基于改进NSGA-Ⅱ算法的航班战略冲突解脱研究

设计了一种改进的非支配排序遗传算法（Non-dominated sorting genetic algorithm Ⅱ, NSGA-Ⅱ）解决战略阶段轨迹规划大规模优化问题。在经典的NSGA-Ⅱ的框架下,采用一种自适应交叉算子与自适应变异算子加快算法的收敛速度并提高解的质量,同时给出衡量Pareto解集优劣的评价指标。大规模四维航迹的引入不可避免地增加了问题的复杂性,本文提出了一种有效的战略冲突解脱模型,旨在最小化潜在的冲突数量和冲突解脱成本。采用中国航路网络繁忙时段1 472架航班进行实例验证,并所提算法与经典的NSGA-Ⅱ算法及MOEA/D进行对比。实验结果表明,改进的NSGA-Ⅱ算法具有更好的优化效果,能够有效地解决航空器之间的冲突并产生较小的航空器航迹调整量。     

连续下降运行中的飞行冲突预测与解脱算法

针对连续下降运行（Continuous descent operation,CDO）中的航空器冲突预测与解脱策略问题,构建了四维航迹（Four-dimensional trajectory,4DT）预测模型,实现飞行冲突的准确预测;以燃油消耗量、冲突时长为优化目标,以航空器在连续下降运行时的飞机速度、下降轨迹角（Descent path angle,DPA）为优化变量,基于多目标遗传算法NSGA-Ⅱ实现飞行冲突解脱。最后以某终端区内多机CDO飞行为例进行冲突预测和解脱,分析了优化目标权重系数对空域内平均耗油量和优化变量影响。结果表明,给出的解脱算法可以实现终端空域内的多机无冲突连续下降运行。与优化前相比,20架飞机的平均耗油节约了11 kg/架,空域内飞机之间的飞行冲突累积时间从984 s减少到0,即消除了飞行冲突。研究结果有助于实现空域内多机无冲突连续下降运行,提高CDO在繁忙机场的实施率和运行效果。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.     

一种求解旅行商问题的改进蚁群算法

在基本蚁群算法基础上,通过引入信息素的自适应调整策略、限制信息素的范围并动态增加了信息素的局部更新方式．有效地抑制了收敛过程中的停滞现象,提高了算法的搜索能力。TSPLIB的实例求解结果表明了改进算法的有效性。     

异构无人机集群的分布式多智能体任务规划（英文）

本文针对具有不同能力的异构无人机集群提出了一种分布式任务规划算法,该算法扩展了基于共识的捆绑算法(Consensus-based bundle algorithm,CBBA),以解决更加现实和复杂的环境。扩展分为两个方面,一方面是处理需要多个无人机协同完成的多代理任务,另一方面是在任务场景中考虑避障路径规划。本文提出了一种新的共识算法来解决多智能体任务分配问题,并使用Dubins算法设计了无人机的避障并考虑运动约束的可行路径。实验结果表明,本文提出的CBBA扩展算法可以得到无冲突、可行的多智能体任务规划解决方案。     

基于改进微粒群算法的无人机姿态控制参数智能整定(英文)

提出了基于改进微粒群算法的无人机姿态控制器参数智能整定方法.标准微粒群算法在搜索后期由于群体缺乏多样性而容易出现收敛停滞现象,为此提出了一种改进的微粒群算法.标准微粒群算法中的微粒速度是根据惯性运动、群体历史最优位置和自身历史最优位置来调节的.改进微粒群算法中的微粒除了保持惯性运动外,仅向当前群体中任意更优个体的状态学习,而且惯性权重系数是随机数.改进方案减少了算法不确定参数,简化了微粒学习机制,且增强了群体多样性.本文构建了无人机姿态控制系统,将改进微粒群算法用于四个控制参数的寻优整定.仿真结果表明,改进微粒群算法比一般微粒群算法具有更强的全局搜索能力,故获得更优的无人机姿态控制参数.     

基于地面安全约束的无人机航路规划研究（英文）

随着无人机数量和飞行时间的快速增长,由无人机飞行风险引起的安全事故也逐渐增多。安全航路规划是在战略层面降低无人机运行风险的有效手段。考虑无人机航路的安全代价,基于地面风险评估提出了一种无人机安全航路规划模型。将航路下方区域栅格化处理,以每飞行小时地面人员伤亡率为量化指标,定义各栅格安全系数,并根据栅格安全系数构造航路安全代价函数。建立了兼顾航路安全性和飞行距离的总代价函数,并通过改进蚁群算法进行航路规划。模型的有效性通过城市空域物流无人机航路规划进行验证。结果表明,考虑地面安全约束的航路规划模型在无人机总飞行时间增加不大的情况下,能显著提高航路的整体安全性。     

基于信息素差异分布策略的路径规划蚁群改进算法

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢以及容易陷入局部最优的问题,提出一种蚁群改进算法。首先根据各节点相对于起始点和目标点连线之间的距离,对初始信息素不平均分配,使其呈正态分布,降低算法搜索初期的盲目性,加快最优解的搜索;其次改进挥发因子,采用双挥发因子原则,控制信息素的挥发,既降低局部最优的可能,又能加快收敛速度;对冗余路径作进一步优化处理,使得路径更优。仿真结果表明,本文蚁群改进算法相对比传统蚁群算法以及其他蚁群改进算法收敛速度更快,收敛性更稳定。     

具有输入时滞的集群无人机事件触发协同最优控制

针对带有输入时滞和外部干扰的集群无人机系统,提出了一种基于强化学习的集群无人机事件触发分布式自适应最优控制方法。为了实现最优控制,引入了基于神经网络的强化学习算法,并设计了一种与系统控制性能有关的动态事件触发策略,该策略可以在尽可能降低对一致性控制性能不利影响的前提下,减少通信资源的浪费,同时该策略不存在Zeno行为。此外,在控制器设计过程中,引入了一种含有积分项的坐标变换来处理系统的输入时滞问题。在输入时滞和外部干扰的影响下,所提出的基于干扰观测器的最优分布式协同神经网络控制策略能够保证每个无人机系统所有信号都有界,并且每个无人机系统的输出能够实现一致性。最后,仿真结果验证了所提控制方法的有效性。     

基于多Agent协商机制的冲突解脱方法

冲突解脱技术是自由飞行能否实现的关键技术。采用多Agent系统中协商机制能解决自由飞行的多架飞机之间的冲突解脱问题。将冲突问题中所涉及到的飞机抽象为多Agent系统中的飞机Agent,通过各飞机Agent间相互协商从而得到满意的解脱策略。实例验证了该方法的可行性。     

基于改进蝴蝶优化算法的无人机3-D航迹规划方法

针对基本蝴蝶优化算法（Butterfly optimization algorithm,BOA）在进行无人机（Unmanned aerial vehicle,UAV）三维航迹规划时存在的搜索速度慢、搜索精度低以及易陷入局部最优等问题，提出一种改进的蝴蝶优化算法（Improved butterfly optimization algorithm,IBOA）。在全局搜索阶段提出对数自适应惯性权重策略和动态更新调节策略，提高了算法全局搜索能力和搜索精度。同时，在局部搜索阶段，提出一种动态概率余弦选择策略，增加位置更新多样性，避免陷入局部最优。首先，为检验改进算法与基本算法的寻优性能，在部分标准多元函数上进行仿真对比。对比结果表明，改进算法对复杂函数具有较强的寻优能力，能在更短时间内找到全局最优解。然后，在二维路径规划仿真中对比了改进算法与PSO算法性能，从对比结果看，IBOA具有更优的规划效果。接着，利用山峰模拟函数对UAV三维航迹规划进行建模，将改进算法应用到航迹规划中，利用MATLAB仿真对比了不同复杂度环境下的航迹规划效果。仿真实验表明：相同实验条件下，该优化算法较BOA综合适应度值减...     

固定翼无人机的4D无冲突航迹规划（英文）

基于4D航迹的运行(Four-dimensional trajectory-based operation,4D-TBO)有利于增强高效飞行的计划和执行,减少潜在冲突并解决即将出现的巨大航班需求。大多数与4D航迹规划有关的研究都集中在有人驾驶飞机上,而不是无人驾驶飞机(Unmanned aerial vehicle,UAV)。本文着重于为起飞前或飞行期间的固定翼无人机规划无冲突的4D航迹。文中提出了一种基于Tau理论的4D航迹生成技术,该技术将时间约束的飞行航路点纳入了飞行计划中。然后,通过粒子群优化(Particle swarm optimization,PSO)算法对4D航迹进行优化。仿真实验证明了所提出方法的有效性。     

改进蚁群算法在移动机器人避障中的应用

在移动机器人路径规划中,由于基本蚁群算法具有进化缓慢、易陷入局部最优等问题,提出一种改进的蚁群算法。建立了静态环境下的路径规划栅格模型,通过对信息素启发因子及期望启发因子实时调节,自适应改变挥发因素,在初始时刻扩大蚁群的搜索范围,以免陷入局部最优。针对凹型障碍物,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下算法也能较好的收敛。与其他算法的仿真结果表明,此算法在栅格地图模型中,能快速地避开障碍找到最优解。     

边缘网络下多无人机协同计算和资源分配联合优化策略

针对边缘网络环境下多人机之间存在计算负载不均，造成卸载任务失败的问题，提出了一种多无人机间协作的智能任务卸载方案。通过联合考虑多无人机任务分配、计算资源分配和无人机飞行轨迹，引入公平性指数建立了无人机公平负载最大化和能量消耗最小化问题。基于多智能体深度强化学习框架，提出了融合轨迹规划和任务卸载的分布式算法。仿真结果表明，所提出的多无人机协作方案可以显著提高任务完成率和负载公平度，并且有效适用于大规模用户设备场景。     

变速运动平台上多旋翼无人机自主着陆控制方法研究

为解决多旋翼无人机在变速运动平台自主着陆问题,提出一种以模型预测控制（MPC）算法为基础的无人机自主着陆控制方法。首先传感器采集无人机和移动平台在NED坐标系中的位置矢量与速度矢量信息,然后使用卡尔曼滤波状态方程进行数据处理,最后根据滤波后的矢量参数用模型预测控制算法计算出无人机最优控制量。MATLAB仿真证明,该算法可实现无人机自主着陆于变速运动的移动平台上。     

应用对策理论的多目标气动优化设计

将经济学中的Nash均衡理论引入到气动优化设计中,探索一种新颖的处理互为冲突的多目标气动外形优化设计方法.基本的优化器为基于伴随方法的确定性优化算法,文中通过引入负反馈技术发展了约束最优控制理论,所有的约束条件都被自动的和隐含的满足.在对称Nash策略中,每一个优化器都力图优化自己的目标,而Nash平衡则提供了多个目标之间的一种妥协解.设计算例表明,文中的Nash竞争策略在多目标气动优化设计中是有效的.     

火星探测无人机快速景象匹配算法

针对火星无人机探测飞行过程的特点及其机载计算机的局限性,在充分研究了矩阵奇异值向量性质特点的基础上,对奇异值向量进行主分量分析,提出了一种应用于火星无人机平飞段的基于奇异值分解的分层快速景象匹配算法,并给出了与之相应的机载特征数据存储方法.与相关算法的对比性实验表明,本文提出的算法具有准确,稳定,且速度更快,数据量更小的优点.通过仅在飞行末段,将本文算法切换成现有的基于SIFT算子的匹配算法,能在实现火星无人机全程快速景象匹配的同时,有效降低对其机载计算机综合性能的要求.     

基于知识的空中交通管制决策模型研究

空中交通管制员的管制知识包括发现航空器冲突以及解脱冲突的能力。通过建立一个决策树模仿管制员工作时的决策思路,并用Visual Basic程序语言编写。参考管制指挥时的多种规定限制条件,严格按照管制员解脱冲突的工作程序作为研究依据,从而为管制员实际工作提供八种间隔分配策略。     

基于自适应模糊输出观测器的非线性系统鲁棒故障检测

针对一般非线性系统的故障检测，从工程应用的角度提出了一种基于自适应模糊输出观测器的非线性系统鲁棒故障检测方法。该方法以自适应模糊系统构造未知非线性模型的输出观测器，在充分考虑外加噪声干扰和系统误差的情况下，通过对一般反向传播学习算法进行改进，提出采用鲁棒反向传播学习算法调整观测器参数以辩识系统输出，再结合阈值故障检测策略检测系统故障。为保证算法具有较快的收敛速度，本文给出了根据模糊规则确定算法初始参数的选择方法并证明了算法的收敛性。仿真结果表明，对一般非线性系统故障检测，该方法具有有效性和实时性，以及对噪声干扰和系统误差的鲁棒性。     

一种适用于机动转弯飞行的中期冲突探测方法

为了能在复杂的交通环境下提高冲突探测的精确度,保障空中飞行安全,基于解析算法提出了一种适用于机动转弯飞行的冲突探测算法,在此基础上给出改进的中期冲突探测的方法。对该算法进行了算例分析,结果表明：该算法能很好地适用于机动转弯飞行时的冲突概率计算,并且具有实时性和有效性。