【专题】无人系统互操作性发展现状与关键问题

无人系统正在加速由专用化、单一化向通用化、标准化发展,多无人系统协同、无人-有人系统协同、无人系统集群等新型作战概念不断成熟。无人系统互操作性是提高无人系统联合作战能力的倍增器和推动无人系统系列化发展的重要抓手,也是适应无人系统协同化、集群化发展的必然需求。本文详细阐述了无人系统互操作性的概念内涵,从顶层规划、技术创新和能力验证三个方面分析了无人系统互操作性发展现状,提出了一种针对跨域、多域无人系统互操作的等级模型,构建了自底向上和自顶向下相结合的互操作性关键支撑技术体系,剖析了通用/开放体系架构、标准协议与模块化组件、自主能力评估验证、数据传输与数据策略等技术因素,并展望了下一步研究重点。     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别。为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力。采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类间方差法相结合的分割方法,分割目标并提取目标内部件;采用基于概率图模型的部件识别方法,通过将部件轮廓稀疏表示为条件随机场,并进行概率推理实现部件识别;采用基于贝叶斯的目标识别方法完成目标是否为车辆的判断。通过无人机拍摄的车辆图像验证表明,算法可在样本较少、光照变化、存在遮挡等情况下,以较高准确率检测并识别出车辆目标,同时识别算法具有一定可解释性。     

无人机小样本条件下遮挡和混淆目标识别方法

针对无人机对地目标识别过程中的小样本问题以及目标存在的遮挡和混淆情况,提出了一种融合自注意力机制的小样本目标识别模型。在利用元学习思想获取小样本学习能力的基础上,将自注意力机制学习目标内部各部分之间的上下文依赖关系引入模型,从而增强目标表征能力,以解决遮挡和混淆情况下有效特征不足的难题。为验证模型效果,通过对基准数据集和无人机航拍数据进一步加工,构建了遮挡和混淆目标数据集,设置了不同的遮挡程度和背景混淆率。通过在不同数据集上的验证,并与深度学习模型对比,证明提出的模型具有更高的学习效率和识别正确率。     

可变形倾转四旋翼无人机设计与飞行验证

随着无人机平台技术的发展,新构型无人机设计成为国内外研究的热点。针对四旋翼无人机欠驱动、航时短等问题,提出了一种新型具有自适应折叠机翼的倾转四旋翼无人机平台设计方法。首先,介绍了当前国内外小型垂直起降无人机的研究进展;其次,详细介绍了该型无人机的总体和结构设计;然后,基于牛顿-欧拉法和典型的级联反馈控制方法对该无人平台开展建模和控制方法研究,并基于计算流体力学方法模拟和分析了该无人机的气动特性。最后,通过搭建原理样机、开展飞行试验,验证了该型无人机作为一种新型快速垂直起降平台的可行性和优势。结果表明,该平台的最大飞行速度和航时分别可达36 m/s与25 min。提出的设计方法对未来的新型垂直起降无人机设计具有借鉴意义。