无人机自主协同任务管理

面对日趋复杂的现代战场环境,单架无人机已无法完成指定的作战任务,使用不同用途无人机组成的作战编队可以大大提升作战能力。多无人机协同作战既要求提升无人机的自主性,使其能自主处理信息,对当前战术任务做出规划和预测,又要求在无人机群内要加强友机协同性,保证多目标决策的最优化。     

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。     

无人机航迹规划算法

无人机是现代战场实施侦察、打击的有力武器,它的发展备受关注。无人机航迹规划源于机器人运动规划,它是无人机应用研究的核心内容,对提高无人机系统在复杂战场的作战能力起着关键作用。无人机战场环境日益复杂,在强拒止、强电磁环境下,航迹规划对自主性和智能化有更高的要求,传统单一约束的算法已不能满足现今的战场需求。文章系统梳理了 5类无人机航迹规划算法中的几种常用算法及其改进算法,归纳了这些算法的原理、优缺点及适用条件,指出现阶段存在的问题与无人机航迹规划算法面临的挑战。综述表明,航迹规划算法必然向着智能化发展,自主识别和智能决策是改进、优化算法的关键。     

基于近端策略优化的空战决策算法研究

面对未来有/无人机协同作战场景,实时准确的空战决策是制胜的关键。复杂的空中环境、瞬变的态势数据以及多重繁琐的作战任务,使有/无人机协同作战将替代单机作战成为未来空战的发展趋势,但多智能体建模和训练过程却面临奖励分配困难、网络难收敛的问题。针对5v5 有/无人机协同的空战场景,抽象出有人机和无人机智能体的特征模型,提出基于近端策略优化算法的空战智能决策算法,通过设置态势评估奖励引导空战过程中有/无人机智能体的决策行为向有利态势发展,实现在与环境的实时交互中,输出空战决策序列。通过仿真实验对所提空战决策算法进行验证,结果表明：本文提出的算法在经过训练学习后,能够适应复杂的战场态势,在连续动作空间中得到稳定合理的决策策略。     

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。     

基于任务合成的无人机指挥规划问题研究

首先根据工作流任务分配模型设计了任务模型和参与者模型,然后基于任务合成技术,设计了无人机指挥规划系统架构和无人机指挥规划算法,最后进行了无人机指挥规划算法的仿真验证,仿真结果证明了算法的有效性。     

战场复杂电磁环境下的无人机作战应用探讨

通过对战场复杂电磁环境的研究,分析总结无人机系统在侦察作战全过程中可能受到各种电磁干扰,结合无人机系统抗干扰特性,提出应对战场复杂电磁环境的无人机系统作战运用方法,有效提高了无人机在战场中的作战效能和生存能力。     

攻击型无人机航路规划系统分析

无人机航路规划系统就是根据战场中敌方阵地的威胁分布情况,采用分层的思想来协同多架无人机的航路,同时对无人机的作战资源进行合理分配,实现无人机的最大作战效能。     

无人作战飞机任务规划系统关键技术研究

文章首先论述了任务规划系统和战术飞行管理系统、航路规划系统的联系与区别,分析了无人作战飞机任务规划系统的特点及其体系结构,最后详细分析与研究了任务规划系统需要解决的核心技术——航路规划技术。     

UCAV任务规划系统的研究进展及发展趋势

分析了无人作战飞机任务规划系统的特点，按照规划范围和时段对无人作战飞机任务规划系统进行分层研究，讨论和分析了各个层次的作用及发展现状。最后，展望了无人作战飞机任务规划系统的发展趋势。     

突防飞行与多区域搜索一体化侦察航迹规划

针对战场环境下无人机的侦察路径规划问题，首先设计突防飞行与多目标区域搜索的一体化侦察航迹规划策略。然后针对侦察任务中的突防问题，在传统快速扩展随机树(RRT)的改进算法基础上，提出一种基于改进RRT^*的无人机突防航迹规划方法，通过设计目标偏置算法解决了传统RRT算法采样点随机性大、收敛速度慢等问题。针对侦察任务中的目标搜索问题，使用改进的旋转卡壳路径规划器(RCPP)进行覆盖式航迹规划，提高了搜索覆盖率。最终通过对比仿真试验，验证了所提出算法的优越性，以及算法应用于战场侦察任务的有效性。     

战术任务飞行管理系统

现代战争中,军用飞机需要与外界进行广泛的信息交换,实时的全面掌握战场态势,保证有效完成作战任务。面对日益复杂的作战态势,飞行员难以承担如此繁重的人工管理和决策,由此产生了战术任务飞行管理系统。文章从介绍战术飞行管理技术的发展开始,闸释了战术飞行管理与任务规划系统综合发展的必然趋势,分析了军用飞机战术任务飞行管理系统的功...     

无人机路径规划中的环境和威胁模型研究

为了提高无人机执行任务时的突防能力,在进行飞行路径规划时必须对战场环境中的威胁环境进行评估,而威胁环境中的威胁估计与飞机被雷达或类似的传感器探测出的风险度有关,需要考虑的信息包括无人机传感器范围内的威胁位置和强度.路径规划算法依赖于路径规划空间的建模方式,包括环境建模和威胁源建模.目前针对规划空间环境和威胁模型的建模方法缺乏系统分类和论述.分析了战场环境的建模方法,研究了规划空间的离散建模方式,根据无人机飞行过程中可能遭遇的威胁类型进行威胁源类型的划分,并针对三种威胁类型分别建立威胁风险模型,为无人机在复杂环境下的路径规划实现做了参数准备.     

基于任务协同的无人机多侦察载荷使用研究

为解决在复杂战场环境条件下无人机多侦察载荷的协同使用问题,文章在分析无人机侦察载荷性能特点和侦察作战使用的基础上,设计了4种多侦察载荷协同使用方案,构建了无人机的侦察效能评估模型,并用实例仿真了无人机在不同作战环境下的多载荷协同使用方案,检验了各方案在复杂电磁环境和恶劣气象条件下的侦察效能,验证了方案的有效性和可行性。     

有人/无人机协同作战运用研究现状与展望

有人/无人机协同是未来作战样式的重要发展方向,对于加快发挥无人机装备的作战价值,与有人机形成优势互补、协同高效的作战体系具有重要意义。首先,总结了近年来国内外在有人/无人机协同作战方面的重点研究项目进展;然后,阐明了有人/无人机协同作战的协同关系与指挥架构,并从规划控制的角度梳理了该领域涉及的关键技术(主要包括协同任务分配、协同航迹规划以及协同飞行控制);最后,对未来有人/无人机协同作战运用的研究发展方向进行了总结和展望。     

多无人机监控系统人机交互界面研究

首先从人机权限方面考虑,提出基于三级自主等级以上的无人机系统,分析典型无人机作战任务下各操作项自动化程度、复杂性等信息,得出多机监控能力下操作员角色需向指挥员转变。然后以四机监控为例,通过设计人机智能认知信息架构,建立操作员意图识别模型,采用空域页面布局切换和时域页面智能推显等形式进行人机交互界面设计,实现单操作员对多架无人机的监控。最后在飞行模拟器环境下进行了多机监控仿真测试,测试结果证明本文设计的人机交互界面合理可行。     

基于任务协同的无人机多侦察载荷使用

为解决在复杂战场环境条件下无人机多侦察载荷的协同使用问题,文章在分析无人机侦察载荷性能特点和侦察作战使用的基础上,设计了4种多侦察载荷协同使用方案,构建了无人机的侦察效能评估模型,并用实例仿真了无人机在不同作战环境下的多载荷协同使用方案,检验了各方案在复杂电磁环境和恶劣气象条件下的侦察效能,验证了方案的有效性和可行性。     

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。     

OODA智能赋能技术发展思考

随着科学技术的飞速发展,信息化支持下的体系作战将是未来战争的一种主要样式,"基于感知-判断-决策-行动（OODA）以快吃慢"成为未来战争的重要制胜机理。由于战场环境日趋复杂、对抗多域多维,从战场态势到作战策略的映射关系复杂,给OODA环快速解算带来了新的挑战。为确保OODA环解算满足任务需求,将人工智能（AI）技术赋能OODA各环节,驱动各环节高效运行,缩短环路解算时间,为打赢战争提供关键支撑。首先综述了人工智能在军事领域的应用进展,分析了导弹OODA智能化赋能面临的挑战,初步提出了智能赋能OODA环涉及的相关技术的思考,以支撑导弹智能化的发展。     

重访机制驱动的多无人机协同动目标搜索方法

为实现多无人机高效捕获灰色任务区域内的移动目标,考虑传感器探测概率与虚警概率,提出了重访机制驱动的协同搜索规划（RMD-CSP）方法,以降低目标遗漏与误判概率。考虑无人机飞行性能约束,以最大化任务执行效能为目标建立多无人机协同搜索模型。根据目标先验信息初始化环境搜索信息图（包括目标概率分布图、环境不确定度图与环境搜索状态图）,利用无人机实时探测信息,基于贝叶斯准则持续更新搜索信息图。定制基于环境不确定度更新的重访机制,通过增加长时间未被重访区域的环境不确定度,引导无人机搜索该区域,降低移动目标的遗漏概率;定制基于目标函数权重更新的重访机制,引导无人机快速重访发现新的疑似目标的区域,对疑似目标进行再次确认,减少由于传感器虚警概率造成的目标误判概率。采用滚动时域规划架构,将搜索规划问题分解为一系列短时域规划问题,提升了求解效率。在典型任务想定下,通过数值仿真试验验证了所提方法的有效性。仿真结果表明,RMD-CSP能够在秒级时间内生成每个时域的搜索航迹,相比于光栅式搜索方法与标准的概率启发式搜索方法,能够引导无人机捕获更多的移动目标,同时减少误判次数,有效提升了多无人机协同搜索的任务效能。