基于多传感器信息融合理论的无人机相对导航状态估计方法

为提升无人机的作战效能和作战指标,提升无人机的相对导航精度和导航系统可靠性,本文以无人机编队的相对导航系统为研究背景,基于容积卡尔曼滤波算法和信息滤波算法,研究了容积信息滤波算法。此外,还采用了多传感器信息融合理论,利用分布式信息融合结构构建了无人机相对导航滤波器,对来自惯导、视觉和卫星的信息进行融合,获取无人机间的相对位置、速度和姿态信息。该方法提升了无人机相对导航的导航精度、导航可靠性和滤波稳定性,容积信息滤波算法的应用避免了传统滤波算法在在高维系统中出现的数值不稳定以及精度降低等问题。论文还进行了相应的数学仿真,仿真结果表明该方法提高了无人机编队之间相对导航的精度和可靠性,证明了算法的有效性。     

基于鲁棒高阶容积滤波的无人机相对导航状态估计方法

由于无人机相对导航系统具有非线性强、噪声非高斯的特点,传统的基于卡尔曼滤波算法设计的相对导航滤波器存在估计失准甚至发散的问题。考虑到高阶容积卡尔曼滤波和最大熵滤波算法分别在解决非线性问题和非高斯问题时的优势,利用最大熵滤波的量测更新方法对高阶容积卡尔曼滤波的测量更新方程进行了改进,将传统的量测更新问题转换成了线性衰退的求解问题,避免了对测量噪声进行高斯假设,同时解决了系统非线性和量测噪声非高斯的问题。进行了相应的数学仿真,仿真结果表明:所提算法的估计精度超过了高阶容积卡尔曼滤波和最大熵滤波算法的,验证了算法的有效性。     

基于AKF的AUV对接回收组合导航研究

针对自主水下机器人(Autonomous Underwater Vehicle,AUV)在回收过程中的组合导航精度问题,提出了一种改进的高斯距离迭代法及改进的自适应卡尔曼滤波算法(Adaptive Kalman Filter,AKF).基于AUV回收对接系统,研究并建立了针对惯导SINS、超短基线USBL、多普勒计程仪DVL和深度计的基于斜距的组合导航模型.通过对SINS/USBL/DVL/深度计组合导航量测信息误差特性分析,设计了改进的基于斜距的SINS/USBL/DVL/深度计组合导航模型;针对该模型突出的滤波发散问题,设计了基于滤波收敛性判据和强跟踪滤波思想改进的AKF滤波算法进行有机融合.仿真结果表明,此研究使实际AUV系统具有更高的滤波精度和可靠性.     

城市环境中无人机作战导航定位研究现状综述

随着各大国之间城市化进程的推进,城市环境中的无人机作战将成为未来必不可少的作战手段之一。针对城市作战环境复杂和作战装备受限的特点,归纳总结了无人机导航技术的研究现状和发展趋势,并给出相应的概念、模型以及被广泛应用的算法。首先,对单无人机定位技术进行了概括总结,包括全球卫星导航系统、惯性导航系统定位、视觉/激光雷达定位、无线传感网定位和融合定位等,上述定位方法能够在城市环境中表现出高精度和鲁棒性的特点;然后,为了解决单无人机在执行任务方面效率低、冗余低、易受干扰的特点,对无人机集群导航定位进行了介绍,主要包括全球导航卫星系统拒止下的导航定位、非视距及多径效应下的导航定位、基于无线传感网和视觉冗余的融合定位等,其中涉及导航恢复及导航增强等内容。最后,面对城市的复杂环境,提出了无人机导航定位技术的未来研究方向,分别为传感器的优化、无人机集群通信和多传感器融合,指出了未来的研究方向和面临的挑战。     

多无人机编队协同控制软件平台设计与仿真

在战场环境瞬息万变、作战任务日益复杂的现代战争中,多架无人机编队协同完成复杂的作战任务已成为一种趋势。多无人机编队控制及重构是多无人机系统的核心内容和关键技术。基于微粒群算法、蚁群算法研究了多无人机编队控制及重构、航线规划及重规划问题,特别是在解决编队重构问题时,提出一种多样性微粒群算法。设计了多无人机编队飞行协同控制平台,仿真结果表明,标准微粒群算法、蚁群算法等智能算法可以较好解决编队控制、编队重构和航线规划问题,多样性微粒群算法具有更强的全局寻优能力。     

基于战术编队的相对导航GDOP分析

针对在实际作战中,飞行编队优先考虑战术原则,而忽视JTIDS/MIDS相对导航GDOP的现象。首先利用最小二乘法计算相对导航的GDOP值,其次根据战术原则建立编队模型,最后采用单一变量法,分析了平面位置关系、垂直位置关系及导航源的选择对GDOP值的影响,并将仿真结果与GPS定位导航的GDOP值进行比较。仿真结果证明,位置关系和导航源的选择对于改善相对导航的GDOP值,提高导航精度具有决定性的意义,且仿真结果为实际作战进行编队和选择导航源提供了重要参考。     

一种高超声速飞行器组合导航新方法

针对传统INS/CNS/GNSS组合导航3个异质传感器进行信息融合主滤波器易发散以及高超声速飞行器的特性,设计了由惯导与卫星导航深组合构成子滤波器1、惯导与间接敏感地平天文导航构成子滤波器2的SINS/CNS/GNSS组合导航新方法;详细推导了基于联邦滤波的位置、速度、姿态组合算法的观测矩阵的具体形式,最后对系统进行了仿真.仿真结果表明,该方法实现了精度和可靠性的有效一致,位置、速度和姿态精度较高,而且滤波器比较稳定.     

基于CAS理论的两栖编队作战体系能力涌现模型

研究两栖编队作战体系能力涌现机理是组建两栖编队、构建两栖编队作战体系,提升两栖编队作战效能的依据.在具体分析两栖编队作战体系复杂性的基础上,从体系多元组成相互作用、整体层次关联递进协同角度,研究两栖编队作战体系层次相干作用、功能递进关系,进而应用矢量矩阵集合工具给出其在多域组分效应、结构效应、规模效应和环境效应共同制约和塑造下的能力涌现模型.分析两栖编队作战能力涌现模型核心影响因素和信息融合特征指标.最后,得出"两栖攻击舰是两栖编队作战体系能力生成的核心要素、信息融合水平是两栖编队作战能力生成高低的突出表征"等结论和启示.     

分布式多无人机编队控制与博弈算法研究

针对多无人机的任意队形编队控制问题,将博弈论引入分布式控制问题中,提出一种基于博弈的分布式控制算法。该算法将梯度下降和一致性方法结合,将多无人机编队问题转化为分布式博弈问题。通过一致性方法,系统内每个无人机个体都可以对其他个体的位置进行有效估计。利用梯度下降实现纳什均衡点的求解从而实现理想编队。在提出的分布式控制算法下,个体无人机无需全局信息,只需交换邻居个体的信息就可实现多无人机的任意编队。将算法应用到多旋翼无人机系统中,仿真结果表明了分布式算法有效性。     

基于多Agent的舰艇编队反舰作战指挥模式研究

采用多Agent仿真方法对水面舰艇编队反舰作战中指挥模式问题进行了探讨。构建了基于多Agent的反舰作战仿真模型,着重考虑了通信可靠性对Agent之间信息共享的影响,在此基础上采用大样本仿真手段研究了不同条件下的编队指挥模式。研究结果确定了在不同的敌舰艇防空能力、不同的通信可靠性条件下,编队反舰作战的最佳指挥模式。研究方法为调整编队指挥控制结构、充分发挥编队作战效能提供了一种新手段。     

基于粒子滤波的无人机协同跟踪算法

针对无人机群协同跟踪移动目标问题展开研究。由于传感器测量精度的有限性,采用多架无人机合作来获得多个测量值,再根据数据融合的方法获得较精确的测量值;建立了移动目标的模型,结合测量值应用粒子滤波算法来预测目标的状态。仿真结果表明了该算法能使无人机获得较好的跟踪效果。     

改进的证据组合算法编队情报信息融合技术

分析了经典证据组合算法在处理冲突信息融合中的不足,引进了证据信息容量,对经典证据组合算法做了改进,解决了证据极端冲突下经典D-S证据融合算法的不合理性,证实了它确实能够提高证据冲突处理能力,基本满足海上编队情报处理信息融合的可靠性要求,并把该改进算法应用于编队情报信息融合,融合效果较好.     

舰艇编队信息作战视图描述

舰艇编队信息作战视图是该系统体系结构设计的重要组成部分。通过对舰艇编队信息作战任务的需求分析,提出了该作战系统的整体构想,采用基于UML的设计方法,完成舰艇编队作战使命所需完成的任务和行动、作战节点描述,并给出了作战视图的模型产品,为进一步描述整个舰艇编队信息作战系统的体系结构奠定基础。     

无人机集群作战中连续时间Markov链模型的求解方法

针对无人机集群目标作战解析建模时在状态转移过程中计算速率低的问题,提出了一种基于行压缩存储的四阶Runge-Kutta法。根据无人机集群作战样式将无人机集群作战过程划分为三个阶段,并分阶段对无人机集群作战的状态转移过程建立连续时间Markov链模型。以无人机集群完成作战任务的可靠性作为求解指标,运用四阶Runge-Kutta法对Markov模型进行求解。由于求解过程中速率转移矩阵具有稀疏特性,采用基于行压缩存储的算法优化求解速率。仿真实验表明,运用连续时间Markov理论建立的无人机集群作战过程模型的有效性和可行性优于其他模型。同时,与其他算法及模型相比,该算法计算速率更高、能更好地满足结果精度的可靠性需求,进一步说明了本算法的优越性。 〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCHSC.TIF;%129%129〗听语音 聊科研与作者互动     

基于卷积神经网络的无人机侦察图像去雨算法

提出了一种改进的无人机侦察图像去雨算法,该算法采用双边滤波和引导滤波相结合的方法提取有雨侦察图像的高频子图。根据无人机侦察图像中一般存在天空、地面等纹理相对平滑区域的特点,提取侦察图像中的纯雨区域。最后,将提取的纯雨区域作为训练样本,输入卷积神经网络中进行训练,提取图像特征信息,得到卷积神经网络的最优参数,完成神经网络训练,得到去雨侦察图像。通过仿真实验表明,该算法能够有效去除雨线对无人机侦察图像的干扰,提升侦察图像质量,具有一定的军事应用价值。     

资源约束条件下的空中兵力编组＊

通过对空中兵力的合理编组,实现作战资源的优化配置是提升兵力作战效能的有效途径。针对现代空战编队对抗过程的特点,从战术企图和信息优势角度提出了编队目标威胁评估方法。以编队目标为研究对象从宏观上调配己方作战资源,提出了作战资源成本和兵力调度成本2种兵力编组成本,在此基础上建立了资源约束条件下的兵力编组优化模型,并采用改进PSO算法对模型进行求解。作战想定仿真结果表明兵力编组模型能够有效解决空战兵力分配问题。     

资源约束条件下的空中兵力编组

通过对空中兵力的合理编组,实现作战资源的优化配置是提升兵力作战效能的有效途径。针对现代空战编队对抗过程的特点,从战术企图和信息优势角度提出了编队目标威胁评估方法。以编队目标为研究对象从宏观上调配己方作战资源,提出了作战资源成本和兵力调度成本2种兵力编组成本,在此基础上建立了资源约束条件下的兵力编组优化模型,并采用改进PSO算法对模型进行求解。作战想定仿真结果表明兵力编组模型能够有效解决空战兵力分配问题。     

模糊推理方法在无人机编队目标分配中的应用

本文主要针对无人机编队作战中的目标分配问题进行了研究,利用模糊推理理论对定性条件进行了分析,并建立了定性条件的优选决策矩阵,将各个定性条件下的优选决策矩阵进行了合成,给出了不同目标定性条件重要度的相对隶属度关系,最后给出了基于模糊推理的无人机编队作战中目标分配方法的数学模型,并进行了求解。给出的算例验证了模型的可行性和有效性。     

PSO优化加权信息融合的多机多目标空战决策

以多机多目标协同空战为作战背景,建立对抗决策模型。选取速度、距离等要素构建综合态势评估函数,采用多因子加权信息融合方式进行评估,态势因素权值采用PSO算法动态寻优。对于每个单机作战策略,利用加权信息融合方式评价编队级决策,其中单机作战策略的权值仍是采用PSO优化算法求得。对决策模型进行了仿真验证,实验表明,该空战决策模型提高了可信度,是准确和有效的,并且满足实时性要求。     

基于神经网络自适应PID的无人机编队避障飞行控制研究

针对无人机编队避障飞行控制难题,研究了无人机编队避障航迹规划与智能控制技术.首先,提出一种基于改进人工势场法的无人机编队航迹规划算法,利用改进势场函数和引入"随机波动"法等手段,解决了传统人工势场法用于无人机编队航迹规划时遇到的无法到达目标点以及局部最小值问题,并提升了传统算法航迹规划的快速性和鲁棒性.其次,设计了一种...