基于进化算法的雷达对抗侦察无人机航路规划

雷达对抗侦察无人机在执行任务前要根据战场环境预先规划好最优路径。全面考虑战场环境威胁约束、机动性能约束和侦察任务约束,综合轮盘法、最优保存策略和6种进化算子形成进化算法,并对航路规划问题进行求解。仿真结果表明,利用约束量化方法和进化算法对雷达对抗侦察无人机进行航路规划是可行的。     

基于多Agent无人机协同侦察任务规划模型

建立了多无人机协同侦察任务规划模型，在考虑侦察时间间隔约束和目标载荷需求基础上，给出了位于不同基地的无人机优化部署和调度策略，并提出了基于多Agent的优化搜索仿真算法，利用Matlab实现了无人机优化配置和任务规划模型，得出了无人机优化配置和任务规划方案，最后分析了模型算法存在的某些不足，提出了模型改进的方向。     

基于改进NSGA-II算法的多目标无人机路径规划

路径规划是无人机自主智能飞行的关键技术之一。以路径长度和受威胁程度为优化指标,提出无人机路径规划的多目标优化模型。为找出一组分布多样化的最优路径,提出改进的NSGA-Ⅱ算法,该方法在经典智能多目标优化算法NSGA-Ⅱ的基础上,引入增加、删除算子使规划的路径能避开威胁区、引入最大拐弯角约束缓解变异操作导致的航路突变、引入混合目标空间和决策空间信息的新型拥挤距离算子提高路径的多样性。仿真实验表明,对比NSGA-Ⅱ和传统的GA算法,改进的NSGA-Ⅱ算法能够有效找到一组收敛性好且分布多样化的路径。     

无人机系统的系统效能评估

定量分析和评估无人机系统在给定作战环境下完成高空电视侦察目标任务的程度,依据美国工业界武器系统效能咨询委员会给出的模型和方法,以完成发现和识别目标任务的相符程度作为效能量度,对无人机系统的效能进行了分析和评估建模,实现了无人机系统可用度、可信性、系统能力的计算,给出了无人机系统效能的一种基本算法和公式.     

基于A*算法的无人机地面目标跟踪

提出一种在威胁环境下应用A*算法进行目标跟踪的方法。为了简化模型和便于分析,主要考虑地形和雷达威胁。在考虑了雷达盲区的安全区域内,利用目标的实时信息和改进后的A*算法对无人机航迹进行规划,以达到跟踪地面移动目标的目的。仿真结果表明,所提出的方法可以很好地实现目标跟踪。     

基于集中一体化遗传算法的协同航迹规划方法

针对线目标的多无人机协同侦察航迹时间代价较大、算法收敛较慢等问题,提出了一种基于集中一体化遗传算法的协同航迹规划方法.在考虑目标属性及任务要求的基础上,建立了基于时间代价的航迹模型.引入集中一体化方法,对标准遗传算法的编码方式进行了优化,保证了所有目标均被侦察一次,且无重复侦察.在种群迭代中对交叉操作和变异操作进行了改进,有效提高了算法的收敛速度.仿真结果表明,该方法可求解得到具有最小时间代价的任务航迹,且收敛速度较快.     

考虑协同电子干扰效果的空战多目标分配

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。     

城市环境下单无人机测向定位航迹优化算法

为解决单架无人机在城市环境中对辐射源目标的定位问题,提出了一种基于环境预测法的单无人机测向定位航迹优化算法。使用交互多模型-扩展卡尔曼滤波进行视距和非视距信号混合环境下的目标估计。结合估计的目标位置和城市地理信息模型,基于视线追踪法求解信号遮挡区域和多径信号干扰区域。在滚动时域控制算法框架下生成无人机预测轨迹,以最大化Fisher信息矩阵行列式为测向定位评价准则,考虑建筑物障碍以及其对信号的遮挡和反射效应对无人机测向定位航迹的影响,控制无人机选择最优航向飞行。仿真结果表明,该方法能够使无人机在存在障碍、信号遮挡和多径干扰的环境下实现对目标的高精度测向定位,为解决城市环境下的单架无人机测向定位问题提供了新思路。     

多传感器目标识别和火力分配群决策算法

针对多传感器目标识别的群决策问题,考虑到多目标威胁程度评价指标属性的模糊性,首先将多传感器目标评价属性的定量、定性描述指标统一转化为三角模糊数,充分利用三角模糊数性质构建群决策函数,实现定量指标与定性指标的规范化处理,在此基础上提出一种基于加权矩阵排序的三角模糊数多传感器目标识别的群决策算法,实现对多传感器目标的威胁程度的综合评估.最后,通过多传感器目标评估实例分析并证明了算法的可行性和有效性.同时实验发现该算法对于多属性、多评价者的群体决策具有优势,且不易受外界参数变化的影响.     

基于蚁群算法的目标优化分配

在众多影响目标威胁度的因素中选取几个具有代表性的,组成目标威胁度指标体系,运用模糊优选理论,得出目标威胁度.将所得出的目标威胁度、火力单元杀伤概率以及约束条件作为综合指标,结合蚁群算法,得出基于蚁群算法的目标优化分配模型,并进行仿真实验.实验结果表明,该算法收敛速率快, 能够较好地反映各因素对目标分配的影响,为指挥员的决策提供帮助.     

无人机协同空战中的目标威胁评估和目标分配算法

为适应变化的战场态势,研究了多无人机协同空战中的目标威胁评估算法和目标分配算法.利用一种新的计算方法对目标威胁矩阵进行确定,从而针对不同的空战态势进行威胁评估,以提高威胁评估的性能.利用所得到的威胁评估结果,采用基于态势的目标分配方法实现目标分配.所研究的目标分配算法不仅考虑敌机对我方威胁,同时还考虑了敌机的作战意图,使得我方能够实时准确的对敌做出目标分配.仿真结果表明所研究的算法能够完成多机空战中的目标威胁评估和目标分配,所研究的算法是有效的.     

无人机协同空战中的目标威胁评估和目标分配算法

为适应变化的战场态势,研究了多无人机协同空战中的目标威胁评估算法和目标分配算法.利用一种新的计算方法对目标威胁矩阵进行确定,从而针对不同的空战态势进行威胁评估,以提高威胁评估的性能.利用所得到的威胁评估结果,采用基于态势的目标分配方法实现目标分配.所研究的目标分配算法不仅考虑敌机对我方威胁,同时还考虑了敌机的作战意图,使得我方能够实时准确地对敌做出目标分配.仿真结果表明所研究的算法能够完成多机空战中的目标威胁评估和目标分配,所研究的算法是有效的.     

D-S推理的炮位侦校雷达目标模糊识别

随着对战场透明度的要求越来越高,炮位侦察校射雷达不仅要快速准确侦察敌方炮位和校正己方射击,还应根据弹丸的飞行特性,确定发射弹丸的武器平台类型,从而为目标威胁判断和指挥决策提供支持.在基于D-S证据理论的基础上,应用模糊识别理论,通过对模糊隶属度进行重新分配,探讨了对炮位侦察校射雷达战场目标进行识别的算法,列举了具体的实例,实验结果验证了算法的有效性.     

无人侦察机的航迹重规划

用图像质量方程预测各个侦察目标的图像质量,以所有目标图像质量的加权之和最大和总路径长度最小为目标,在传感器观察范围、飞机机动和对目标图像质量要求以及威胁等多个约束条件下进行多目标寻优确定侦察航迹点,得到Pareto最优路径集。以目标总图像质量、总路径长度和路径总威胁为评价因素,专家系统综合当前机上资源、目标特性和威胁等级给出评价因素加权,用模糊选优方法通在Pareto最优路径集中选择加权意义下的唯一最优路径。     

基于视频图像的目标识别与跟踪算法

研究了基于视频图像的目标识别与跟踪算法。主要应用了Hog特征和支持向量机(SVM)分类器设计完成对目标的侦察识别。当侦察到目标时,采用高斯模型对目标和背景建模,结合卡尔曼滤波预测估计方法和均值漂移(mean-shift)理论,实现目标跟踪和定位功能。最后通过缩微环境中的案例演示,验证了所提算法的可行性。     

基于改进空战威胁评估模型的权重计算方法比较

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。     

无人机侦察目标的概率分析

本文通过对影响无人机侦察发现目标概率各种因素的分析,讨论了一种分析无人机侦察发现目标概率的方法,进而具体对某型无人机的一种侦察设备进行分析,为该型无人机遂行侦察任务提出了参考意见。     

高空长航时无人机编队协同侦察任务规划

针对高空长航时无人机侦察任务规划特点,分析了高空长航时无人机执行侦察任务过程中的飞行航线约束和通信条件约束,以最小化无人机总飞行航程和最终编队飞行时间为优化目标,建立无人机编队协同侦察任务规划问题模型。同以往的通用侦察任务模型相比,该模型突出考虑了高空长航时无人机执行侦察任务过程的特点。以基本粒子群算法为基础,通过粒子群离散化和结合遗传算法进行改进,使其适用于求解复杂组合优化问题。仿真结果验证了算法求解复杂任务规划问题的有效性。     

基于改进粒子群算法的协同多目标攻击空战决策

超视距空战和协同多目标攻击是空战的发展趋势,协同多目标攻击中的关键问题是空战决策。建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种改进的粒子群优化算法,并将其应用于空战决策。基本的粒子群算法是一个有效的求解连续优化问题的方法,结合遗传算法的思想,提出了直接对粒子进行交叉和变异操作来完成粒子更新的方法。仿真结...     

基于分解的多目标布谷鸟搜索算法求解多无人机协同任务分配问题

多无人机协同任务分配问题是一个多目标优化问题,将多目标优化问题转化为单目标优化问题的传统方法易造成决策的主观性和片面性.为帮助决策者做出科学决策,提出了一种基于分解的多目标布谷鸟搜索算法用于求解多无人机协同任务分配问题.通过对多无人机协同任务分配问题分析,建立了多无人机协同任务分配模型.将布谷鸟搜索算法的两个关键组件转化为多目标优化算法的繁殖算子,并结合一种自适应算子选择策略,构成了多目标布谷鸟搜索算法.设计了一种新的编码方案,将带约束的多目标优化问题转为无约束的多目标优化问题.仿真实验表明,多目标布谷鸟搜索算法能有效求解多无人机协同任务分配问题.