裂缝区域优化随机扩展航路规划方法

针对密集障碍代价空间中存在的局部裂缝区域,基于采样的路径规划方法随机生成的节点无法进行有效扩展,形成可行路径的概率极低的问题,采用电势原理建立环境威胁模型,提出局部区域启发模式转换机制及节点一步检测方法.采用路径代价改进Transition-based RRT算法的节点选择机制,实现节点扩展的双启发.仿真结果表明,该算法能够有效地解决上述问题,其算法性能和路径生成优于同类算法.     

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。     

基于拟态电势能的飞行器航路规划方法

航路规划是现代各类飞行器,特别是无人机（UAV）安全飞行和完成任务的关键要素。对于复杂威胁环境和高维空间的航路规划问题,传统规划方法在规划速度、航路安全性、算法适用性等方面存在一定的应用局限。分析了电荷在电场中移动引起电势能变化的特点规律及电势场分布特性,模拟电势场理论对飞行环境进行威胁建模,建立基于电势威胁场引导的航路节点概率选择机制及安全性评价准则。在此基础上,构建基于拟态电势能的随机采点扩展式航路规划方法。通过与传统航路规划方法的对比仿真实验表明,运用拟态电势能进行航路规划,能够显著缩短路径长度和计算时间,提高规划航路的安全性,对于航路规划的应用很有价值。      

基于经验移植的自主空战对抗学习方法

现有的机器学习方法大多是交互式的学习模式，这类方法在训练过程非常依赖与环境之间的交互数据。空战对抗任务是一种奖励非常稀疏的训练任务，智能体在学习开始的很长一段时间内，都在探索能够获得奖励的动作。如果每一个新的任务都重新训练，是非常浪费计算资源的。因此，设计了一种基于经验移植的学习方法，使得经过训练的智能体能够将知识分享给新的智能体，提高其在新任务上的学习效率。首先，借鉴人类通过经验进行快速学习的现象，构建了基于经验移植的学习的模型；其次，兼顾知识分享和新任务的特征，明确了经验的内涵，建立了"知识+任务→经验"的融合认知方式；再次，设计了借鉴学习方法，将外部经验与任务相结合，进而转化为新个体的知识；最后，使用经验适用度作为筛选指标，分析了经验适用度对借鉴学习效率的影响，确定了执行借鉴学习的筛选边界。新个体通过借鉴学习后能够获得关于新任务的初步知识，在新任务中更快地找到能够获得奖励的动作策略，从而提升在新的任务中的学习速度。     

一种陌生环境的无人机在线Laguerre航路规划方法

针对多旋翼无人机在陌生城市低空安全飞行的需要,研究了适合于陌生环境应用的在线航路规划方法。在分析传统Laguerre图航路规划原理及其航路安全性优势的基础上,首先导出了面向单个拟飞通道的Laguerre规划航路的特性。进而,通过最小化航路安全误差,建立了单个航段的最佳安全航路。在上述研究的基础上,提出了面向陌生环境的在线滚动式Laguerre航路规划方法。设计了模拟城市建筑物分布的仿真飞行场景,并通过对比分析不同规划方法对于仿真场景的航路规划结果,显示了本文算法在航路规划问题中避撞安全性方面的优势。