基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

无人集群试验评估研究现状分析及理论方法

无人集群试验评估是促进无人集群技术从理论走向实践的重要桥梁。与传统的作战系统相比，无人集群系统具有自主协同、能力涌现、智能对抗等特点，这已大大超出传统作战系统试验评估的范畴。针对上述现实需求，本文旨在综述美国和中国在推进集群试验评估方面所进行的开创性工作的基础上，主要对无人集群试验评估的概念内涵、发展现状进行了讨论分析；结合课题组在航空集群作战领域的研究基础，探讨无人集群试验评估的主要内容和可行的技术路线，为军事装备的信息化升级和智能化转型奠定基础。     

未知环境下无人机集群协同区域搜索算法

针对无人机集群在无先验信息的未知环境中协同搜索的问题,提出了一种以覆盖率为实时搜索奖励的无人机集群协同区域搜索算法。首先建立覆盖分布地图（CDM）来描述任务环境,并采用Hadamard积实现CDM的快速更新,继而基于CDM计算覆盖率来定量描述实时搜索效果。将无人机集群视为一个控制系统,基于分布式模型预测控制理论建立系统的预测模型,并将预测周期内最大覆盖率增量设为奖励函数,采用差分进化算法进行求解,得到最优解作为系统的最优输入。仿真结果表明,所提算法能够对区域进行覆盖搜索,在出现突发情况时,覆盖率远高于平行搜索方法。      

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。      

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。