基于合作博弈的多机冲突解脱算法

为解决低空无人机冲突解脱过程中个体支付成本不公平问题,提出了基于合作博弈“核仁解”概念的多机冲突解脱算法。针对低空多机冲突场景的特点,基于“核仁解”概念,建立无人机冲突解脱支付矩阵。结合人工势场法与蚁群算法的优点,提出基于人工势场法-蚁群算法(APF-ACO)的冲突解脱混合求解策略。仿真结果表明:综合计算时间、可行性与系统效率3个评价指标,APF-ACO混合求解策略效能最优;基于合作博弈“核仁解”的求解策略在一定程度上可提升个体公平性;同时能够在牺牲少量整体利益的前提下,拥有优先级无人机的快速规划达到目标。      

基于STPA-TOPAZ的低空无人机冲突解脱安全性分析

为防止低空无人机(UAV)冲突解脱过程中发生危险接近或事故,将该过程的安全问题转化为控制问题,提出基于STPA-TOPAZ的低空无人机冲突解脱安全性分析方法。首先基于系统理论的事故模型和过程(STAMP),构建冲突解脱系统中的安全控制结构。然后利用系统理论过程分析(STPA)根据系统运行的上下文信息确定系统级事故和危险,识别出冲突解脱过程中的不安全控制行为,并分析产生不安全控制行为的关键致因。最后利用TOPAZ方法定量描述致因因素对系统安全的影响程度,找到制约系统安全的瓶颈。仿真结果表明了STPA-TOPAZ方法的有效性与优越性。     

基于改进启发式蚁群算法的无人机自主航迹规划

无人机自主航迹规划是未来无人机作战使用的关键技术难题。针对传统航迹规划方法存在的求解效率不高、实时性较差、容易陷入局部最优等缺点,提出一种基于改进启发式蚁群算法的无人机自主航迹规划算法。该算法前期使用Dijkstra算法进行初始化航迹,引入启发式信息,提高搜索效率;采用Logistic混沌映射初始化信息素,增加解的多样性,提高算法收敛速度;算法中、后期采用多航迹选择策略和模拟退火机制,提高全局搜索能力,避免因收敛速度过快而陷入局部最优解。对该算法进行仿真分析,结果表明:在存在威胁和障碍的复杂环境中,本文提出的改进启发式蚁群算法与标准蚁群算法相比,能够有效规划出一条从起点到终点的航迹,并且寻优精度更高,收敛速度更快,具有一定的应用价值。