多旋翼无人机模型预测抗扰避障制导

多旋翼无人机的自主避障是完成复杂任务的基础,避障的效果直接影响无人机执行任务的效能。针对存在外部扰动的无人机避障问题,提出了一种基于模型预测的抗扰避障制导律设计方法。通过设计干扰观测器对系统动态中的外部干扰进行了估计,并基于李雅普诺夫函数方法设计辅助制导律用于建立稳定性约束条件。结合前两者与模型预测控制,在模型预测控制优化求解中考虑无人机与障碍物的关系,根据所设计的制导律求解水平线速度与偏航角速度指令实现无人机的避障。对所提出的避障制导律进行数值〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLQX.TIF;%129%129〗听语音 聊科研与作者互动 仿真和实物飞行验证,结果表明了所提方法的有效性。     

多旋翼无人机减振分析与实验

针对多旋翼无人机机身系统振动过大导致飞行状态不稳的问题,基于有限元仿真技术与实验方法,进行了减振分析。通过频率分析,确定系统振动过大的原因为固有频率与激励频率耦合导致的共振现象,且共振频点的模态振型包含一阶挥舞、一阶摆振和二阶摆振振型。提出了优化机身壳体截面形状的设计方案,在不增加额外质量的情况下,将一阶挥舞、一阶摆振和二阶摆振振型对应的频点分别提高37.23%、22.47%和18.43%,有效规避了机身共振现象。仿真实验证明,提出的有限元仿真与实验结合的减振分析思〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCMWL.TIF;%129%129〗听语音 聊科研与作者互动 路及优化设计方法,可为旋翼无人机减振设计提供参考依据。     

战时桥梁可靠性的Markov评估模型

给出战时桥梁可靠性的定义,并建立评估模型。分析战时桥梁破坏与抢修机理,提出单一桥梁状态转移过程,证明桥梁网状态转移过程即Markov生灭过程。建立桥梁网状态转移平衡方程,对桥梁可靠性进行评估。通过算例,验证算法的科学性与可用性。     

多阶段任务系统可靠性分析的ROBDD算法

针对Markov方法分析多阶段任务系统(Phased-Mission System,PMS)可靠性时的状态空间爆炸问题,基于层次化建模思想,建立了PMS任务可靠性的顶层系统二维决策图(Binary Decision Diagram,BDD)模型和底层部件Markov模型。通过分析BDD中的同构节点和冗余节点,提出顶层模型构造过程中的同构节点合并策略和冗余节点删除策略。利用上述节点压缩策略生成简化模型,提高模型构造和存储效率。基于PMS部件排序规则,给出了层次化模型的递归求解方法,该方法的计算复杂度与顶层模型中的节点总数呈线性关系。通过算例分析,对比采用节点压缩策略前后的模型节点数,以及层次化方法与Markov方法的计算结果,验证了简化层次模型的正确性和有效性。     

诱饵干扰下无人机集群攻击阈值控制方法

针对诱饵干扰下无人机集群作战中的计算量爆炸,攻击阈值控制解算困难问题,给出了一种基于兰彻斯特方程和最优控制模型的无人机集群作战攻击阈值控制方法。从机载雷达的性能出发,建立作战双方兵力损耗的微分方程,从而构建改进兰彻斯特方程;以兰彻斯特方程为最优控制的状态方程,以无人机攻击阈值为控制变量,建立弹药约束下无人机集群空战的最优控制模型,并且证明一方剩余兵力的最大化等价于另一方剩余兵力的最小化;最后采用直接凸优化法对最优控制问题进行求解,并进行仿真验证。     

采用压缩感知的卫星高频姿态确定方法

高频振荡通常会超过星载陀螺和星敏的测量频率范围,导致卫星姿态确定精度下降。因此,提出一种基于常规姿态传感器进行高频姿态确定的方法。将高频姿态抖动看作一个稀疏信号,通过压缩感知的方法将该信号从低频采样结果中恢复。利用低带宽姿态传感器和卡尔曼滤波器测量得到低频姿态数据并进行融合,再通过压缩感知算法从融合数据中恢复出高频姿态数据。通过仿真实验验证了该方法的有〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCWP.TIF;%129%129〗听语音 聊科研与作者互动 效性。     

复杂环境下基于多目标粒子群的DWA路径规划算法

针对机器人在障碍物分布密集的复杂环境中运行时,动态窗口法(dynamic window approach,DWA)易出现避障失败或规划不合理的情况,提出一种基于多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)的改进DWA规划算法。在建立多障碍物环境覆盖模型的基础上,提出一种障碍物密集度的判断方法;优化DWA算法中的子评价函数;利用改进的MOPSO算法实现DWA权重系数的动态调整,将权重系数的自适应变化问题转化为多目标优化问题;根据路径规划的要求将安全距离和速度作为优化目标,并使用改进的MOPSO算法对相应的多目标优化模型进行优化求解。仿真结果表明,该算法使机器人有效地通过障碍〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLXY.TIF;%129%129〗听语音 聊科研与作者互动 物密集区的同时兼顾了运行的安全性和速度,具有更好的路径规划效果。     

基于模型预测控制的无人机避障路径规划方法

针对无人机飞行过程中避障问题,提出了一种基于模型预测控制的无人机避障路径规划方法。通过对无人机平台模型进行分析,构造了无人机状态空间预测模型。为保证路径规划过程输出的平稳性,采用一阶指数变化形式作为无人机飞行路径的参考轨迹。设计了预测模型调整策略,并给出了参数调整流程,以能力-时间组合最优为目标,建立了无人机避障路径优化模型,采用有限时域优化的滚动优化算法对无人机避障优化模型进行了求解。算例仿真结果表明,该算法可有效解决无人机飞行路径的避障问题。     

装备多阶段作战任务成功性评估

受使用方式、可靠性、维修性因素的影响,装备执行作战任务时常呈现出多阶段任务特性。通过对装备作战多阶段任务的分析与描述,基于Markov模型建立起单阶段任务成功性评估模型并给出求解方法,而后给出逐阶段评估多阶段任务成功性的过程,并通过系统状态映射机制解决阶段任务间系统状态数量不同的问题。最后,通过装备使用方案优化的示例展示了该方法在装备领域中的应用价值。     

无人机集群社团网络弹性重构研究北大核心

无人机集群作战是未来战争的新型作战样式。无人机集群网络弹性重构能力,是评价无人机集群体系作战效能的关键指标。剖析了无人机集群网络弹性重构机理;设计了无人机集群社团网络模型,提升了网络连通性;针对无人机集群遭受恶意攻击网络性能急剧下降的情况,提出了信息网络交互能力最低阈值,并优化了集群网络性能失能阶段的弹性评估方法;最后,通过仿真建模对比分析,不同规模下网络的平均最短路径、信息交互能力、网络聚类系数等参数,在集群网络遭受多种类、多规模的毁伤下进行重构,评估对网络弹性的影响。实验结果表明,建立的模型具备更高的弹性。研究成果可提升无人机集群应对复杂扰动的能力,为无人机集群的多任务规划提供理论指导。     

基于飞蛾信息素寻偶机制的无人机集群协同搜索

为了提高无人机集群协同搜索移动目标的效率,提出一种基于飞蛾信息素寻偶机制的无人机集群协同搜索方法。根据飞蛾基于信息素选择飞行方向的寻偶行为,建立信息素图风向模型和飞蛾信息素寻偶模型。考虑无人机机间避撞约束,提出从飞蛾信息素寻偶机制到无人机集群分布式协同搜索的映射,并给出具体实现流程。仿真实验结果表明了所提方法在解决单个移动目标的协同搜索问题时的有效性和稳定性;外场飞行试验表明了所提方法在实际应用中的可行性。     

均衡聚类市场拍卖机制的异构无人机集群任务规划方法

针对大规模异构无人机集群的全局任务规划问题,提出一种基于均衡聚类市场拍卖机制的任务规划方法。对无人机群协同合作完成任务的场景进行分析,综合任务聚类和无人机联盟的优势,建立了通用性较高的任务规划模型。考虑到对无人机群负载均衡的需求,融合和改进了K-means聚类算法和市场拍卖机制,形成一种综合考虑路程消耗和任务消耗的均衡聚类市场拍卖算法。在拍卖过程中引入平衡参数,通过计算旅行商问题来修正平衡参数,保证无人机群在负载均衡的同时整体成本不断降低。仿真结果表明,使用均衡聚类市场拍卖机制的任务规划方法能够在较短时间内完成异构无人机群的复杂任务规划,保证无人机群负载均衡的同时,整体成本和总时间上也有较好表现,具有一定的实际应用价值。     

1D study of the detonation phenomenon and its influence on the interior ballistics of the combustion light gas gun

One-dimensional simulations with a detailed hydrogen-oxygen reaction mechanism have been performed to investigate detonation phenomenon in a combustion light gas gun (CLGG). Convection fluxes of the Navier-Stokes equations are solved using the WAF (weighted average flux) scheme HLLC Riemann solver. A high resolution fifth-order WENO scheme for the variable extrapolation at the volume interface and a fourth-order Runge-Kutta scheme for the time advancement are used. Validation tests of the stoichiometric hydrogen-oxygen deflagration to detonation transition process shows good agreement between the computed results and the analytical and documented solutions, demonstrating the reliability on the detonation simulation of the current scheme. Simulation results of the interior ballistic process of the CLGG show that the flame propagation experiences three distinct stages. The blast detonation wave causes a high-pressure shock and hazardous oscillations in the chamber and makes the projectile accelerate with fluctuations, but has only a small improvement to the muzzle velocity.     

基于改进粒子群算法的地空导弹使用保障设备优化配置

地空导弹使用保障过程复杂,很难有效地对使用保障设备进行优化配置。结合地空导弹使用保障需求以及其使用保障作业流程的特点,构建地空导弹使用保障设备优化配置模型。该模型属于典型的NP难问题,基于此提出以改进的粒子群优化方法对模型进行求解。新的粒子群优化方法中,将粒子线性移动改进为非线性移动方式,有效提高粒子的全局搜索能力。粒子的编码方案首次采用位移向量表达方式,并提出一种新的粒子修复策略,有效地简化了模型的求解过程。给出算例并且设计了对比实验。实验结果表明本文方法能够解决地空导弹使用保障设备的优化配置问题,并且对于其他资源配置问题求解也具有重要的参考意义。     

美军无人机蜂群作战研究动态及应对策略

无人机蜂群是以智能化无人控制技术和网络信息系统为支撑的集群式无人作战武器装备,这种新型武器装备势必将成为改变未来战争规则的重要推手。美军作为无人机蜂群作战研究的领跑者,掌握了解其发展动态,学习其相关有益经验做法,参考借鉴其理论体系和关键技术,对于军队打赢未来智能化战争具有重要现实意义。本文通过梳理与总结美军在无人机蜂群作战研究方面所进行的开创性工作,厘清无人机蜂群作战发展的脉络,重点对无人机蜂群作战的产生背景、基本概念以及发展现状进行了探讨,结合课题组在无人集群作战领域的研究基础,分析了6个方面制约无人机蜂群发展的难点问题,探讨了应对无人机蜂群作战的可鉴之策,希冀能够为军队未来构建蜂群作战体系和建设相关能力提供理论指导和技术依据。     

无人机集群作战概念及关键技术分析

无人机集群作战正在从概念走向雏形.文章总结了国外无人机集群作战概念的发展,分析了无人机集群作战的主要关键技术,包括大规模无人机管理与控制、多无人机自主编队飞行、集群感知与态势共享、集群突防与攻击、集群作战任务控制站等技术,并展望了未来无人机集群协同搜索、协同干扰、协同攻击、协同察/打、集群对抗等作战应用.     

OODA-L模式下的智能无人集群作战仿真建模框架

介绍了智能无人集群作战的相关概念,为反映智能无人仿真实体的自主能力和适应能力,提出将学习过程显性化的观察-判断-决策-行动-学习(Observe, Orient, Decide, Act and Learning, OODA-L)模式,并进一步扩展为适用于集群协同的Co-OODA-L模式。在智能无人仿真实体的总体描述上,采用马尔可夫决策过程进行数学抽象处理,提出智能无人Agent的三域分层结构。为体现智能无人集群作战的自主协同、分布式等特点,提出了利用人工神经网络将可变数量的智能无人Agent融合为同构或异构集群进行协同作战建模的体系结构。     

固定翼无人机群的集群和避障控制

针对传统的集群控制算法需要获取通信范围内相邻质点的位置和速度信息才能够计算控制量的问题,提出一种新的无须获得相邻无人机速度的六自由度固定翼无人机群的集群和避障控制方法。将通信范围内的无人机均视为障碍物,采用统一的计算方法获得控制量,并且证明了算法的稳定性。通过建立六自由度无人机线性化控制模型,将改进的质点集群算法应用于无人机群控制系统中,将无人机控制设计成六自由度无人机的跟踪回路和质点无人机的导引回路,并证明通过选取合适的跟踪回路控制参数,确保整个无人机集群控制是稳定的。通过六自由度无人机编队仿真验证了所提算法的有效性。     

Optimization of steerable sensor network for threat detection

A Markov chain approach to detecting a threat in a given surveillance zone by a network of steerable sensors is presented. The network has a finite number of predetermined states, and transition from one state to another follows a Markov chain. Under the assumption that the threat avoids detection, two game theoretic problems for finding an optimal Markov chain (two surveillance strategies) are formulated: the first maximizes the probability of threat detection for two consecutive detection periods, whereas the second minimizes the average time of detection for the worst‐case threat's trajectory. Both problems are reduced to linear programming, and special techniques are suggested to solve them. For a dynamic environment with moving noise sources, the optimal Markov chain changes at each detection period, and the rate of convergence of the Markov chain to its stationary distribution is analyzed. Both surveillance strategies are tested in numerical experiments and compared one with another. © 2011 Wiley Periodicals, Inc. Naval Research Logistics, 2011