面向突发任务的空间站任务重规划方法

针对空间站在轨运营出现突发任务的情况,提出一种基于启发式规则的任务重规划方法,满足了方案重规划的快速响应需求。根据任务执行的连续性特点和冲突状态,建立了空间站突发任务规划领域模型。考虑重规划过程中任务包含活动间复杂约束关系传播的影响,提出了时间回溯迭代冲突化解策略,同时依据任务执行时间间隔,提出针对间隔插空的时间冗余启发式规则。基于时间回溯迭代冲突化解策略和时间冗余启发式规则,对原任务执行计划进行实时重规划,实现了突发任务的快速响应。应用算例分析表明,提出的重规划方法可以成功地满足空间站突发任务规划需求,实现实时更新空间站在轨任务执行详单的目的。     

基于多智能体混合学习的多星协同动态任务规划算法(英文)

针对多星协同动态任务规划问题,以往多采用基于启发式的重规划算法,但是由于启发式策略依赖于具体任务,使得优化性受到影响。注意到协同规划的历史信息对后续协同规划的影响,本文提出了一种基于策略迭代的多智能体强化学习和迁移学习的混合学习算法求解该问题近似最优策略。本文的多智能体强化学习方法利用神经网络描述各颗卫星的强化学习策略,通过协同进化的方法迭代搜索具有最优拓扑结构和连接权重的策略神经网络个体。针对随机出现的观测任务请求导致历史学习策略失效,通过迁移学习将历史学习策略转换为当前初始策略,保证规划质量前提下加快多星协同任务规划速度。仿真实验及分析结果表明本文算法对动态随机出现的任务请求有良好的适应性。     

空间站运营在轨任务并行规划技术研究

空间站运营任务规划技术是空间站长期稳定运营的核心技术。面向我国空间站建设运营需求,对空间站运营任务层建模与规划技术进行了研究。针对任务层规划任务类型多样、约束复杂及资源受限等问题,基于约束满足理论,建立了任务层规划模型;同时针对任务层规划问题规模大、耦合性强及难于求解的特性,提出了一种任务层规划问题并行求解方法。仿真结果表明,本文提出的并行求解方法相较传统的串行规划算法加速比可达14.19,能有效快速求解空间站运营任务层规划问题。研究结论可为我国空间站运营相关规划系统研制提供参考。     

基于信任域策略优化的末制导控制量学习算法CSCD

近年来,深度强化学习在解决序列决策问题上取得了很大进展,无模型强化学习算法在与环境不断交互的过程中学习策略,不需要提前对环境建模,使其适用于许多问题。针对以往使用强化学习进行末制导策略学习的训练不稳定问题,使用信任域策略优化算法直接学习末制导控制量,同时设计了一种新颖的奖励函数,可以提高训练稳定性和算法性能。在二维环境下进行了实验,结果表明,该算法具有良好的训练稳定性,并可以达到很好的命中效果。     

多星任务规划中的FFFS-DTMB与ADTPC-DTMB算法

 多星对地观测任务规划是一类典型组合优化问题,针对该问题中常见的时间窗口冲突问题,根据同一时间窗口内的冲突任务的处理方式提出了两种有效处理此类问题的规划算法：带有冲突任务时间窗口后移的先完成先规划算法(FFFS DTMB)以及冲突任务共存性判断算法(ADTPC DTMB),并给出了关键步骤的算法过程与伪代码。完整的卫星任务规划过程包括了约束检查、优先级检查以及任务规划,不考虑任务间关系与优先级,主要研究处理具有时间窗口冲突的任务规划算法。文中给出的两种算法优化目标均为最大化规划任务数量。算法的主要思路是通过采用一个冲突任务替换一个已规划的任务,并将替换任务后移至下一时间窗口或在同一时间窗口内部后移。最终的评价结果显示了两种算法的有效性。     

基于深度强化学习的多无人机协同进攻作战智能规划

无人机依靠作战效费比高、灵活自主等优势逐步替代了有生力量作战,多无人机协同作战任务规划成为热点研究问题。针对传统任务规划采用的智能优化算法存在的依赖静态、低维的简单场景、机上计算较慢等不足,提出一种基于深度强化学习（DRL）的端到端的多无人机协同进攻智能规划方法。将压制敌防空作战（SEAD）任务规划过程建模为马尔科夫决策过程,建立基于近端策略优化（PPO）算法的SEAD 智能规划模型,通过两组实验验证智能规划模型的有效性和鲁棒性。结果表明：基于DRL 的智能规划方法可以实现快速、精细规划,适应未知、连续高维的环境态势,智能规划模型具有战术协同规划能力。     

基于分支深度强化学习的非合作目标追逃博弈策略求解

为解决航天器与非合作目标的空间交会问题,缓解深度强化学习在连续空间的应用限制,提出了一种基于分支深度强化学习的追逃博弈算法,以获得与非合作目标的空间交会策略。对于非合作目标的空间交会最优控制,运用微分对策描述为连续推力作用下的追逃博弈问题;为避免传统深度强化学习应对连续空间存在维数灾难问题,通过构建模糊推理模型来表征连续空间,提出了一种具有多组并行神经网络和共享决策模块的分支深度强化学习架构。实现了最优控制与博弈论的结合,有效解决了微分对策模型高度非线性且难于利用经典最优控制理论进行求解的难题,进一步提升了深度强化学习对离散行为的学习能力,并通过算例仿真检验了该算法的有效性。     

基于本体理论的空间站短期任务规划领域建模研究

规划领域建模是解决空间站短期任务规划问题的关键技术之一。通过对比分析空间站短期任务规划问题,梳理了其规划领域特点,归纳总结了领域建模需求;基于本体理论分别建立了规划领域本体模型、对象概念本体模型和方法概念本体模型,进而构建了空间站短期任务规划领域体系,规范化描述了领域内的概念及其关系。最后通过在货运补给与微重力实验两类任务建模上的成功应用验证了所建立模型的有效性。     

基于动态规划的航班着陆调度算法

为了解决机场终端区空中交通流量高速增长造成的进近冲突,合理安排飞机着陆次序,充分利用跑道容量,减少航班延误,提出了一种基于动态规划方法的航班着陆调度算法,算法结合了MPS约束、优化深度限制和时间窗限制约束和其他多项约束,并采用了动态规划的方法来减少计算量。仿真结果表明,算法能满足现实复杂空管条件下的各种限制约束,可应用于实时的ATC自动化系统,并能输出合理可行的排序结果,明显减少航班队列的延误。     

基于混沌灰狼优化的多无人机协同航路规划

针对多无人机协同执行饱和攻击任务的时空约束,本文提出了基于混沌灰狼优化的离线航路规划方法,实现了多无人机协同航路的有效生成。首先,针对饱和攻击任务的特点进行分析,将具有时空约束的多无人机同时到达问题转化为协同航程问题;其次,针对将混沌映射引入灰狼优化算法中,提出了混沌灰狼优化算法,以提高原算法的探索能力和收敛速度;最后,提出了基于几何规划的航点扩展策略,从而构造出满足任务攻击时间与攻击方位要求的航点序列。通过对单无人机航路规划问题的仿真验证了改进算法的寻优能力;通过对面向饱和攻击任务的航路规划仿真验证了所提方法的可行性和有效性。     

基于执行时段滑动调整策略的中继卫星任务规划算法设计

针对中继卫星任务规划问题开展研究,提出一种基于执行时段滑动调整策略的任务规划算法。首先分析了中继卫星资源调度过程,并对任务申请的时间特征进行形式化描述,然后归纳出任务分配的主要约束,从而完成问题建模。在此基础上,对优化算法进行设计,给出了执行时段滑动调整步骤。通过调整已规划任务执行时段的方法,使部分原本无法执行任务具备执行可能,提升了任务执行率和资源利用率。在仿真实验中,通过大规模测试分析对比不同算法的优化效果,验证了文中所提方法的有效性。     

基于协同的空间站运营飞行任务规划方法研究

结合我国空间站运营任务需求,针对规划对象需求多样、约束复杂、在轨资源有限及多用户参与等特征,分析了基于协同的飞行任务规划问题;从用户模型与规划模型两方面构建了协同规划模型;提出了多级递阶控制的协同规划策略,把维数高、求解难的复杂协同规划问题分解为系统内、系统间等不同层级协同规划;基于分布式网络,采用B/S架构设计了协同规划支撑环境,实现了协同过程全局数据一致性控制。设计实现了验证环境基本功能,相关实例验证结果表明,分布式协同规划支撑环境具有技术可行性。研究成果可为我国空间站运营规划提供参考。     

基于启发强化学习的大规模ADR任务优化方法

随着航天事业的蓬勃发展,空间碎片尤其是低轨碎片已成为航天任务不可忽视的威胁。考虑到碎片清除的紧迫性和成本,低轨多碎片主动清除（ADR）技术成为缓解现状的必要手段。针对大规模多碎片主动清除任务规划问题,首先,基于任务规划的最大收益模型,提出一种强化学习（RL）优化方法,并依照强化学习框架定义了该问题的状态、动作以及收益函数;其次,基于高效启发因子,提出一种专用的改进蒙特卡罗树搜索（MCTS）算法,该算法使用MCTS算法作为内核,加入高效启发算子以及强化学习迭代过程;最后,在铱星33碎片云的全数据集中检验了所提算法有效性。与相关MCTS变体方法以及贪婪启发算法对比,所提方法能在测试数据集上更高效地获得较优规划结果,较好地平衡了探索与利用。     

基于DQN的反舰导弹火力分配方法研究

反舰导弹作为海上作战的主战武器,由于其精度高、射程远、威力大等特性长期以来一直被当作舰艇编队的主要防御对象。针对反舰导弹打击舰艇编队的火力分配问题,我们提出了一种基于深度Q值网络求解反舰导弹火力分配策略的算法。不同于现有的基于领域知识的方法,深度Q值网络无需依赖任何先验信息,就能够通过与模拟器的交互自动求解最佳的攻击策略。该算法使用深度神经网络拟合Q值函数,解决了传统强化学习中的状态空间过大无法遍历的问题。实验结果表明,在各种不同的舰队防御配置下,深度Q值网络求解得到的攻击策略均获得了最佳的毁伤效果。     

基于蚁群算法的无人机三维路径规划与冲突解脱

针对传统无人机路径规划方法难以满足无人机在复杂山区环境应用这一缺点,提出一种基于蚁群算法并利用插值算法和容斥算法优化的无人机三维路径规划算法。通过无人机飞行约束条件和对蚁群算法的优化在所建立的三维空间中得到最优路径。利用二次、三次样条插值、容斥算法等优化算法对无人机路径优化,规划出一条更加平滑的便于无人机执行的最佳路径,并建立了无人机冲突约束,解决了无人机冲突。     

考虑运动学约束的不规则目标遗传避碰规划算法

 针对复杂环境下不规则目标的路径规划问题,提出了一种带有运动学约束的遗传避碰规划算法。以舰载机在航母甲板上的路径规划问题作为研究对象,并且该算法可推广至其他具有此类约束的路径规划问题中,它较好地解决了目标形状复杂、障碍环境复杂、目标运动时带有回转半径约束等特殊问题。在传统遗传路径规划算法的基础上,针对性地设计了三维位置和姿态混合编码、三段法路径解码、轨迹包围盒的碰撞检测及距离计算等方法,并在遗传操作中引入惩罚项和修补策略来辅助算法寻优。最后,为得出复杂环境下的最优路径,基于VC++平台对算法进行了仿真验证。结果表明,在复杂障碍环境下,本文提出的算法可求得最优避碰路径,并满足预先设定的目标回转半径约束,能够有效地解决此类目标的避碰路径规划问题。     

基于多指标动态优先级的无人机协同路径规划

针对复杂城市环境下多无人机（UAVS）协同巡检、配送等任务,提出一种基于多指标动态优先级的协同路径规划方法,以节省运行成本和增加任务效率。综合考虑碰撞风险、总路程、等待时间等指标构建动态优先级模型,并在优先级单边避碰机制下,定制组合规避策略以处理局部冲突,更好地权衡协同规划效率和路径质量。针对无人机个体路径规划,在Lazy Theta*算法基础上引入拥堵权值地图,引导无人机避开拥堵区域,降低冲突发生可能性。对比仿真试验表明：提出的个体规划算法可以减少拥堵区域和降低拥堵持续时间,提出的多指标动态优先级协同规划算法相比于飞行时间驱动的动态优先级,能够提高规划效率和结果最优性。     

一种基于PH螺线的避障重规划路径修正方法

针对现有避障算法忽略重规划路径侵犯威胁障碍物安全圆的问题,提出了一种基于Pythagorean Hodograph(PH)螺线修正避障重规划路径的方法.该方法能够考虑无人飞行器路径规划的相关性能约束,且较其他路径修正算法复杂度较低、实时性高,能够满足UAV在线规避动静态障碍物的要求.仿真结果验证了该方法的有效性和可行性.     

基于深度迁移强化学习的无人机投放自主引导机动控制算法

针对无人机精确投放引导问题，本文提出基于深度迁移强化学习的无人机投放自主引导机动控制算法，分别建立基于马尔可夫决策过程的引导机动决策模型、引导机动评估模型等，并设计基于迁移学习和课程学习的引导机动策略训练方法，拟合基于深度学习的引导机动策略和评估网络，最后开展仿真训练和验证试验。仿真结果表明，该算法实现了无人机在任意姿态和位置条件下，能够自主规避区域威胁并自主引导至目标投放点，成功完成投放瞄准任务，有效地提升了无人机投放引导机动控制的自主性。     

基于时间约束集的多弹道式飞行器避撞发射时间规划

提出了通过调整发射时间解决多弹道式飞行器飞行避撞问题的算法框架,在该框架内针对多弹道式飞行器协同打击时是否发生飞行碰撞提出了检验算法,对于飞行器碰撞规避问题建立发射时间约束集模型,约束集由飞行器间发生碰撞的发射时间间隔约束构成。在该时间约束集的基础上建立以多弹道式飞行器同时打击为优化目标、含有不等于号表达式时间约束的优化问题,并通过"Big-M"法将该问题转化为非线性规划问题的标准形式,再利用序列二次规划(SQP)算法进行求解。该框架将发射时间调整问题转化为最优化规划问题,降低了传统遍历性发射时间调整算法的计算复杂度。基于MATLAB平台环境对所提模型及规划算法进行了仿真,验证了所提算法的合理性与有效性,同时具有较高的计算效率。