未知区域无人机协同搜索方法及效率分析

随着无人机技术的广泛使用,利用多架次无人机集群的自主协同控制,对某片区域进行覆盖侦察和目标搜索成为该领域的热点和难点问题。本文基于Voronoi图构型的多无人机区域覆盖模型实现了对未知区域的搜索覆盖面积和搜索时间的优化部署,基于概率地图信息更新融合的协同搜索策略实现了无人机自主协同控制,最后利用Matlab平台仿真并比较了不同情况下无人机集群搜索的效率。     

基于回访机制的无人机集群分布式协同区域搜索方法

为高效引导无人机（UAV）集群搜索未知任务区域内的动态目标,同时兼顾最大化覆盖搜索效能,提出一种回访机制驱动的UAV集群分布式协同搜索决策（RM-DCSD）算法。首先,基于栅格化方法构建了包含3种属性的综合态势信息图模型及其更新机理,为UAV进行实时在线搜索决策奠定基础;其次,以最大化搜索效率为优化目标,同时兼顾UAV的飞行安全与能耗代价,建立了UAV搜索效能函数,在此基础上,基于滚动优化思想进一步构建了UAV局部有限时域滚动优化模型;然后,综合考虑动目标的实际搜索需求以及传感器虚警和漏检情况,分别设计了信息素引导的回访机制与权系数动态切换引导的回访机制;接着,借鉴分布式模型预测控制思想,设计了基于信息融合的UAV集群分布式协同搜索决策机制,在确保集群分布式协同最优决策的基础上实现了对UAV成员态势信息图的解耦式更新,进一步增强了系统鲁棒性;最后,通过数值仿真实验对所提算法的有效性进行全面验证。仿真结果表明,RM-DCSD算法对动态未知搜索环境表现出良好的适应性,能够在引导UAV集群对未知区域进行最大化覆盖搜索的同时,通过回访机制驱动,有效兼顾对地面动目标的搜索需求。     

带通信约束的多无人机协同搜索中的目标分配

为了研究通信约束对多无人机(UAV)协同搜索中目标分配任务的影响,提出了一种带通信约束的多无人机协同搜索中的目标分配方法,研究在通信约束条件下多无人机在协同搜索中如何进行目标分配。首先,基于无人机数学模型和搜索模型,建立了目标分配模型。其次,分析了通信约束条件,如通信距离限制、通信角度限制和通信时间延迟等对目标分配的影响,限定多无人机在通信距离和角度范围内才能通信,使用蒙特卡罗法来验证通信距离和角度对目标分配的影响,同时采用基于状态估计的无人机状态信息补偿方法来消除通信延迟的影响。仿真验证了带通信约束的多无人机协同搜索中的目标分配方法的合理性。     

多无人机协同搜索区域划分与路径规划

针对多无人机广域协同搜索问题,研究无人机工作区间划分和全区域覆盖搜索路径规划2个子问题。采用按无人机来向均衡划分的方法和凹点凸分解的方法,开展了凸多边形和非凸多边形的区域划分研究,将多机协同搜索问题转化为子区域上的单机搜索问题;在此基础上采用Z型路径覆盖方法以及Dubins转弯路径,对各个无人机开展覆盖其子区域的搜索路径规划,从而建立了一个区域划分和路径规划的整体调用框架,能够对目标区域快速进行划分并生成飞行路线。最后,对凸多边形和非凸多边形区域搜索开展仿真计算,验证了该方法的有效性。     

随机恒速运动目标的搜索方程及持续探测概率

根据目标位置的初始分布和速度分布,给出了随机恒速运动目标在任意时刻位置和速度分布密度函数。定义了探测函数、目标存在和探测不成功的联合概率密度函数和目标存活概率函数,建立了基于目标速度分布的搜索方程并给出了其特征迹线解。在目标初始分布和速度分布均为圆正态分布条件下,分析了搜索方程特征迹线的基本特征和持续探测发现概率积分域的形态。给出了一个以直升机吊放声纳探测潜艇为背景的持续探测发现概率的算例,算例表明,对随机恒速运动目标持续探测的发现概率,与对静止目标进行持续探测的发现概率相似,服从时间的指数规律。     

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。     

针对定向通信类目标的无人机搜索策略研究

目标搜索策略的研究可分为两大类:一类是航路规划层面的航路搜索策略;另一类是导引头层面的导引头搜索策略.在航路规划层面进行定向通信类目标的搜索策略研究,提出了改进的螺旋搜索航路.与目前大多数文献不同的是,在搜索航路规划时考虑了通信类目标的特点,并且在搜索航路规划的基础上,基于虚拟目标理论进一步完成了搜索制导律的设计,以使无人机按照设计的航路飞行,并在航路存在误差时保证导引头指向理论轨迹上的虚拟目标,从而提高目标截获概率.最后基于质点模型验证了搜索制导律的可行性,表明提出的搜索航路及制导律具有一定的理论价值与工程参考价值.     

自主多无人机的分散化协同控制

协同前提是无人机(UAV)平台间的通信和信息共享,无人机平台之间信息和计算是高度分布的,无人机平台的运动以及通信拓扑的变化,使得集中式协调控制结构很难实现。以最小通信量为基础的分散协同控制具有可扩展性、异构性和动态可重构性等特点,可靠性和鲁棒性较好。针对多无人机平台分散化协同的特点和要求,建立了集中和分散相结合的多无人机平台协同控制系统结构,集中式任务管理系统主要完成目标分配、通信管理和编队管理功能,分散式协同部分主要实现局部任务规划、协调策略及协调控制等功能。分别以多机协同目标跟踪、多机和多编队一致性协调、多机协同编队控制与重构等多无人机平台分散化协同控制技术为应用对象,探讨了分散化协调机制、策略、控制及其与信息之间关系。给出了部分算法的仿真结果。     

对随机运动目标的一种最优搜索算法

针对一维随机恒速运动目标施加离散搜索,基于目标初始位置分布和速度分布,建立运动目标在离散空间中的分布模型,在一定探测宽度条件下,以每次探测最大发现概率为准则,计算离散时间点上的最优探测位置。     

基于改进狼群算法的多无人机协同多目标分配CSCD

针对现代空战多无人机协同多目标任务分配问题,结合标准狼群算法,提出了一种改进狼群算法的多目标任务分配方法。根据狼群的不同分工以及搜索属性,建立了基于自主游走机制的头狼产生规则、基于多策略知识库的探狼游走机制和基于自适应步长的猛狼奔袭及围攻方式,从而对传统狼群算法的随机性进行智能化约束与控制,以解决多无人机协同多目标任务分配问题。数值仿真结果表明,该方法能够快速有效获得任务分配方案,避免陷入局部最优。     

Distributed intelligent self-organized mission planning of multi-UAV for dynamic targets cooperative search-attack

This article studies the cooperative search-attack mission problem with dynamic targets and threats, and presents a Distributed Intelligent Self-Organized Mission Planning (DISOMP) algorithm for multiple Unmanned Aerial Vehicles (multi-UAV). The DISOMP algorithm can be divided into four modules: a search module designed based on the distributed Ant Colony Optimization (ACO) algorithm, an attack module designed based on the Parallel Approach (PA) scheme, a threat avoidance module designed based on the Dubins Curve (DC) and a communication module designed for information exchange among the multi-UAV system and the dynamic environment. A series of simulations of multi-UAV searching and attacking the moving targets are carried out, in which the search-attack mission completeness, execution efficiency and system suitability of the DISOMP algorithm are analyzed. The simulation results exhibit that the DISOMP algorithm based on online distributed down-top strategy is characterized by good flexibility, scalability and adaptability, in the dynamic targets searching and attacking problem.     

基于A~*定长搜索算法的多无人机协同航迹规划

基于多无人机同时作业情况下的航迹规划问题,提出了一种A*定长航迹搜索算法.该算法通过选择代价值最接近给定值的节点作为最佳节点,得到定长规划航迹,接着进一步通过限定最佳节点的选择范围,改善了航迹的可飞性.仿真结果表明,利用该算法规划的定长航迹长度误差可以控制在1.4％以内,协同航迹长度误差可以控制在0.8％以内,能够满足多无人机同时到达的一般要求.     

随机运动目标区域持续探测概率的近似模型

研究了随机运动目标区域持续探测的探测概率描述和计算问题。定义了探测函数及目标存在和探测不成功的联合概率密度函数,推导了基于速度分布密度的搜索方程和基于特征迹线的方程的解。鉴于在搜索理论应用中难以获得时变的速度分布,以及搜索方程精确解的复杂性,提出了基于初始速度分布密度的对随机恒速运动目标的一个近似的搜索方程,给出了探测概率的解,并以直升机吊放声纳的一次探测过程,进行了算例仿真。     

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SAS算法的起飞一发失效应急路径规划方法

为解决起飞一发失效应急程序（EOSID）手动设计的不足,提出一种基于SRTM数据的稀疏A*搜索（SAS）算法的EOSID路径规划方法。首先采用航天飞机雷达地形测绘使命（SRTM）的网格地形数据,结合起飞一发失效相关规章,考虑爬升梯度与保护区限制确定可行搜索空间;然后基于可行搜索空间运用稀疏A*搜索算法搜索应急离场路径,在传统A*算法寻找扩展节点时加入起飞性能约束条件,同时利用地形高程数据进行地形和威胁回避,生成一条三维应急离场航迹;最后利用三次样条曲线对规划的应急离场航迹进行平滑处理。实验结果表明该方法能自动搜索出有效的EOSID三维航迹。