面向协同区域反恐侦察的无人机集群规划与控制

以无人机集群协同侦察多个区域内潜在的恐怖分子为背景,提出了一种基于贪婪算法的求解思路,设计了任务分配-路径规划-跟踪控制的算法流程,解决了面向协同区域反恐侦察的无人机集群规划与控制问题。首先,设计任务分配算法,为无人机分配任务区域,解决多无人机多目标的任务分配问题;然后,每一架无人机进行路径规划,生成从当前点到任务区域以及在任务区域侦察的组合路径;再使用追踪虚拟目标点的方法,使无人机沿着规划航线飞行。任务分配-路径规划-跟踪控制在线滚动执行,使无人机集群协同执行反恐侦察任务。对上述算法进行了数值仿真,并基于开源仿真平台搭建复合翼无人机协同仿真环境,进一步验证了算法流程。     

基于多约束投标策略的改进合同网算法

针对无人机使用传统合同网算法进行任务分配存在的投标个数多、网络吞吐量不均衡、工作负载高等问题,提出一种改进合同网算法任务分配模型.首先对无人机任务分配的空间环境进行建模,在传统合同网算法的投标阶段,结合一种基于无人机能力评估方法的投标策略,该策略建立了基于代价函数和收益函数的任务效能函数.通过多次仿真,对历史任务效能、...     

基于改进蛙跳算法的多无人机协同任务分配研究

针对多无人机协同任务分配问题,提出了一种基于Levy飞行的改进随机蛙跳算法用于解决多无人机的协同任务预分配问题,通过引入动态跳跃步长、Levy飞行因子和族群认知因子有效改进了算法的搜索性能,提高了搜索效率。针对多无人机协同执行任务时可能遭遇的突发任务,通过引入市场拍卖机制提高了算法的计算收敛效率。通过仿真算例分析,验证了改进的随机蛙跳算法解决多无人机协同任务分配问题的有效性。     

基于CBBA的多域作战无人系统任务规划方法研究

针对多域作战任务中异构无人系统的分布式任务规划问题,建立考虑时间窗约束、路径受限等情况下的多域作战任务分配模型;基于一致性束算法求解异构无人系统的任务分配问题;采用Bezier曲线和粒子群算法对一致性束算法进行了扩展,将路径规划耦合到任务分配过程中。仿真结果表明,扩展后的一致性束算法可以同步得到无冲突的多域作战无人系统任务分配解和路径规划结果,验证了其在多域作战无人系统任务规划方面的适用性。     

基于NSGA-Ⅲ算法的多目标分配方法研究

传统的任务分配算法主要解决特定问题下的单目标优化问题,难以适应真实战场协同打击任务下复杂的态势.为此,考虑无人机协同打击任务中航迹长度、目标打击效果、目标价值收益、武器成本等因素构建无人机任务分配多目标优化模型,并基于非支配排序遗传算法(non-dominated sorting genetic algorithm,N...     

基于改进多维粒子群的多无人机任务分配方法

针对复杂战场环境下的多无人机任务规划解空间维度不确定、任务需求随时间变化等问题,提出了一种基于改进多维粒子群算法的多无人机任务分配方法。该方法构建了适应度函数集,应用多个适应度函数来限制种群趋向,同时采用基于时变目标价值的映射变量,建立目标价值随时间变化的多无人机目标决策模型;而后引入整数编码机制,构建面向任务序列的多维粒子,利用改进的自适应多维粒子群算法,得到最优维度下多无人机的任务分配优化方案。仿真实验结果表明：基于改进多维粒子群算法的多无人机任务规划方法可在最优解空间下,获得更好的任务动态分配效果,收敛速度更快,具有良好的推广应用前景。     

多UCAV任务分配有限阶段MDP方法和算法

多UCAV(Unmanned Combat Air Vehicle)任务分配是无人机作战决策的重要内容,是一类求解困难的组合优化问题,目前尚无成熟高效的解决方案.通过马尔可夫决策过程(MDP)将任务分配问题化解为分阶段序列决策过程,并对当前阶段决策状态采用单一整数编码,提出了基于有限阶段MDP的求解算法.通过仿真实验表明:该算法可以快速精确地解决多UCAV任务分配的问题.     

异构资源类型下多无人机任务分配

针对多无人机在执行侦察、打击任务的过程中携带任务资源的异构性,以及任务对于异构资源的要求,设计了一种改进的基于共识的捆绑算法(consensus-based bundle algorithm, CBBA)。考虑任务价值、任务执行时间窗以及航程代价等条件建立了多无人机对地目标侦察、打击任务分配模型。利用K-medoids聚类分析方法对多无人机进行基于距离和携带资源平衡的聚类,以解决多无人机对于异构资源类型的要求。对打击任务进行子任务生成,并利用改进后的CBBA求解所建立的任务分配模型,通过对比仿真实验验证了算法的可行性和有效性。     

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。     

基于聚类算法的多无人机系统任务分配

针对现有任务分配方法在任务点较多时不易解算,且计算量大的问题,提出了基于模糊C-均值聚类算法的多无人机系统任务分配方法.首先,利用模糊C-均值聚类算法得到的隶属度矩阵对任务点进行初始分配;其次,针对基于空间划分聚类可能造成各UAV任务不均衡的问题,设计任务的局部优化调整规则;最后,结合单旅行商问题,利用Tabu Sea...     

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.     

基于改进遗传算法的异构多无人机任务分配

针对异构多无人机协同任务分配问题,提出了一种基于改进的遗传算法的多UAV任务分配方法。根据多UAV协同任务分配问题的特点,设计了新的遗传算子,并且对适应度值做了标定,有效避免了算法在最优解附近摆动现象的发生,从而提高了任务分配的效率。充分利用改进遗传算法的全局搜索能力,有效地解决多约束条件下多UAV协同目标分配问题。仿真结果表明,改进的遗传算法能够稳定快速地找到较优分配方案,并且算法简单有效。     

网络化战场环境下多无人机调度问题

针对网络化战场下无人机(UAV)跨区飞行、信息共享等特点扩大了任务区域与规模而引发任务分配难题,对无人机运动及通信特性、任务时间窗约束和初始战场布局等因素建模,根据目标属性对其分组以降低问题复杂度,应用优化算法得到初始解,随后进行全局交换、删除及插入等调整得到最终调度方案,由此搭建快速求解多UAV任务调度的通用算法框架。最后应用遗传算法验证,仿真结果表明:该框架在解决多无人机大规模任务分配时具有较好的时效性和适应性。     

不确定环境下多无人机动态任务分配方法

通过分析实际战场中的信息不确定性,提出了不确定信息条件下需要解决的多无人机任务分配问题。以目标价值收益、毁伤代价指标及航程代价指标的不确定信息为依据,建立基于区间信息环境下多无人机的任务分配模型,采用随机概率的多属性方案排序(Stochastic Multi-criteria Acceptability Analysis,SMAA)方法,给出不确定环境下多无人机动态任务分配求解方法,为解决不确定环境下多无人机任务分配问题提供了新思路。最后,进行了仿真试验,验证了该方法的可行性和有效性。     

基于改进QGA的有/无人机编队多任务联盟生成

针对有/无人机编队作战中多约束复杂任务分配问题,提出一种改进QGA(Quantum Genetic Algorithm,QGA)的多任务联盟求解方法。首先确定任务需求、时间、平台能力等多种约束,综合考虑联盟总任务收益、耗费成本与任务时间因素,构造目标函数,建立了多任务联盟生成优化问题模型;从多分组并行演化、观测值修正、动态旋转角调整3方面对QGA算法进行改进用于问题求解;并结合实际案例进行了仿真分析,结果表明,提出的方法可以有效生成多任务联盟,解决有/无人机编队多约束复杂任务分配问题,解质量较高。     

基于任务拆分的多无人机任务分配多目标优化

针对多无人机协同攻击作战想定,基于任务需求可拆分,研究多无人机任务分配优化问题。引入任务时间窗约束,构建任务收益水平测度函数。建立寻求执行任务总成本最小和总收益最大的多无人机任务分配优化模型,并根据模型特点,设计三阶段禁忌搜索算法进行求解。仿真实验结果表明：考虑任务拆分相比不考虑拆分的分配方案,无人机执行任务成本及效益更优。     

旋翼无人机的多机协同自主探索决策技术综述

随着探索场景复杂性与任务要求不断提高,多机协同自主探索的研究受到越来越多的关注。其中旋翼无人机凭借其敏捷特性,常被用于复杂小范围场景的自主探索任务,对协同探索系统的实时性与自主性具有更高要求。聚焦于旋翼无人机的多机协同探索系统,并重点关注未知环境探索策略以及多机任务分配策略,对当前决策技术的研究进展进行了介绍并对其特点进行分析总结。将未知环境探索策略归类为基于边界、采样以及两者结合的方法进行介绍和对各自特点进行分析;将多机任务分配策略归类为基于市场、拍卖的方法,介绍了两类方法用于任务分配问题的建模过程,并重点关注协同探索工作在现实世界中的具体应用,特别针对考虑通讯限制的任务分配策略进行分析,分析了在限制场景下协同探索面临的挑战以及当前方法。最后,对多机协同探索技术的研究现状进行总结,并对未来研究重点进行了展望。     

基于买卖合同策略与PSO算法的异构UAV任务分配规划方法

针对PSO算法在初始化异构UAV协同任务分配效率不高、任务分配不均的问题,将PSO算法与买卖合同策略结合起来,运用买卖合同策略来调整PSO算法对异构UAV协同任务的初始分配,同时充分发挥PSO算法对多目标优化具有收敛速度快、寻优精度高等优势,有效解决了异构UAV对多类型任务规划的最优分配。仿真结果表明:该方法在保证任务分配合理的同时,能够有效解决多约束条件下异构UAV协同任务分配规划优化问题。     

基于ROS的自主无人机VSLAM研究

针对未知复杂环境中无人机无法获得外部辅助情况下自主导航所面临的严峻问题,提出在ROS框架下在板运行单目VSLAM算法的自主无人机方案,仅依靠自身摄像机自主地完成SLAM和导航任务。研究VSLAM算法原理与前沿算法ORB-SLAM,设计并搭建了自主导航无人机平台,针对搭建的无人机平台方案和特点完成视觉定位部分的改进设计。实验表明,自主无人机能够在未知环境中,自主实现同时定位和地图构建任务并完成精确的飞行控制与导航。     

基于分合粒子群算法的多无人机任务重分配

多UAV在执行任务过程中,战场环境以及UAV编队状态的改变将导致原有的分配计划失效或效率降低,因此有必要重新分配任务。针对多无人机任务重分配问题,首先建立了相应的数学模型。其次运用分组基础上的任务重分配策略进行任务分配,提出了改进的K均值聚类算法进行初步分组,再在分组的基础下,提出了分合粒子群优化算法进行组内任务分配。最后进行实验仿真。实验结果与分析表明基于分合粒子群算法的任务重分配方法能有效地满足多变的战场环境要求。