基于FCM的多无人机协同攻击决策建模方法

针对复杂不确定战场环境下多无人机协同任务的需求,提出了一种基于模糊认知图(FCM)及其扩展模型的多无人机协同攻击决策建模方法。基于人的决策心智模式,采用智能体模糊认知图(ABFCM)建立了包含感性和理性2种决策模式的多无人机协同攻击决策系统模型框架。采用模糊灰色认知图(FGCM)对多无人机的态势感知和协同攻击决策开展了建模工作。借鉴人脑杏仁核机理建立了态势-决策模板快速匹配的感性攻击决策模型。为降低建模工作对专家知识的依赖,采用直觉模糊集的决策阈值算法提高理性攻击决策模型的客观性,并采用动量梯度下降(MGD)学习算法进一步提高了决策模型的学习进化能力。通过仿真验证分析表明,基于FCM的多无人机协同攻击决策建模方法能够较好地应对复杂不确定战场环境,发挥知识和数据在建模中的综合作用,可为提升多无人机执行任务的决策优势提供理论指导和建模方法参考。     

有人/无人机协同编队控制研究综述

有人/无人机协同作战是未来联合作战的重要作战样式之一,开展协同编队控制相关理论和技术研究,将有效促进协同作战能力的提升。针对有人/无人机协同编队控制问题,剖析有人/无人机协同作战的内涵,分析归纳协同作战验证项目的进展情况及发展趋势。在梳理有人/无人机协同编队控制结构的基础上,结合有人/无人机平台使用特点,从编队作战运用流程视角出发,对有人/无人机协同编队控制方法、编队生成与保持、编队重构、编队避障的研究现状进行系统综述,提出了下一步亟待解决的问题及深入探索的方向。相关研究可为有人/无人机协同作战运用提供技术参考和方向指导,具有重要的军事意义。     

有人-无人机协同空战机动决策研究

目前,有关无人机空战的研究主要考虑无人机的完全自主决策机动算法,关于有人机有限监督决策下的空战机动决策的研究鲜有报道,更缺乏对有人—无人机协同作战的研究。为实现无人机协同空战过程中的自主机动,设计一种基于路径规划技术的有人—无人机协同空战机动决策模型。首先,引入动态栅格环境,自适应调整栅格规模和分辨率,以弥补静态栅格环境规划空间越大规划效率越低的缺陷;然后,将A star 算法规划路径作为参考路径,提出ACO-A star 混合路径规划算法,以提升ACO 算法的寻优效能;最后,基于均值聚类算法设计有人—无人机协同空战机动决策算法。进行空战对抗仿真模拟,结果表明：所提出的算法具有更好的决策正确性,可有效提升空战胜率。     

编队无人机的高生存力协同航路规划方法

提出了一种基于多目标遗传算法的编队无人机高生存力协同航路规划方法。方法由备选航路生成和协同规划两个步骤组成。备选航路生成的目的是为编队中的每一个无人机生成多条航路,该步骤采用的算法是多目标遗传算法。协同规划的目的是为各个无人机从备选航路中选择航路,使得各个无人机同时到达目标区域,以增加任务突然性,提高整个编队的生存力。通过仿真算例,把方法与基于Voronoi图的方法作了对比,给出了方法的优缺点分析。     

基于相对方位信息和单间距测量的多智能体编队协同控制

由多个载体组成的多智能体系统对复杂环境具有更高的适应性,能够完成传统单个载体无法完成的任务。针对多智能体编队集结与队形移动跟踪问题,提出了一种改进的多智能体编队协同控制新算法。首先,以拒止环境下跟随智能体仅能通过光学传感器测量相对方位信息为任务背景,针对"领导者——第一跟随者"结构的多智能体编队,提出了基于相对方位信息与单间距测量的控制器,使得第一跟随者智能体可以追随移动的领导者智能体,并且可以通过改变与领导者智能体的间距对编队整体队形进行缩放控制。其次,提出一种了改进的分布式控制律,使得其他跟随者智能体可以仅通过两个相对方位信息完成编队飞行。然后,根据Lyapunov第二方法,构建了系统的能量函数,验证了所提出算法的稳定性。最后,通过数值仿真实验对所提算法进行了验证。仿真结果表明,基于该控制律多智能体系统能够完成编队集结、队形缩放和编队飞行的任务。     

面向有人/无人机协同远程作战的IVMS架构

面对愈发复杂的战场环境和任务需求,空中作战从单机、近距的模式不断向远程、多机协同的模式发展,有人/无人机协同作战的形式则可以使两种平台的优势互补,实现整体作战效能的提升,但与此同时,飞行员需要处理的信息也呈爆炸式增长,给飞行员增加了巨大的工作量。在夺取信息优势便是获取远程作战制胜主动权的当今,综合飞行器管理系统的作用更加关键。本文在传统综合飞机管理系统(IVMS)的基础上,突出考虑了远程作战中的长航程需求,以及有人/无人机协同作战场景下机群的任务与路径规划两方面,提出面向有人/无人机协同远程作战的IVMS架构,并从数据交互与调度和递接层次关系两方面分别设计IVMS的逻辑和软件架构,实现了有人/无人机的机载设备和战术任务的综合管理。     

异构多智能体系统分组输出时变编队跟踪控制

空地协同控制是前沿的热点研究之一,以无人机、无人车为代表的空地智能体动力学模型的差异为研究带来了挑战。研究了高阶异构多智能体系统在有向拓扑条件下的分组输出时变编队跟踪控制问题,提出了虚拟领导者、分组领导者以及跟随者组成的三层协同控制架构。虚拟领导者用于规划整个多智能体系统的状态轨迹,分组领导者跟踪虚拟领导者所提供的轨迹信息,并相互协作以实现分组间的协同配合。跟随者跟踪分组领导者的输出并实现期望的输出编队。在有向通信拓扑结构条件下,基于局部邻居间的相对信息、观测器理论和滑模控制理论构造了控制协议,利用Lyapunov稳定性理论证明协议的有效性。数值仿真结果表明提出的方法能够实现无人机、无人车等异构智能体的空地协同,具有较好的工程应用价值。     

固定翼无人机紧密编队的鲁棒协同跟踪控制

固定翼无人机（UAV）具有典型的欠驱动、非线性等特点,导致航点自主跟踪设计难度大,同时紧密编队飞行过程中无人机之间运动耦合与气动干扰明显,进一步增加了高性能控制设计难度。为此,本文针对固定翼无人机紧密编队飞行的航点自主跟踪问题,综合考虑轨迹平滑性、运动协同性和跟踪鲁棒性等需求,依托全驱系统建模方法提出了一种多层次鲁棒协同跟踪控制架构。该架构包括上层运动规划、中层协同滤波及底层鲁棒协同跟踪控制3个核心部分。上层运动规划根据离散航点指令,融合虚拟结构法和迭代线性二次型优化,实时生成可行、平滑的运动轨迹。在此基础上,为改善跟踪控制的瞬态性能,引入分布式协同滤波思想,对规划轨迹进行滤波处理,生成每架无人机个体的参考信号。最后,考虑到紧密编队中气动耦合与系统不确定性等挑战,设计了一种基于不确定性及干扰观测器的鲁棒协同跟踪控制方法,实现了编队轨迹的精确跟踪以及队形的可靠保持。所提出的鲁棒协同跟踪控制架构考虑了紧密编队飞行中的多种约束与挑战,实现了编队运动规划与跟踪控制的综合设计,可以有效提升系统自主性、协同性和鲁棒性。最后,通过5架固定翼无人机的紧密编队飞行仿真对所提方法进行综合测试,验证了方法的...