基于模糊推理的无人战斗机视距空战机动决策

针对视距1vs.1空战场景下无人战斗机（Unmanned combat aerial vehicle, UCAV）的自主机动决策,提出了一种基于模糊推理的空战机动决策方法。首先,从空战场景出发,建立了角度、距离、速度及高度4种优势因子;其次,利用模糊规则对空战态势进行评估,将代表空战态势的优势因子输入模糊推理机,自适应地调整优势函数中各因子的权重;同时,利用决策机动、序列机动和惯性机动相结合的方法建立敌机位置预测模型,作为机动决策的辅助手段,最后利用试探机动进行机动决策。仿真结果表明模糊推理模型能够实现UCAV自主机动决策能力,模型的优势在于将模糊的空战态势转化为优势函数中确定的权重因子,在策略上指导UCAV做出更有针对性的机动决策。     

基于信息素决策的无人机集群协同搜索算法

针对无人机(UAV)集群在未知环境中无先验信息条件下的搜索问题，提出了一种以信息素为决策机制的无人机集群协同搜索算法。首先，考虑无人机通信约束，建立了有外部节点的星型网络通信和无外部节点的自组织网络通信2种形式的搜索模型。其次，通过环境地图向信息素地图映射的方法建立任务环境模型。将任务过程分为3个阶段，在搜索阶段，无人机通过不断地移动实现本机信息素地图的更新；在通信阶段，通过通信网络实现多机信息素地图的融合；在决策阶段，根据局部信息和全局信息做出决策，并将栅格信息素浓度作为决策函数来引导无人机的位置更新。基于信息素地图覆盖率来定量描述搜索效果。最后，仿真结果表明，所提算法能够对区域进行覆盖搜索，表现为搜索效率高、抗毁性强、受集群的初始位置影响小。      

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。     

有向通信拓扑和时延条件下的无人机集群时变编队控制

针对无人机（UAV）集群在有向通信拓扑和存在通信时延条件下的时变编队控制问题进行了研究。建立了无人机集群二阶离散时间系统模型，基于无人机自身实时信息和相邻无人机带通信时延的状态信息，设计了分布式编队控制协议。通过理论分析，得到了无人机集群能够实现时变编队的充要条件，给出了可行的期望编队的表达式。在集群通信拓扑有生成树的条件下，分析了控制协议中待定参数和状态更新周期满足的耦合约束条件，并给出了参数设计的流程。仿真结果表明:即使在较大的通信时延下，所设计的控制协议也能实现无人机集群时变编队控制，验证了理论分析的正确性和有效性。