毫米波波束编码技术在无人机智能集群中的应用

毫米波波束编码技术由于其速率高、抗干扰能力强的优点被认为是无人机智能集群通信网络的重要解决方案。但在无人机智能集群的通信场景中,多种原因造成的机体不稳定抖动会使通信波束产生小角度偏转,引起通信质量的下降,从而影响无人机集群的控制与决策。针对这一问题,提出一种面向无人机集群通信的自适应波束设计方法。首先,根据传感器回传的机体波束抖动情况建立等效信道模型,随后利用量化的信道模型参数建立目标函数并获得理想的波束编码向量,在此基础上利用几何贪婪算法对其进行分解。仿真结果表明,提出的集群波束编码方法能够有效提高均值通信速率,同时相较于其他的系数分解算法,有效降低了计算复杂度。     

无人机地理围栏越界探测算法改进与分析

防止无人机飞出指定空域或飞入禁飞空域的核心算法是无人机地理围栏越界探测算法。为提高无人机地理围栏越界探测的准确性以保证低空无人机飞行的安全性,本文针对射线法进行改进,通过添加缓冲距离的判断来解决传统射线法不能解决的三种特殊情况,在Matlab环境下对其进行了仿真验证,实现了越界探测功能,找出了影响改进算法运行时间的三个因素,并进行了深入分析和讨论。仿真结果表明：提出的基于改进射线法的无人机地理围栏越界探测算法在不影响运行时间的前提下,提高了无人机越界探测的准确性。     

复杂任务场景无人机集群自组织侦察建模与仿真

基于agent的作战建模与仿真是无人机集群侦察效能评估的重要方法,但以往方法中agent行为机制 和模型结构难以描述复杂任务场景下的自组织侦察行为。以反海盗侦察任务为例,提出一种面向集群自组织 侦察的作战建模与仿真方法。设计多agent分层复合行为机制和可组合模块化agent模型结构,通过简单行为 的组合描述复杂行为;通过信息素图模块与航路管理模块的交互,实现自组织航路规划与飞行控制;并通过仿 真算例,来验证方法的可行性,对比分析不同航路规划方法的侦察效能。结果表明:自组织航路规划对中断航 路侦察的动态事件的适应性更强;对于大区域、长时间、低目标密度的区域覆盖侦察任务,仅通过改进航路规划 方法来降低访问间隔难以显著提高目标发现概率。     

无人机拉索式发动机操纵系统精度特性及试验研究

精度是拉索式操纵系统的重要性能指标之一,其高低直接影响发动机的稳态和瞬态性能。介绍拉索 式发动机操纵系统的组成及原理,通过拉索式操纵系统精度试验,从单程精度、回程差和重复性精度三个维度 分析其精度特性;采用单一变量法,通过试验依次分析弹簧力臂和刚度系数、拉索导向套路线布置以及拉索的 长度等对操纵系统精度的影响。结果表明:拉索式操纵系统单程精度绝对值小于5%,在死区外的范围回程差 小于3%,重复性精度小于2%;可通过合理设计拉索长度及弹簧刚度系数缩小死区范围;拉索导向套两端的横 向间距过大会降低操纵系统精度。     

基于Bi-LSTM 的无人机轨迹预测模型及仿真

传统轨迹预测模型存在模型简化较大、考虑因素较少等问题。结合飞行轨迹连续性、时序性、交互性 的特点,提出基于双向长短期记忆(Bi-LSTM)神经网络的轨迹预测模型,将入侵者的位置、姿态和两机的相对 信息同时作为轨迹预测模型的输入,更加符合真实轨迹变化规律;对建立的基于 Bi-LSTM 的轨迹预测模型采 用综合考虑动量和速度的自适应调整学习步长的学习算法进行训练;并与基于 Elman神经网络的轨迹预测模 型进行仿真对比分析。结果表明:与基于 Elman神经网络的轨迹预测模型相比,所提模型在不同方向预测200 个点的平均绝对误差不超过4m,三维预测效果更优,可以较为准确地进行轨迹预测。     

无人机通信信道的统计模型

讨论了一种无人机通信信道的统计模型,分析了无人机通信信道的组成,给出了冲激响应模型,然后将信道按照无人机的实际飞行划分成为3个主要的状态,即途中飞行状态、任务区域盘旋状态和起飞/降落状态,根据部分理论计算和参考文献分析了每个状态下信道的参数,最后给出了无人机在不同飞行状态下误码率性能的仿真结果。对于当前没有较完备的无人机通信系统实测数据时,进行无人机通信信道的统计模型建立和仿真等方面的研究具有重要意义。     

叶片六点优化定位规划技术研究

叶片具有结构复杂、自由曲面多等特点。为解决叶片密集测量数据与其CAD模型的预配准定位问题,提出六点优化定位算法进行预配准。结合六点定位原理与预配准分析技术,在榫头基准面上建立原始坐标系,对六点的主次方向进行定位误差分析配准运算,减小每个测点的误差,使CAD模型与理论模型达到吻合状态,最后完成6个自由度的点分布,得到最终的叶片模型预配准控制点集。避免了ICP算法对大量点云数据处理的繁琐计算,实现了批量叶片在六点优化定位后的密集测点优化预配准,且定位精度均在0.02 mm左右。六点优化定位与典型六点定位进行配准结果对比分析表明,叶片六点优化定位算法预配准精度均在0.02 mm左右,满足叶片模型预配准精度要求。     

多投递下带时间窗的卡车与无人机协同配送问题

无人机因其碳排放少、灵活性高、成本低等优势被越来越多地用于物流配送。考虑到无人机单投递情况下负载利用不足和卡车在客户点等待客户时间窗开启过程的时间损失,针对带时间窗的卡车与无人机协同配送问题进行优化,提出一种多投递下带时间窗的卡车与无人机协同配送(VRPDTW-MD)问题。提出了基于VRPDTW-MD特点的遗传算法对其求解,算法中,设计了多种交汇节点变异算子、交汇节点修复算子和服务节点交叉算子,用于调整卡车与无人机相互之间的交会点以及访问点。通过不同类型与规模算例求解验证了问题和算法的有效性,分析了不同卡车与无人机协同配送模式对运营成本的影响,为“卡车+无人机”模式的配送路径规划提供决策依据。     

基于迁移学习的无人机对地面目标识别研究

无人机对地面目标的识别精度受到数据集少和目标小的影响。传统深度学习需要大量有标注的数据集,限制了在具有小样本下的无人机对地面目标识别领域的应用。将迁移学习的方法用于卷积神经网络VGG16,并修改VGG16网络最后的3个连接层;同时利用单样本数据增强法将UC Merced数据集扩大到原来的8倍,对其进行验证和对比分析。实验结果表明,基于迁移学习的VGG16网络对地面目标识别的准确度可达97.62%,相较于未使用迁移学习的VGG16网络模型,整体提高了23.53%。并且在相同训练参数的设置下,模型比SqueezeNet、AlexNet、Inceptionv3、MobileNet-v2以及EfficientNetb0模型验证精度提高了3.63%～17.38%,收敛速度最快,可基本满足对地面目标的识别。     

基于时域映射的多无人机系统给定时间分布式最优集结

针对多无人机系统给定时间最优集结问题,建立了基于时域映射的分布式优化框架。首先,引入一类特殊的时域映射,将原时域的给定时间决策问题转化为了无限域中的渐近稳定问题,简化了分析设计流程。其次,进一步设计了给定时间梯度下降算法,其收敛时间与系统初始条件及其他参数无关,能够被预先给定,且算法时变增益的使用消除了参数选择过程,在全局信息严重匮乏的情况下仍然适用。仿真结果表明:所提方法能够在给定时间内实现多无人机分布式最优集结,并保证任务时间内闭环系统全局有界。