未知区域中四旋翼无人机集群协同搜索与围捕算法

四旋翼无人机集群可以被用来进行区域侦察,以建立对环境与兴趣目标的认知。为四旋翼无人机集群提出一种分布式协同搜索算法和动态目标包围技术，以解决在未探测区域定位和监测目标中所遇到的挑战。为降低所提算法的复杂度，通过栅格划分方法将任务区域划分为2级栅格子区域。考虑到动态目标的随机性，设计一种数字信息素来引导多无人机对任务区域进行2次搜索，并以快速搜索到目标为奖励函数，通过滚动优化决策得到最优解作为无人机的输入。然后，基于一致性协议设计一种多无人机协同跟踪与围捕协议，以获取动态目标的实时信息。数个仿真结果与室外飞行实验验证了所提算法能够使四旋翼无人机对未知区域中动态目标进行有效搜索与动态监视。     

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。      

基于寒鸦配对交互行为的无人机集群编队控制

受寒鸦群配对飞行行为机制的启发,提出了一种配对交互模型,并应用于解决无人机（UAV）集群编队控制问题。首先,模仿寒鸦个体间的配对交互,设计配对交互时的邻居选择机制,基于社会力,考虑惯性加速、远距吸引、近距排斥、速度匹配和运动阻尼,分别建立配对个体和未配对个体的运动学微分方程,完成配对交互模型的构建。然后,在无人机模型基础上,设计基于寒鸦配对交互机制的无人机集群编队控制器。最后,通过2组仿真实验研究所提模型应用于无人机集群时的特性。结果表明,寒鸦配对交互模型能保证无人机集群运动的一致性,通过减小无人机交互的平均邻居数量,从而减小无人机集群的通信负载,并且当单向刺激时,配对无人机作为信息无人机时集群有更高的应激精度。      

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。      

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。      

基于Agent与元胞自动机的无人机集群混合式控制

高效有序的集群控制方式是集群顺利完成作战任务的前提。针对无人机集群控制问题,结合集中式与分布式2种控制方式,提出基于Agent与元胞自动机的集群混合式控制。从无人机集群作战流程出发构建了无人机集群控制体系框架、通信拓扑结构及集群控制规则,将集群个体由上至下分为中心长机、小组长机、个体无人机3个层次,高层级对低层级采用自上而下的集中式控制,同层级采用自下而上的分布式控制。在此基础上,利用Agent模型的层次性与元胞自动机模型的同质性,设计了基于Agent与元胞自动机的集群混合式控制模型,实现2种控制方式有效结合,元胞自动机模型实现集群基本的聚合、分离、速度一致规则,Agent模型实现不同层级个体间的协同交互规则。在编队集结与保持任务背景下,对分布式、集中式与混合式3种控制进行对比仿真,结果表明:基于混合式控制的集群在编队可控性、跟随性、一致性以及降低通信负载等方面具有明显优势,验证了混合式集群控制方法的有效性。      

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题，提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束，建立集群的动态交互图，通过引入二维网格状态特征编码的方法，构建维度不变的智能体观测空间；采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构，分别设计策略网络和价值网络的状态空间和动作空间，定义收益函数；构建编队集结仿真环境，经过训练，所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中，均能成功实现快速集结，其灵活性和鲁棒性得到验证。     

基于角色切换策略的多无人机协同区域搜索

针对存在随机分布目标的区域快速搜索问题开展研究,考虑无人机有限通信能力和探测信息的实时回传需求,提出了一种基于角色切换策略的多无人机协同区域搜索方法。首先,考虑各无人机平台的历史搜索信息和协同搜索收益,基于概率传感器模型构建了多无人机协同区域搜索求解框架;其次,基于4项无人机节点重要性的评价指标,采用改进逼近理想解排序法（TOPSIS）完成无人机节点重要性评估,通过无人机角色动态切换实现了区域搜索过程中协同搜索收益与网络连通性的平衡;最后,考虑机间防撞、通信保持、无人机运动学等约束条件,利用分布式滚动时域优化方法完成各无人机在线运动规划,实现多无人机协同区域搜索。仿真结果表明了所提方法的可行性和有效性。      

无人机自主引导跟踪与避障的近端策略优化

针对无人机地面动态目标跟踪问题，建立了远距离自主引导与近距离伴飞避障2个阶段的马尔可夫决策过程模型。在此基础上，提出了一种改进的近端策略优化（PPO）算法。考虑到无人机接收到的数据具有时序性且环境状态存在上下文关联，所提算法采用长短期记忆（LSTM）网络，通过无人机与目标的实时位置关系等状态信息来计算奖励值，更新网络参数，并进行自适应优化迭代。通过基于ROS系统的仿真测试平台进行试验，结果表明：所提算法安全有效地实现了侦察任务全过程的自主机动，与传统的PPO算法相比，LSTM的引入缩短了模型训练时间，跟踪与避障的效率明显提高，进一步加强了算法的鲁棒性、准确性和实时性。     

无人集群系统时变编队H∞控制

针对有向通信拓扑网络下具有通信时滞与外部干扰的无人集群系统（AUSS）时变编队H_∞控制问题进行了研究。首先,基于AUSS期望编队构型信息、无人机（UAV）实时状态信息以及通信UAV之间带通信时滞的状态误差信息提出了AUSS的编队控制方法,通过变量替换将AUSS的编队控制问题转换成低维闭环系统的渐近稳定问题,并以线性矩阵不等式（LMI）形式给出了系统稳定的充分条件与最大允许通信时滞的计算公式。其次,通过构造Lyapunov-Krasovskii（L-K）泛函,证明了存在通信时滞与外部干扰条件下AUSS能够实现时变编队。最后,通过数值仿真验证所设计方法的准确性与有效性。      

基于随机空间网络的无人机集群协同对抗模型

无人机集群协同对抗是未来作战的发展方向,为了突出集群强进攻、难防御、高灵活的优势,对高维度、强动态、非线性无人机集群的协同对抗的复杂系统进行有效建模是一个重要的研究方向。应用复杂空间网络理论构建了对抗双方的协同网络、对抗网络及协同对抗网络,模拟无人机集群的协同侦察场景,分别在二维和三维空间中建立了无人机集群协同对抗模型;分析了影响杀伤率的因素,提出了杀伤率与空间距离的解析式;通过网络级联效应分析了无人机集群协同网络的鲁棒性,验证了所提无人机集群协同对抗模型的有效性,为无人机集群协同对抗的建模提供了一种新思路。     

基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高，收敛效率差等问题，提出一种基于混沌精英适应遗传算法（CEA-GA）的多无人机三维协同曲线航迹规划方法。利用层级规划思想，建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型，将复杂约束规划问题分解为子函数优化求解问题，减小计算量；考虑到遗传算法（GA）求解高维复杂约束优化问题存在的性能局限，采用Tent混沌映射均匀初始化种群，以扩大个体搜索空间，丰富种群多样性，在此基础上，通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力，帮助个体跳出局部最优，并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解，仿真实验结果表明：CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率，且能够为集群规划满足约束条件的协同曲线航迹，从而验证了所提方法的有效性和CEA-GA的优越性。     

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。     

基于SMABC算法的FPRM逻辑电路面积优化

固定极性Reed-Muller (FPRM)逻辑电路面积优化是当前集成电路设计领域的研究热点。但现有FPRM逻辑电路面积优化方法存在优化效率低和优化效果差等问题。FPRM逻辑电路面积优化属于组合优化问题，提出一种自适应混合人工蜂群(SMABC)算法。所提算法在引领蜂搜索阶段引入细菌觅食算法中的细菌趋化行为，使引领蜂向靠近优秀蜜源的方向搜索，提高了所提算法的收敛速度；对跟随蜂的选择概率进行改进使其依据种群的变化自适应改变，提高了所提算法的全局搜索能力；对侦查蜂的转换条件进行改进，增加了侦查蜂在进化过程中的扰动幅度；且在进化过程中引入精英保留策略以提高种群质量。此外，提出一种基于SMABC算法的FPRM逻辑电路面积优化方法，所提方法收敛速度最快且面积优化率最高为54.62%，平均面积优化率为15.33%。     

一种中继无人机快速部署策略

针对任务规划中中继无人机部署效率低,部署方案无法满足最少数量要求等问题,提出了一种中继无人机快速部署策略。首先,根据最少中继节点的任务要求,建立了基于最少中继节点的部署模型。其次,优化了深度优先搜索算法的搜索方式,实现了节点间可行链路的快速搜索。最后,在人工蜂群(ABC)算法中引入快速深度优先搜索(DFS)算法,来求解最少中继节点部署方案。仿真结果表明:在相同任务规模下,所提策略的求解速度相较于改进前提高了53.56%左右,部署的中继无人机数量相较于现有方法减小了11.88%左右。      

基于路径跟随的改进领航-跟随无人机协同编队方法

针对集群无人机完成高精度协同编队的需要,提出了一种基于路径跟随的改进领航-跟随无人机协同编队方法。首先,在传统A*算法的基础上,引入了障碍威胁系数改进A*算法,为领航无人机规划从起点到目标的全局安全路径;其次,采用Hermite多项式在离散化后对领航无人机的全局安全路径进行参数化表示。当遇到新的障碍信息时,利用改进A*算法重新规划路径;随后,领航无人机将跟随无人机的空间编队信息与编队路径参数信息在集群中完成同步;最后,基于一致性原理设计了编队队形协同控制器,并基于改进人工势场法设计了动态避障控制器。仿真结果表明,与传统的领航-跟随方法相比,该方法可以降低编队误差,提高了复杂曲线路径下无人机的编队精度与稳定性,具有一定的工程应用价值。     

无人机集群编队控制演示验证系统

为验证无人机集群编队控制算法在实际环境中的有效性,基于四旋翼无人机平台和双数据链、双地面站冗余设计,搭建了分布式控制的无人机集群编队控制演示验证系统。基于分层控制和封装的思想,将无人机控制系统分为执行层和决策层。执行层采用PIX自驾仪进行封装,只需修改自驾仪参数,不需针对不同无人机平台开发相应的控制策略,就能实现对异构集群的控制。需要验证不同的编队控制算法时,只需对决策层的控制算法进行修改即可,使系统具有较强的适应性和扩展性。演示验证系统采用双地面站和数据链,可实现在多种网络拓扑或通信失败情况下的无人机集群控制,具有较高的稳定性和安全性。应用领导-跟随协同编队控制算法,验证了本文演示验证系统的功能和性能。      

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。      

基于群体意志统一的无人机协同围捕策略

针对无人机(UAV)协同围捕问题,提出一种基于群体意志统一的围捕策略。受人类在协作任务中的认知机理启发,引入“群体意志”定义无人机的协作认知,并构建双回路认知模型,借助图卷积网络对围捕无人机获取的局部态势进行融合认知,有效减轻无人机系统的计算负载。依靠变分推断原理和生成式自动编码器对围捕无人机进行群体意志趋同学习,依据Apollonius圆实现协同围捕,使无人机集群涌现出更加智能化的围捕效果。通过对比仿真验证了所提策略的有效性和智能性。