SEAD场景异构无人机配置与任务规划联合优化方法

对敌防空压制(suppression of enemy air defenses, SEAD)场景是多无人机协同的典型应用,针对该场景特点,在任务规划问题基础上将各类型无人机数量也作为决策变量,充分表征目标、任务和无人机的多种约束,建立异构无人机编队路径问题模型。设计了双层联合优化方法求解该模型：上层设计了任务衔接参数指标,精确评估各类型无人机需求,指导无人机配置调整;下层设计了改进遗传算法,高效处理多类型约束并能结合无人机数量变化对任务方案进行精细调整;双层相互协调获得满足需求的无人机配置和执行方案。仿真结果表明,该方法可以在避免遍历无人机配置组合的前提下获得合理的无人机配置方案和高效可行的执行方案。     

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。     

多站多目标交叉定位技术

交叉定位是一种利用多站角度信息进行解算获得目标距离信息的方法,利用双站即可完成对目标的三维定位.但在多站多目标情况下,该方法存在虚假定位问题,且此时的误差分布特性和定位精度较差.提出一种基于最小距离门限判决的多雷达站多目标交叉定位假点剔除算法,并利用目标的冗余信息进行数据融合,以改善雷达交叉定位系统中交叉定位误差分布特...     

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.     

紊流风场下无人机飞行状态多模型估计算法

针对紊流风场环境下飞行速度因模型参数发生变化导致单一固定参数滤波器精度降低的问题,提出了一种无人机飞行状态多模型估计算法.在建立单一固定模型紊流风场有色噪声卡尔曼滤波器的基础上,采用多模型自适应卡尔曼估计,得到飞行速度的最优状态估计.仿真结果表明,多模型估计算法在模型参数发生变化时能有效地减小紊流风场对无人机飞行速度的影响,满足飞行速度控制输入的精度要求.     

不确定条件下多无人机侦察调度问题

结合动态目标的不确定性,构建了动态环境下多无人机协同搜索问题模型,并基于半随机式搜索策略的人工蜂群算法求解该模型。利用双重进化的特点,改进了插入点算子和逆转序列算子,在需要进行两点操作的搜索过程中,随机选取一点,另一点通过遍历可行解来确定最优解的位置。最后在某海域岛礁间距离之和的解空间维度上进行交叉搜索,并应用到局部搜索过程中构成双重进化,实验结果验证了所提出算法的有效性以及解决多无人机调度问题的可行性。     

一种双/多基地雷达时间校准的新方法

时间同步是实现双/多基地雷达的关键技术之一,提出了一种新的双/多基地雷达时间校准方法。这种方法先用短波或电视信号进行首次时间校准,再利用交叉定位距离信息对同步系统进行再次时间校准。首先建立时间校准的模型,利用交叉定位测出的双基距与实测的双基距离进行比对,得出系统的时间同步误差;然后对交叉定位距离解算及时间同步精度进行分析;最后对时间同步后目标定位性能进行了优化研究。仿真结果说明了这种方法的可行性。     

掩护突防中雷达干扰无人机最优配置方法

雷达干扰无人机在掩护空中编队突防的过程中,不同的干扰波束指向和空间配置会使得雷达网的探测性能发生变化。在分析无人机噪声干扰条件下雷达网探测概率模型的基础上,提出了以雷达网探测概率为目标函数的无人机空间配置与功率分配优化模型,给出了利用粒子群算法求解该优化问题的实现方案,最后通过仿真试验,验证了该方法的合理性。     

多无人机梯次攻击航路规划

为了解决多无人机协同攻击航路规划问题,基于一种雷达威胁等效方法,以及无人机在不同姿态下雷达散射截面RCS(Radar Cross-Section)值随之改变的特性,结合多机作战战术思想,提出了一种多无人机梯次协同攻击同一目标的方法,并利用Dijkstra算法进行多无人机航路规划.仿真结果表明,该方法具有更高的应用价值.     

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.