基于强化学习的多无人机避碰计算制导方法

针对大量固定翼无人机在有限空域内的协同避碰问题,提出了一种基于多智能体深度强化学习的计算制导方法。首先,将避碰制导过程抽象为序列决策问题,通过马尔可夫博弈理论对其进行数学描述。然后提出了一种基于深度神经网络技术的自主避碰制导决策方法,该网络使用改进的Actor-Critic模型进行训练,设计了实现该方法的机器学习架构,并给出了相关神经网络结构和机间协调机制。最后建立了一个实体数量可变的飞行场景模拟器,在其中进行"集中训练"和"分布执行"。为了验证算法的性能,在高航路密度场景中进行了仿真实验。仿真结果表明,提出的在线计算制导方法能够有效地降低多无人机在飞行过程中的碰撞概率,且对高航路密度场景具有很好的适应性。     

基于自适应通信拓扑的无人机集群弱路径约束下的分布式控制器设计

针对传统无人机集群飞行控制需要规划过多飞行路径的问题，设计一种结合线性二次型调节器(LQR)与机间防撞的分布式协同控制器，不需要为集群设计相对构型，只需给定一条满足无人机动力学约束的飞行路径，集群就可沿路径飞行。该控制器通过设计自适应通信拓扑来稳定加入机间防撞机制带来的抖振效应，并使集群具有良好可扩展性。仿真结果表明，所设计的分布式控制器可以实现规划一条路径下无人机集群无机间碰撞的稳定飞行。     

基于冲突分类与消解的多智能体路径规划算法设计CSCD

多智能体路径规划应用广泛但求解困难。为更好地处理多智能体路径规划中的路径冲突问题,提高求解效率,将冲突进一步分类为相向顶点冲突和交叉顶点冲突,并提出了对应的消解方式。相向顶点冲突的消解方法采用提前添加约束的方式,避免在消解其冲突的过程中产生另一个可预见的冲突;交叉顶点冲突的消解方法采用寻找最佳等待时间的方式,在消解其冲突的同时消解其他存在的冲突。两种冲突消解方法均可减小约束树的规模,在一定程度上减少算法的计算量。并提出了基于冲突搜索算法的高层节点冲突搜索算法。实验结果表明,所提出的冲突分类及消解方式有效地减小了算法高层中约束树的规模,降低了算法计算量,并在智能体密集的环境下表现出更大的优势。     

Extended dynamic system modulation for real-time obstacle avoidance

In this paper, a novel real-time obstacle avoidance method based on Dynamic System (DS), is proposed. The proposed method ensures the impenetrability of multiple convex obstacles by online modulating the original velocity field of the DS. It can be applied to perform obstacle avoidance in the state space of the DS with both autonomous and non-autonomous DS-based controllers. While realizing the obstacle avoidance, the equilibrium points of the original DS can be saved. The modulation matrix form is extended based on the earlier dynamic system modulation methods of the literature. The asymmetric modulation provided by this method allows the modulated DS to satisfy the dynamic constraints of a class of DSs. In addition, the proposed method has the inherent ability of multiple-obstacle avoidance and the direction selectivity of avoidance maneuver. Moreover, to solve the simultaneous guidance and obstacle avoidance problem, a guidance law for Unmanned Aerial Vehicles (UAVs) based on the proposed method, is designed. Finally, a numerical simulation is performed to analyze the performance of the proposed method and the obstacle avoidance guidance law.     

Model predictive control for close-proximity maneuvering of spacecraft with adaptive convexification of collision avoidance constraints

This study investigated model predictive control (MPC) for close-proximity maneuvering of spacecraft. It is essential for a designed MPC to effectively handle collision avoidance between the servicer spacecraft and the client spacecraft, especially while the client is rotating. The rotating motion of the client leads to dynamic changes in the collision avoidance constraints, which increases the difficulty of optimizing the control input in the MPC framework. Therefore, this study presents a method to improve the performance and computational efficiency of MPC for rendezvous and docking with a nonrotating or rotating client. An ellipsoid is adopted to model the client’s keep-out zone (KOZ). Given the spherical KOZ of the servicer, an expanded ellipsoid is introduced to describe the KOZ for the center of mass of the servicer and modeled as a nonlinear constraint. The linearization method for reference points located at the expanded ellipsoid is adopted to convexify the nonlinear constraints. The reference points are adaptively determined according to the positions of the servicer, client, and expanded ellipsoidal KOZ. The resulting hyperplanes are then used to describe the collision avoidance constraints. By utilizing the aforementioned strategies, combined with the calculated reference points, an adaptive convex programming algorithm suitable for real-time implementation of MPC is derived. The performance of the proposed method is demonstrated through numerical simulations.     

航天器反应式碎片规避动作规划方法

提出一种航天器反应式碎片规避动作规划方法，首先以扰动流体动态系统(IFDS)算法作为动作规划的基础算法，通过其中的总和扰动矩阵对航天器的轨道速度矢量进行修正，实现轨道机动规避；然后，建立基于双延迟深度确定性策略梯度(TD3)深度强化学习算法的反应式动作规划方法，通过TD3在线优化IFDS规划参数，实现对碎片群的“状态-动作”最优、快速规避决策。在此基础上，将优先级经验回放和渐进式学习策略引入该方法中，提升训练效率。最后，仿真结果表明，所提方法可使航天器安全规避多发、突发、动态且形状各异的空间碎片群，且具有较好的实时性。     

基于ADS-B信息的通航飞行冲突避让算法研究

随着低空空域的开放和通用航空的发展,低空空域流量大幅增加,致使飞机飞行冲突事件呈多发态势。为了解决低空冲突问题,基于广播式自动相关监视(ADS-B)信息的避让算法,首先利用相对运动关系对本机周围的飞行状况进行分析,排除不存在危险冲突的航空器;然后针对危险接近的航空器,提出调整速度和改变航向两种避让策略;最后利用Matlab软件,对两种避让算法进行仿真分析。结果表明:算法正确有效,能够快速辨别飞行冲突,并给出合理的避让策略;调整航向的避让算法,其有效性优于调整速度的避让算法,但在实际飞行中,由于调整速度的避让方法更易操作且节约成本,应优先选择调整速度的避让方案。     

无人机空中冲突探测与避撞研究

近年来，无人机运输业迅猛发展，其飞行过程中的冲突探测与避撞问题成为亟需解决的关键问题。在无人机周围建立合理的三维空间模型，优化包括紧急避撞区域、一般避撞区域、监视及提前避撞区域的三级避撞区域系统，并利用ADS-B 报文提供的无人机位置、速度等信息，基于无人机一般二维平面上的冲突探测与避撞算法，通过增加垂直方向上的冲突识别来改进冲突探测算法，对比调速、调向两种避让方案在各避撞区域的成功率。结果表明：改进算法能在无人机数量大幅增加的情况下有效识别冲突无人机，同时采用先调速后调向的避让方案，避撞成功率达到99.75%，可为保障无人机的飞行安全提供有效策略。     

TCAS 系统故障隔离及容错架构设计方法研究

针对TCAS 系统运行过程典型功能危险场景和架构设计过程，本文采用系统工程过程的正向设计流 程方法，针对潜在的功能失效风险，开展TCAS 系统域的故障检测和容错设计技术研究，形成覆盖系统、软件 和硬件层级的故障检测及隔离架构设计方案，以提高装机运行过程中防撞告警的置信度，减少由于误警和虚警 对飞行安全产生的不利影响。