基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域,但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略,通过增强种群的多样性,可提高算法全局最优概率,其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升,并且能够更有效避免陷入局部最优解。      

基于DE-DPSO-GT-SA算法的协同多任务分配

针对无人机（UAV）编队的协同多任务分配问题（CMTAP）,考虑双机协同探测、双机协同攻击的情况,结合时间约束、时序约束、时间间隔约束、载机弹药约束、任务能力约束等约束条件,扩展了协同多任务分配模型;将差分进化（DE）算法、郭涛（GT）算法、离散粒子群优化（DPSO）算法、模拟退火（SA）算法进行融合,提出了DE-DPSO-GT-SA算法,用以求解协同多任务分配问题。通过与多种算法进行比较,仿真试验结果表明,所提算法具有较好的收敛性能。      

面向多威胁的无人机智能目标跟随策略设计

随着无人机(UAV)一体化作战的不断发展,无人机在搜索到运动目标之后,需要立即转入跟随模式,考虑到战场环境的复杂性,研究了在多个威胁源条件下无人机跟随运动目标的问题,为了保证无人机的安全性以及跟随目标的精确性,提出了一种基于决策树的无人机智能目标跟随策略。首先对威胁概率图(TPM)进行建模;然后采用几何图法及任务优先级生成不同的规则,建立相应的决策树,并设计了不同规则下无人机飞行航向及速度指令;最后通过仿真验证所提出的智能目标跟随策略的有效性。      

基于视频帧间运动估计的无人机图像车辆检测

基于人工智能(AI)芯片搭建轻量化深度神经网络,可以在无人机(UAV)机载端实现视频中车辆目标的自动检测,具有重要的应用前景。为此,提出了一种针对无人机图像车辆目标的检测方法,并在AI芯片上进行部署与测试。方法具体包括:结合无人机图像中车辆目标的尺寸范围,对MobileNet-SSD网络进行裁剪,构建轻量化单帧图像检测器;为解决小目标特性在轻量网络框架下引发的检测性能下降问题,引入帧间运动矢量估计,根据相邻帧信息辅助预测当前帧丢失目标的位置范围,并利用检测结果进行修正,实现丢失目标的再召回。通过对多个数据集进行融合与自动补充标注,搭建了一个高质量的无人机图像车辆目标数据集;同时将方法在基于RK3399芯片计算的嵌入式开发平台上进行实验验证,结果表明:搭建的网络能够显著减少存储资源占用,具有轻量化的特点;同时相比于单帧检测法,引入视频帧间运动估计方法可以有效提高检测精度,并在AI芯片上实现125.3 ms/帧的检测速度。      

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。      

基于诱导航线的多无人机编队飞行控制方法

针对无人机编队飞行控制问题,提出了一种基于诱导航线的协同控制方法,僚机根据当前相对于期望位置的误差和长机的飞行状态生成诱导航线并进行跟踪;针对飞行过程中的突发障碍采用改变编队队形的方法进行规避;针对无人机之间可能出现的碰撞情况,根据无人机到达碰撞点的时间以及位置分别从高度以及航向两方面进行躲避,仿真结果表明:采用此方法无人机能够保持稳定的编队,并同时能够躲避飞行过程中的障碍以及避免飞机之间的碰撞。      

基于RQPSO-DMPC的多无人机编队自主重构控制方法

针对敌方防御区域内各种威胁,为了实现隐蔽突防并实施对敌有效打击,在突防过程中多无人机(UAV)编队需要进行重构控制,并且编队内的相互避碰问题与通信约束问题也需考虑。通过建立无人机虚拟领航编队模型并引入邻居集,采用分布式模型预测控制(DMPC)同时构建多无人机编队的重构代价函数,提出采用改进量子粒子群优化(RQPSO)算法进行求解,并将求解结果与采用粒子群优化算法的结果进行对比。仿真结果表明,本文算法能够有效控制多无人机编队完成自主重构,实现安全隐蔽突防任务。     

系留无人机平台搭载的蜂窝通信基站吞吐量优化

考虑多架系留无人机（UAV）空中基站为多小区提供空地双向通信服务时,针对地面用户数目分布不均匀和多机协同服务同频干扰严重的问题,提出了一种联合优化空中基站高度和链路传输方向的吞吐量优化算法。该方法通过使用最大同频链路准则和就近服务准则确定了同频链路配对和无人机/用户配对,通过优化空中基站高度和链路传输方向提升了系统平均吞吐量,并减少了用户间的同频干扰。多种场景下验证结果均显示,所提方法显著优于其他非联合优化的对比方法,当拥塞小区用户数目是非拥塞小区用户数目的1~36倍时,相比于不联合优化链路传输方向和空中基站高度的对比方法,所提方法可提升系统平均吞吐量8倍左右。      

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置,提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制,在障碍分布密集时选择最安全的路径,在障碍物分布稀松的环境中,利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外,还引入了搜索树,可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能,在障碍物分布稀松时效果更加明显,且可实现死角检测并能通过狭长通道。      

基于HMDP的无人机三维路径规划

路径规划是UAV(Unmanned Aerial Vehicle)自主飞行的重要保障.初步建立了基于MDP(Markov Decision Processes)的全局路径规划模型,把UAV的路径规划看作是给定环境模型和奖惩原则的情况下,寻求最优策略的问题;为解决算法时空开销大、UAV航向改变频繁的缺点,提出一种基于状态聚类方法的HMDP(Hierarchical Markov Decision Processes)模型,并将其拓展到三维规划中.仿真实验证明:这种简单的规划模型可以有效解决UAV的三维全局路径规划问题,为其在实际飞行中的局部规划奠定了基础.     

基于满意决策的多机协同目标分配算法

多机协同目标分配问题是无人机UAV(Uninhabited Aerial Vehicle)研究 中一个重要的问题.考虑UAV差异、目标差异及战场态势对目标分配的影响,建立了多机 协同目标分配问题的数学模型.提出基于满意决策的目标分配算法,通过搜索个体满 意集合获取群体优化的目标分配方案.对多目标分配问题,将攻击方案作为个体满意集 合的元素扩展了基于满意决策的目标分配算法.为适应更大的问题空间的求解需求,提出递 阶分配框架,并将满意决策方法用于递阶分配.计算结果表明,算法能有效提 高搜索效率,并得到很好的优化效果.      

基于约束优化的舰艇区域防空作战能力需求生成

作战能力需求生成是在满足多约束条件下完成的,寻求约束集是能力需求生成的重点;以舰空导弹区域防空为背景,通过对作战需求约束、能力需求约束、技术发展约束以及其他因素约束进行综合分析,提取制约能力指标生成的约束集,建立舰艇防空作战效能目标函数,采用基于罚函数法的快速粒子群算法进行能力指标的约束优化求解;以最大预警距离为变量,对其他作战能力指标优化前后的曲线图进行仿真验证,定量生成舰艇区域防空作战所需的能力指标值,验证了模型算法的可行性,为舰艇区域防空作战能力需求生成提供了定量化依据。      

基于混合动态信念传播的多无人机协同定位算法

针对多无人机(UAVs)协同定位问题,提出一种基于混合动态信念传播的定位算法。在部分无人机GPS信号丢失的情况下,该算法可根据其他无人机的GPS观测,相邻无人机之间的相对距离观测,以及无人机加速度计的输出,对每个无人机的位置和速度状态进行分布式在线估计。首先用因子图模型描述多无人机的联合信念状态,接着给出一种混合动态信念传播推理算法计算图模型中的每个变量节点(对应于每个无人机)状态的边缘后验分布。推理过程仅包括每个无人机对自身局部信息的处理以及相邻无人机之间的信息交互,因此该算法可完全分布式实现。通过仿真实验以及与传统协同定位算法的比较,表明了本文算法的有效性。      

基于干扰观测器的惯性动量轮高精度控制

为了提高惯性动量轮的输出力矩精度,针对惯性动量轮存在的内干扰力矩,提出一种基于干扰观测器的扰动抑制策略.通过建立惯性动量轮动力学模型,分析得出目前的惯性动量轮力矩控制不能无差地跟随阶跃力矩指令,进而设计了干扰观测器,并根据估计出的扰动力矩计算得到补偿控制电压.设计控制系统并采用该方法,在惯性动量轮工程样机上进行实验研究.结果表明:采用基于干扰观测器的扰动抑制策略,使惯性动量轮输出力矩精度从0.01 N·m提高到0.002 N·m,转速和力矩响应曲线更平滑.     

基于HLA的防空导弹武器系统仿真平台研究

介绍了一个以防空导弹武器系统为背景,基于高级体系结构(HLA, High Level Architecture)技术实现的包含虚拟现实技术的综合仿真平台.着重论述了该仿真平台的构成、开发过程及其关键技术,包括HLA、基于FEDEP(Federation Development and Execution Process)模式的开发过程,层次化软件结构、计算机生成兵力(CGF, Computer Generated Forces)技术、面向对象建模以及基于包围盒的碰撞检测等.     

基于极点配置的空间站角动量管理

针对惯性系下引力梯度力矩及其他干扰力矩引起控制力矩陀螺（CMG）角动量积累的问题,采用引力梯度力矩来平衡姿态,设计了基于极点配置的空间站角动量管理控制器。首先在惯性系下建立了空间站线性化模型,并分析了俯仰轴方向在惯性系角动量管理的不可行性。由此,将俯仰轴与滚动/偏航轴解耦,不约束俯仰轴方向的CMG角动量,将常值、1倍和2倍于轨道频率的扰动纳入状态方程以抑制其对俯仰轴姿态的影响。在滚动/偏航轴方向将常值扰动纳入状态方程中以抑制其对CMG角动量的影响;将1倍、2倍于轨道频率的扰动纳入到状态方程中以抑制其对姿态的影响。然后采用带极点配置的线性二次型（LQR）算法求解出反馈增益矩阵,该算法可以避免选取权重矩阵,并且根据系统性能要求即能将闭环极点配置到复平面虚轴左侧指定的区域。最后仿真结果验证了该算法的可行性。      

一种基于模糊聚类模型的动量轮健康性排序方法

基于模糊聚类分析提出一种动量轮健康性排序方法,选取实际型号任务中50 N·m·s动量轮的地面测试数据与在轨数据,对数据处理后,研究闭环工况动量轮动态转速的电机电流,利用相关系数法将其转换为模糊相似矩阵,聚类分析动量轮健康性最大阈值;同时以最大阈值为标准,设计判断准则,用4个动量轮的数据验证该方法的实用性并与峭度试验方法进行对比。结果表明:该方法可以准确对动量轮健康性进行排序。