共查询到17条相似文献,搜索用时 236 毫秒
1.
2.
以多机协同多目标攻防对抗为背景,研究协同火力/电子战综合决策方法。提出雷达发现概率下降因子表示雷达发现能力的下降程度,来衡量电子干扰对目标威胁度的影响效果;以降低目标总体威胁为目标,建立了多机协同自卫有源压制电子干扰功率分配模型,并采用贪心算法进行求解;最后综合考虑电子干扰对目标威胁度的影响,改进了基于协同攻防的空战多目标分配算法。通过仿真分析证明该决策过程是可行的、有效的。 相似文献
3.
4.
《海军工程大学学报》2018,(6)
针对PSO算法在初始化异构UAV协同任务分配效率不高、任务分配不均的问题,将PSO算法与买卖合同策略结合起来,运用买卖合同策略来调整PSO算法对异构UAV协同任务的初始分配,同时充分发挥PSO算法对多目标优化具有收敛速度快、寻优精度高等优势,有效解决了异构UAV对多类型任务规划的最优分配。仿真结果表明:该方法在保证任务分配合理的同时,能够有效解决多约束条件下异构UAV协同任务分配规划优化问题。 相似文献
5.
6.
针对多无人机(UAV)任务网协同空战态势威胁评估问题,在现有基本模型基础上增加考虑气象环境对威胁评估要素的影响和无人机的自主可靠性系数两个实际因素,提出一种改进的超视距空战威胁评估模型;同时,应用串联电阻分压法、改进AHP法和熵权法分别计算融合模型中各威胁指标的权重系数;进而,在考虑己方战机对敌方战机综合威胁与优势的基础上,介绍了战机协同空战目标分配的基本方案。最后,应用上述3种权重计算方法进行空战威胁仿真计算,计算结果表明改进空战威胁评估模型可有效改善空战决策性能。 相似文献
7.
8.
基于改进ACO算法的多UAV协同航路规划 总被引:1,自引:0,他引:1
针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。 相似文献
9.
10.
《海军工程大学学报》2018,(6)
为解决多架无人作战飞机(UCAV)的协同任务分配问题,将多UCAV协同任务分配问题建模为分布式约束优化问题并求解。在考虑UCAV损耗程度、目标价值毁伤和UCAV飞行长度对任务分配的影响下,建立了协同分配的分布式约束优化模型,并针对典型实例进行了仿真,获得了最优的任务分配方案。计算结果表明了模型方法的有效性。 相似文献
11.
12.
13.
无人机规避或跟踪空中目标可以看作是一个非线性运动导引控制问题。针对这类任务中无人机和目标存在高机动性、高时敏性等特点,提出了一种基于Lyapunov稳定性理论的无人机规避或跟踪目标运动导引方法。构建了基于精细时间运动导引方法的无人机规避或跟踪空中目标问题求解框架,并将无人机碰撞规避和机动目标跟踪问题分别转化为到达虚拟目标点和与虚拟目标点交会的问题。针对碰撞规避问题,将其转化为实现平行导引的控制问题,基于Lyapunov稳定性理论设计了无人机碰撞规避导引律。针对机动目标跟踪问题,在碰撞规避基础上,根据目标点交会的要求设计了相应的目标跟踪导引律。在Gazebo平台上开展了仿真验证实验,实验结果表明:所提方法能够有效避免大过载情况的出现,并具有较强的时变和参数适应性。 相似文献
14.
15.
16.
Tracking maneuvering target in real time autonomously and accurately in an uncertain environment is one of the challenging missions for unmanned aerial vehicles(UAVs).In this paper,aiming to address the control problem of maneuvering target tracking and obstacle avoidance,an online path planning approach for UAV is developed based on deep reinforcement learning.Through end-to-end learning powered by neural networks,the proposed approach can achieve the perception of the environment and continuous motion output control.This proposed approach includes:(1)A deep deterministic policy gradient(DDPG)-based control framework to provide learning and autonomous decision-making capa-bility for UAVs;(2)An improved method named MN-DDPG for introducing a type of mixed noises to assist UAV with exploring stochastic strategies for online optimal planning;and(3)An algorithm of task-decomposition and pre-training for efficient transfer learning to improve the generalization capability of UAV's control model built based on MN-DDPG.The experimental simulation results have verified that the proposed approach can achieve good self-adaptive adjustment of UAV's flight attitude in the tasks of maneuvering target tracking with a significant improvement in generalization capability and training efficiency of UAV tracking controller in uncertain environments. 相似文献