无人机-无人车空地无人集群系统多任务协同控制

针对无人机-无人车空地无人集群系统多任务控制问题,开展了一种多任务协同控制的自适应鲁棒控制方法研究。首先,根据多任务控制问题的不同情况,确定系统的动力学模型及控制目标。其次,通过伺服约束的形式描述了被控系统需要遵循的约束,将多项控制任务所建立的约束进行整合,并建立约束跟随误差χ。随后提出了一种自适应鲁棒控制方法,并设计自适应律抑制系统中存在的不确定性,保证系统在复杂不确定性干扰下,仍具有较好的控制精度和系统稳定性。仿真结果表明,所提控制方法相比于LQR控制能够在较大不确定性影响下完成无人机-无人车空地无人集群系统控制中的多任务协同控制,不仅使相关各类误差在5 s内快速收敛至0,还能够使系统具有良好的控制性能。     

空地协同效能反馈的无人车目标捕获策略研究

针对无人车光电设备对复杂环境下目标搜索捕获存在时间长、效率低等局限性问题,提出了基于空地协同效能反馈机制的无人车目标捕获方案,研究了基于效能反馈机制的改进贝叶斯理论捕获策略,基于无人车一定装备数量条件下,根据无人机协同搜索的信息,以时空覆盖率和满足目标信息准确率为反馈条件,动态闭环更新目标搜索捕获策略。仿真结果表明,该算法有效缩短了无人车对目标的搜索捕获时间,提高了搜索捕获效率。     

基于势场导引的空地跨域协同探测方法

对未知区域的探测一直是无人系统的典型任务场景,具有广泛的应用性。但探测过程中各种信息通常十分冗杂,仅一次覆盖探测往往无法获取任务所需的全部信息。针对此,受人工势场法启发,提出了一种通过势场来为空地异构无人平台提供导引的探测策略。首先,将未知区域进行栅格化处理;其次,针对无人机与无人车在探测过程中的特点与优势分别为其设计不同的势场函数,使得无人机与无人车组成的异构无人系统优势互补,能在较短的时间内安全无碰撞地实现协同探测;最后,搭建仿真环境对提出的探测策略进行验证,并与其他传统算法进行对比。仿真结果表明,所提出的协同探测策略能导引无人系统以较短时间在任务区域内多次覆盖探测,以达到任务规定探测程度且探测完成时间相比于覆盖路径规划的传统方法降低了约41%,具备一定的时间优越性。     

有人机/无人机协同空地攻击效能评估的综合指数模型

研究了未来有人机/无人机协同空地攻击的典型作战模式,然后根据混合编队的作战过程和特点,提出了一种建立有人机/无人机协同空地攻击效能评估的综合指数模型;同时确定了综合指数模型中各分系统和分项能力的评估模型。最后以6种有人机和6种无人机的协同空地攻击效能评估为例计算并检验了模型的可用性。     

基于强化学习的通信受限环境多无人机协同策略

随着人工智能技术的发展,空域无人作战正由“单平台遥控”向“多平台协同”转变。多无人机协同作战任务具有非完全信息、通信受限、高实时、强动态等特点,给协同决策生成带来巨大挑战。针对通信受限环境中的多无人机协同决策问题,提出一种基于动态层级网络通信架构的通信强化学习协同策略,该策略能够显著减少无人机集群间的通信次数,同时准确传递其决策需要的信息,从而得到较优协同策略。针对多无人机协同围捕的典型任务场景,基于OpenAI平台对所提出的算法进行了仿真验证。结果表明,与传统强化学习算法相比,提出的通信强化学习策略可以显著减少无人机间的通信次数,同时在一定程度上避免潜在的信息欺骗问题。完成任务需要的平均通信次数相比于传统两两通信结构减少约77%,为实现通信受限环境中的多无人机协同任务提供技术支撑。     

基于进化算法的多无人机协同航路规划

以突防航路时域协同指数、空域协同指数、突防时长指数和受威胁指数为规划目标,以最小直线航路段长度、可飞空域、续航能力和进入任务航路方向为约束,构建了多无人机协同突防航路规划模型。结合模型特点,利用合作型协同进化遗传算法对该模型进行求解。     

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。     

P3C-MADDPG算法的多无人机协同追捕对抗策略研究

针对策略未知逃逸无人机环境中多无人机协同追捕对抗任务,提出P3C-MADDPG算法的多无人机协同追捕对抗策略。首先,为解决多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient, MADDPG)算法训练速度慢和Q值高估问题,在MADDPG算法中分别采用基于树形结构储存的优先经验回放机制(Prioritized Experience Replay, PER)和设计的3线程并行Critic网络模型,提出P3C-MADDPG算法。然后基于构建的无人机运动学模型,设计追逃无人机的状态空间、稀疏奖励与引导式奖励相结合的奖励函数、加速度不同的追逃动作空间等训练要素。最后基于上述训练要素,通过P3C-MADDPG算法生成策略未知逃逸无人机环境中多无人机协同追捕对抗策略。仿真实验表明,P3C-MADDPG算法在训练速度上平均提升了11.7%,Q值平均降低6.06%,生成的多无人机协同追捕对抗策略能有效避开障碍物,能实现对策略未知逃逸无人机的智能追捕。     

轮腿式无人战车越障性能分析

针对非结构化复杂路面环境下无人战车在执行军事运输、抢险救灾等任务时通过性不足的问题,提出了一种轮腿式全液压驱动的8轮无人战车,该战车通过摆臂的协同控制调整其运行姿态,可适应不同的复杂地形。越障性能是衡量无人战车通过性的关键要素,建立无人战车的越障动力学模型和姿态规划模型,通过求取轮腿式无人战车不同越障高度与摆臂摆角的关系式,得到无人战车典型垂直墙障碍的越障性能。在理论分析的基础上,利用QT、Simulink、ADAMS建立综合仿真平台,进行了仿真验证。研究表明：轮腿式全液压驱动的8轮无人战车可完成高度为轮胎直径1.176倍的垂直墙越障,具有良好的地形适应能力,为8轮无人战车的实验测试提供了理论参考。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。     

基于CPSO算法的海空跨域无人航行器集群协同作业路径规划

针对海空跨域无人航行器集群在复杂水域环境下协同作业以追踪水下目标的任务,提出一种基于协同粒子群(CPSO)的协同作业路径规划算法.考虑不同无人航行器集群特性优势,合理分解并分配远距离追踪水下目标任务过程,并利用CPSO算法进行路径规划.在CPSO算法中,首先为无人机(UAVs)集群规划飞行路径,UAV飞行过程中探测水面...     

动基地多无人机协同侦察问题研究

综合考虑舰载无人机对目标进行侦察的侦察时间约束,及无人机发射和回收平台运动对无人机回收的时间窗约束,建立了更加贴近无人机作战运用发展的带时间窗约束的动基地多无人机协同侦察问题(M-MUCRP)模型。采用周期进化遗传算法进行求解,随机生成初始解,保证了所有状态的遍历,同时改进遗传过程中的交叉、变异的进化操作,增大了解的多样性,避免了陷入局部最优。仿真说明动基地的侦察模型较之前的多基地侦察模型,更符合舰载无人机侦察问题的实际应用特点。     

基于改进差分进化算法的多无人机航迹规划

针对已知三维环境下的多无人机动态路径规划问题,在多无人机协同方面基于参考路径长度以及威胁距离进行任务点规划,并根据实际环境设定了约束函数和适应度函数。在航迹规划算法方面则采用改进差分进化算法,将种群基于种群个体的适应度均分为两个子种群,选择不同的变异策略。仿真验证结果显示,改进差分进化算法得到的规划路径在路径长度、适应度值优于传统差分进化算法,可以生成路径更短且适应度值更优的航迹。     

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.     

战斗机综合航电/火控系统的多机协同试飞

结合战斗机综合航电/火控系统发展趋势及其特点,简述了空地一体化试飞、多机协同试飞概念,介绍了一种利用××型飞机综合航电地面支持设施模拟空中动态试验环境和多目标,与数据传输设备、DGPS多目标导航定位系统、数据融合处理系统以及空中试验机构成的多机协同试飞方案.利用仿真模拟与实际飞行相结合,减少空中飞机的数量,利用有限的资源实现多机协同作战试飞体系.对空地一体化试飞、多机协同试飞的关键技术和试飞评估进行了探讨,为战斗机综合航电/火控系统多机协同试飞提出了一种新模式.     

基于飞蛾信息素寻偶机制的无人机集群协同搜索

为了提高无人机集群协同搜索移动目标的效率,提出一种基于飞蛾信息素寻偶机制的无人机集群协同搜索方法。根据飞蛾基于信息素选择飞行方向的寻偶行为,建立信息素图风向模型和飞蛾信息素寻偶模型。考虑无人机机间避撞约束,提出从飞蛾信息素寻偶机制到无人机集群分布式协同搜索的映射,并给出具体实现流程。仿真实验结果表明了所提方法在解决单个移动目标的协同搜索问题时的有效性和稳定性;外场飞行试验表明了所提方法在实际应用中的可行性。     

海洋无人系统跨域协同观测技术进展

无人系统跨域协同观测是海洋观测的发展趋势.对海洋无人系统跨域协同观测这一新兴领域的研究进行了综合评述,并对未来研究进行了展望.首先,介绍了传统海洋组网观测技术,及若干个国内外典型海洋观测网.其次,从空地协同、空海协同等视角,对无人系统跨域协同技术进行分析讨论.然后,简要介绍了海洋观测中的典型应用案例.最后,概括了现阶段...     

水域无人系统平台自主航行及协同控制研究进展

水域无人系统平台是指可通过远程遥控、无人驾驶、自主航行等方式达成任务的一类平台,涵盖无人船艇及其所配备的无人机、自主水下机器人等.自主航行及协同控制理论技术水平是水域无人系统平台的核心所在,已成为船舶与海洋工程及水上交通等领域的热点研究方向.为掌握水域无人系统平台的自主航行及协同控制方面的发展动态和趋势,综述了水域无人...     

空地协同群在防空作战空地协同中的应用

鉴于防空战场形势多变,提出了空地协同群的概念,并主要从作战单元的选取、作战单元进出规则、协同关系的确定和协同通信策略等4个方面进行论述.该概念能够较好地刻画空地协同的基本理论、空地协同的组织与实施等内容,是对网络中心战背景下的空地协同作战的一种全新的诠释.