人机系统，并以4机编队参加了第2021届“无人争锋”空中握手比赛，参赛结果验证了本文所提出固定翼集群无人机系统以及其技术和策略的可行性。     

多无人机协同导航技术研究现状及进展

UAV是无人驾驶飞机(Unmanned Aerial Vehicle)的简称,无人机相较于有人驾驶飞机具有用途广泛、成本低和生存能力强等特点,在军事民用领域都有着广阔的前景,受到了国内外研究者的关注。协同导航技术极大地扩展了无人机的应用范围,提高了多无人机定位的精度以及无人机编队的稳定性、安全性和可靠性。现阶段协同导航技术在编队导航、目标监测与跟踪等诸多方面都得到了研究与应用。从四个层次对协同导航的研究现状和进展进行探讨:首先是对多无人机协同导航的概念、基本原理、国内外发展现状和必要性进行阐述;其次对协同导航中相对导航方式进行了分类分析,并分别介绍了无线电导航与视觉导航的原理、优缺点和应用场景;然后从导航目的、协同导航优化算法、滤波方法、协同导航信息融合容错策略几个方面对协同导航进行分析归纳;最后,讨论了基于多无人机协同导航未来的发展趋势。     

基于情景分析的航空集群决策规则库构建方法

针对传统的规则学习算法很难解决顶层决策，以及现阶段航空集群作为一种新兴的作战样式，没有太多现成的数据和案例可供参考，暂不具备"从战争中学习战争"条件等难题，从战争设计的角度出发，探讨性地提出了一种基于情景分析的规则库构建方法。首先，从系统演化的外部触发条件和内部驱动机制出发，提出了基于事件触发-规则驱动的自主决策机制；然后，将航空集群决策规则拆分为事件、条件、动作3部分，并采用事件-条件-动作（ECA）描述机制进行规范化表达；最后，借鉴情景分析理论的思想，通过详细分析作战过程的逻辑关系、状态变迁，实现对象、事件、行为的关联，并以无人机自主察打任务规则提取为例进行了验证分析。     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

小型固定翼无人机集群综述和未来发展综述

围绕小型固定翼无人机集群这一难度高、发展快、应用前景广阔、多学科交叉的新方向,从集群系统内涵、现有典型项目、关键技术3个角度综述了国内外小型固定翼无人机集群的研究现状。在系统梳理集群系统内涵和应用优势的基础上,从集群协同模式探索、分布指挥体系构建、核心关键技术突破和集群验证等4个视角总结现有典型项目,从体系架构、通信组网、决策与规划、飞机平台、集群飞行、集群安全与集群指控等7个核心点综述了技术研究现状。最后,综合小型固定翼无人机集群中亟需解决的关键技术,展望了这一领域未来的发展趋势。     

Unmanned aerial vehicle swarm mission reliability modeling and evaluation method oriented to systematic and networked mission

With the development of Unmanned Aerial Vehicle (UAV) system autonomy, network communication technology and group intelligence theory, mission execution in the form of a UAV swarm will be an important realization of future applications. Traditional single-UAV mission reliability modeling methods have been unable to meet the requirements of UAV swarm mission reliability modeling. Therefore, the UAV swarm mission reliability modeling and evaluation method is proposed. First, aimed at the interdependence among the multiple layers, a multi-layer network model of a UAV swarm is established. At the same time, based on the system having the following characteristics—using a mission chain to complete the mission and applying the connectivity of the mission network—the mission network model of a UAV swarm is established. Second, vulnerability and connectivity are selected as two indicators to reflect the reliability of the mission, and aimed at random attack and deliberate attack, vulnerability and connectivity evaluation methods are proposed. Finally, the validity and accuracy of the constructed model are verified through simulations, and the model and selected indicators can meet the reliability requirements of the UAV swarm mission. In this way, this study provides quantitative reference for UAV-swarm-related decision-making work and supports the development of UAV-swarm-related work.     

毫米波波束编码技术在无人机智能集群中的应用

毫米波波束编码技术由于其速率高、抗干扰能力强的优点被认为是无人机智能集群通信网络的重要解决方案。但在无人机智能集群的通信场景中,多种原因造成的机体不稳定抖动会使通信波束产生小角度偏转,引起通信质量的下降,从而影响无人机集群的控制与决策。针对这一问题,提出一种面向无人机集群通信的自适应波束设计方法。首先,根据传感器回传的机体波束抖动情况建立等效信道模型,随后利用量化的信道模型参数建立目标函数并获得理想的波束编码向量,在此基础上利用几何贪婪算法对其进行分解。仿真结果表明,提出的集群波束编码方法能够有效提高均值通信速率,同时相较于其他的系数分解算法,有效降低了计算复杂度。     

自主攻击型无人机的导引技术研究

针对无人机执行攻击任务前的攻击导引问题,从导引信息的获取、导引控制策略和导引控制律三个方面进行分析。选取光电平台为侦察设备,并具体分析在此侦察设备下导引信息的获取途径。在无人机控制过程中分析比较了两种导引控制策略,指出适合自主控制的导引控制策略并加以改进。在导引控制律方面,对目前广泛使用的比例导引律进行研究,且根据导引律的指令需求在无人机模型上实现了过载控制。