未知动态环境下有人/无人机协同搜救研究

针对未知动态环境下搜救效率和智能化水平不高的问题，提出了一种基于变步长模型预测控制的有人机/无人机协同搜救方式。根据环境的动态变化性和探测的不确定性，建立了表示环境确定度和目标探测概率的动态搜救图模型，根据态势信息选择时间域步长，并根据有人机/无人机协同搜救任务特点，设计了搜救收益指标，并利用粒子群优化进行求解。仿真结果表明了本文方法的有效性和优越性。     

一种基于多无人机的中继节点布置问题建模与优化方法

针对战场环境下急需在无法通信的节点间构建有效通信链路的情形,使用多无人机作为中继节点,建立了中继节点布置(RNP)问题模型。模型以中继链路有效和无人机安全为约束,以中继布置点位置及相应的无人机为输出,不但考虑了使用的中继无人机数量,还考虑了构建中继链路花费的时间。考虑到该问题是难以求解的混合整数多目标优化问题,同时在紧急应用情形下,要求求解算法快速有效,建立了一种多项式时间中继节点布置算法(PTRPA)。仿真实验验证了所提模型确实能够在更短的时间内完成有效中继链路构建;通过Monte-Carlo方法对比和分析不同因素对PTRPA算法、随机抽样算法、遗传算法求解该问题的结果性能和时间性能的影响,验证了PTRPA算法不但能够给出接近最优的解,且快速有效,满足战场决策需求。     

带通信约束的多无人机协同搜索中的目标分配

为了研究通信约束对多无人机(UAV)协同搜索中目标分配任务的影响,提出了一种带通信约束的多无人机协同搜索中的目标分配方法,研究在通信约束条件下多无人机在协同搜索中如何进行目标分配。首先,基于无人机数学模型和搜索模型,建立了目标分配模型。其次,分析了通信约束条件,如通信距离限制、通信角度限制和通信时间延迟等对目标分配的影响,限定多无人机在通信距离和角度范围内才能通信,使用蒙特卡罗法来验证通信距离和角度对目标分配的影响,同时采用基于状态估计的无人机状态信息补偿方法来消除通信延迟的影响。仿真验证了带通信约束的多无人机协同搜索中的目标分配方法的合理性。     

基于MILP的多无人机对敌防空火力压制

建立了基于混合整数线性规划（Mixed Integer LinearProgram,MILP）的多无人机编队对敌防空火力压制协同任务分配模型,以0-1决策变量表征无人机一任务指派关系,引入连续时间决策变量来表示任务的执行时间,并通过对决策变量之间的线性等式和不等式的数学描述,建立无人机之间和无人机执行任务之间合理的协同约束关系。采用商用软件CPLEX对模型求解,仿真验证了模型的合理性。     

重访机制驱动的多无人机协同动目标搜索方法

为实现多无人机高效捕获灰色任务区域内的移动目标,考虑传感器探测概率与虚警概率,提出了重访机制驱动的协同搜索规划（RMD-CSP）方法,以降低目标遗漏与误判概率。考虑无人机飞行性能约束,以最大化任务执行效能为目标建立多无人机协同搜索模型。根据目标先验信息初始化环境搜索信息图（包括目标概率分布图、环境不确定度图与环境搜索状态图）,利用无人机实时探测信息,基于贝叶斯准则持续更新搜索信息图。定制基于环境不确定度更新的重访机制,通过增加长时间未被重访区域的环境不确定度,引导无人机搜索该区域,降低移动目标的遗漏概率;定制基于目标函数权重更新的重访机制,引导无人机快速重访发现新的疑似目标的区域,对疑似目标进行再次确认,减少由于传感器虚警概率造成的目标误判概率。采用滚动时域规划架构,将搜索规划问题分解为一系列短时域规划问题,提升了求解效率。在典型任务想定下,通过数值仿真试验验证了所提方法的有效性。仿真结果表明,RMD-CSP能够在秒级时间内生成每个时域的搜索航迹,相比于光栅式搜索方法与标准的概率启发式搜索方法,能够引导无人机捕获更多的移动目标,同时减少误判次数,有效提升了多无人机协同搜索的任务效能。     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

无人机绳钩回收系统参数设计

以某型无人机回收方案设计研究为背景,分析影响无人机绳钩回收系统回收性能的参数,对无人机绳钩回收系统建立多目标优化模型。运用多目标遗传算法进行优化设计获得优化结果。多目标优化用于无人机绳钩回收系统参数优化,可以更加合理地评价回收系统参数最佳组合,提高设计效率。结果表明,通过改善绳钩回收系统参数,回收性能得到优化,无人机拦停时间减少,在实际回收中有一定参考价值。     

考虑协同航路规划的多无人机任务分配

针对多无人机任务分配与协同航路规划问题，以分布式合同网拍卖算法为基础，构建无人机集群任务拍卖架构与拍卖收益函数，结合模拟退火算法协调任务执行次序，采用A^*算法完成两任务点间航程预估，在任务分配阶段同步完成多无人机间协同航路的初规划，确定最佳任务执行次序，实现任务分配与协同航路规划的紧耦合。仿真结果表明，在考虑禁飞区、障碍威胁情况下，该算法能够有效完成多架无人机不同类型任务的分配，且目标分配、执行次序合理，总执行代价小，各机间负载均衡；在任务分配阶段考虑协同航路规划具有明显的效果，能够有效提高任务分配的合理性。     

基于蚁群算法的无人机协同多任务分配

采用蚁群算法对无人机协同多任务分配问题(CMTAP)进行研究。在通用CMTAP模型的基础上,综合考虑包括动态任务时间约束和无人机任务能力的差别多类复杂约束条件,建立扩展的协同多任务分配模型。在多子群蚁群算法的基础上,提出了基于分工机制的蚁群算法对CMTAP进行求解。根据协同多任务分配的特点,设计了基于任务能力评估的问题解构造策略和基于任务代价的状态转移规则,提高了算法的性能。仿真实验结果表明该方法能有效地解决无人机协同多任务分配问题。     

高空长航时无人机总体参数多目标优化

以高空长航时无人机的总体方案研究为背景,对高空长航时无人机总体参数建立了多目标优化模型,运用多目标遗传算法进行优化设计,最后通过建立的计算机程序得出优化结果.多目标优化用于高空长航时无人机总体参数优化,可以更加合理地评价高空长航时无人机的总体参数的最佳组合,避免设计上的缺陷,提高设计效率.结果表明,高空长航时无人机优化后的总体性能得到改善,说明该方法适用于高空长航时无人机总体方案的优化设计,对方案研究有一定参考价值.     

不确定环境下多无人机任务分配

针对复杂战场环境下无人机与攻击目标之间距离的不确定性,将该距离抽象为一个区间数。在此基础上,构建了不确定环境下多无人机任务分配的数学模型。根据多无人机任务分配问题的特殊性,重新设计了差分进化算法的编码方式、变异操作、交叉操作等。其中,选择操作中,在区间数排序方法的基础上,依照可能度来计算候选解被选中的概率。鉴于差分进化算法中不同变异策略的内在特点和适用场合不尽相同,提出了 3种多变异策略的差分进化算法,以便最大限度地发挥各种变异策略的技术优势。针对 CEC2013测试函数和多无人机任务分配问题分别开展仿真实验,实验结果表明,多变异策略的差分进化算法其性能改进显著,非常适合于求解多无人机任务分 配问题。     

Multi-UAV reconnaissance task allocation for heterogeneous targets using an opposition-based genetic algorithm with double-chromosome encoding

This paper presents a novel multiple Unmanned Aerial Vehicles (UAVs) reconnaissance task allocation model for heterogeneous targets and an effective genetic algorithm to optimize UAVs’ task sequence. Heterogeneous targets are classified into point targets, line targets and area targets according to features of target geometry and sensor’s field of view. Each UAV is regarded as a Dubins vehicle to consider the kinematic constraints. And the objective of task allocation is to minimize the task execution time and UAVs’ total consumptions. Then, multi-UAV reconnaissance task allocation is formulated as an extended Multiple Dubins Travelling Salesmen Problem (MDTSP), where visit paths to the heterogeneous targets must meet specific constraints due to the targets’ feature. As a complex combinatorial optimization problem, the dimensions of MDTSP are further increased due to the heterogeneity of targets. To efficiently solve this computationally expensive problem, the Opposition-based Genetic Algorithm using Double-chromosomes Encoding and Multiple Mutation Operators (OGA-DEMMO) is developed to improve the population variety for enhancing the global exploration capability. The simulation results demonstrate that OGA-DEMMO outperforms the ordinary genetic algorithm, ant colony optimization and random search in terms of optimality of the allocation results, especially for large scale reconnaissance task allocation problems.     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

通信约束下异构多无人机任务分配方法

针对异构多无人机协同执行侦察和打击任务中,存在通信距离、时间延迟等约束条件下的局部任务分配问题,提出了一种基于合同网的分布式多无人机任务分配方法。首先建立了异构集群发现新目标时的局部任务分配问题模型,设计了局部无人机通信网络中的信息一致性算法,实现了任务分配过程中任务发布阶段各无人机的冲突消解。设计了任务分配过程中的联盟构建和无人机资源管理方法,使联盟中各无人机能够以更加平衡的方式消耗资源。仿真结果表明,该方法能够解决通信约束下,异构多无人机执行察打任务时,所触发的针对目标打击任务的任务分配问题,且能够获得最大的系统效能。     

无人机空中对接中的视觉导航方法

无人机空中加油是一种能有效提升巡航里程及续航时长的技术手段,近距相对位置和姿态测量技术是其中需要解决的关键问题之一。针对该问题研究了无人机自主空中对接中的视觉导航方法,完成了近距对接的地面实验。首先,利用移动对接图标和无人机的GPS/INS信息进行无人机的粗略导航,完成会合;再充分利用视觉图标的颜色与形状信息,通过颜色分割选取目标可能区域,在这些区域中进行快速椭圆检测,针对椭圆检测算法存在误检测及边缘不重合的问题,提出了椭圆检测与轮廓检测相结合的方法,能够更准确地描述图标边缘;最后,利用改进的OI算法进行相对位姿的估计,实现近距的精确导航。实验结果表明,无人机在较高速度下的跟踪效果良好,采用的视觉导航方法能够满足空中对接中精度与实时性的要求。     

面向无人机蜂群的航电云多层任务调度模型

在航空作战体系中，基于航电云的无人机（UAV）蜂群作战是提高未来无人机综合作战能力的一种新模式。针对无人机蜂群作战的航电云架构，如何将云端作战任务派发到无人机且保证作战任务完成时间是其中关键。在无人机蜂群分层分簇网络结构和模块级资源虚拟化的基础上，对传统单层平台级任务调度模型进行改进，提出了一种细化到模块级的多层任务调度模型，将作战任务从云端逐层调度到无人机功能模块上执行。利用OMNeT++对无人机蜂群多层任务调度模型以及传统的单层任务调度模型分别进行仿真，云端以攻击使命组为例构建使命组集进行分配，并对任务吞吐量、消息平均端到端延时和任务完成时间进行性能对比。仿真结果表明：与平台级单层任务调度相比，在执行任务方面，模块级多层任务调度模型将单个任务平均完成时间降低了46.2%，将使命组完成时间降低了52.1%，在保证任务吞吐量的基础上具有对复杂任务更稳定的调度能力；在网络性能方面，模块级多层任务调度模型消息端到端延时更低，延时分布更集中，提高了网络消息传输的实时性。     

Search using multiple UAVs with flight time constraints

We consider a large scale system consisting of multiple unmanned aerial vehicles (UAVs) performing a search and surveillance task, based on the uncertainty map of an unknown region. The search algorithm is based on the k-shortest path algorithm that maximizes the effectiveness of the search in term of searching through the maximum uncertainty region, given a constraint on the endurance time of the UAV and on the location of the base station from which the UAVs operate. These constraints set apart this class of problems from the usual search and surveillance problems. We compare the performance of this algorithm with a random search and a greedy strategy search, We also implement the algorithm for the case of multiple UAVs searching an unknown region. The cases of delayed and partial information are also considered. Simulation results that demonstrate the efficacy of the technique are also presented.     

基于分布式模型预测控制的多UAV协同区域搜索

针对多无人机(UAV)协同区域搜索问题展开研究。提出了一种基于分布式模型预测控制(DMPC)的多UAV分布式优化搜索方法。首先基于传统的搜索图模型,建立了多UAV协同搜索的问题描述和状态空间模型,然后在DMPC框架下,将集中式多UAV在线优化决策问题转化为各架UAV的小规模分布式优化问题,采用基于纳什最优和粒子群优化(PSO)相结合的算法实现对每个子系统优化问题的迭代求解。仿真结果表明:DMPC方法能够有效地降低多UAV协同搜索决策问题的求解规模,是一种可行的方法。     

结合核相关滤波器和深度学习的运动相机中无人机目标检测

针对无人机与相机快速相对运动造成的运动模糊问题，以及小型无人机外观信息缺失和背景复杂造成漏警和虚警问题，提出了一种新的无人机检测-跟踪方法。针对成像尺寸小于32像素×32像素的无人机目标，提出改进的多层特征金字塔的分类和目标框回归器作为目标检测器，克服漏警。利用检测结果初始化基于核相关滤波的目标跟踪器，并持续修正跟踪结果，跟踪结果为剔除检测器虚警提供依据。在跟踪过程中，引入对观测场景纹理自适应的相机运动补偿策略实现目标重定位。多场景下的实验结果表明：提出的方法在对高速运动小目标的检测和跟踪指标上显著优于传统方法，且运动补偿机制的引入进一步增强了方法在极端复杂场景下的鲁棒性。     

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。