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。     

任务分配问题的对称群方法

探讨了无人飞行器(UAV)编队的任务分配问题。任务分配是UAV协同控制的基础,其解是任务区域内各任务的一个排列。求解UAV任务分配问题的有效方法是能在合理的计算时间内找到近似最优解的启发式算法。用对称群描述UAV任务分配的搜索空间,基于右乘运算构造搜索邻域。仿真结果验证了群论禁忌搜索算法的有效性。     

一种吞吐量优化的无人机飞行轨迹规划算法

基于无人机(Unmanned Aerial Vehicle,UAV)协作通信已成为满足下一代蜂窝用户需求的有效技术.UAV的飞行轨迹对通信服务质量有直接影响.为此,提出吞吐量优化的UAV飞行轨迹规划(UAV Trajectory Planning to Maximize Throughput,TPMT)算法.TPMT算法以最大化用户与UAV通信链路的吞吐量为目标函数,并通过求解目标函数规划UAV的飞行轨迹.先构建用户与UAV的信道模型,再建立最大化吞吐量的目标函数,然后,引用混合优化算法GASimplex求解目标函数.仿真结果表明,提出的TPMT算法能够快速收敛,并提高了吞吐量.     

无人战机：通向未来空战的桥梁

以色列“先锋”无人驾驶飞行器(UAV)在作战中表现出的高超性能及其成功经验,使美国深受启迪,同时受“沙漠风暴”行动的影响,美国国防部正在积极进行自己的UAV系统的研发。从争论不休的越南战争开始,美国国防部就已经开始密切关注UAV在担负侦察和监视任务时的表现。1996年,美国空军在拉斯维加斯、内华达州附近开始起用它的第一个UAV作战中队,“掠夺者”在中空飞行实施侦察监     

一种多UAV虚拟队形制导协同运动控制方法

针对多UAV协同运动控制问题,研究了一种非线性制导跟踪控制律,利用期望航迹和UAV的位置关系推导出侧向加速度表达式,在侧向加速度作用下实现对期望航迹的准确跟踪。提出了一种虚拟队形制导协同运动控制方法,首先设计了虚拟队形的期望航迹,采用非线性制导律实现多UAV对虚拟队形的航迹跟踪,在此基础上,通过协同成员间的通信建立位置误差控制方程,实现速度的补偿控制,将UAV调整到期望的队形位置上。仿真结果表明,该方法能有效实现多UAV的协同运动。     

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。     

基于满意决策的多UAV协同目标分配方法

目标分配是UAV自主控制的重要问题。提出了基于满意决策的多UAV协同的目标分配技术,为解决多UAV协同的目标分配问题和多机场起飞的UAV编队配置问题提供了一种新颖而有效的方法。重点对其中的满意集计算、联合满意度、拒绝度和选择度的建立和计算等关键问题进行了讨论。以压制敌防空火力任务为背景对该方法进行了仿真,并将本文提出的方法和其他方法做了比较,仿真结果表明基于满意决策的多UAV协同的目标分配方法在效率上有明显优势。     

UAV时变编队控制技术研究综述

UAV作为典型无人作战平台,是新质作战力量的代表,其引起众多军事大国的重视以及许多高成本理论研究。其中,UAV编队作战的模式具有较高的作战效能和应用价值,受到众多学者的广泛关注和研究。为准确把握当前UAV编队作战研究动态及进展,首先介绍国内外相关的典型项目和研究进程。接着归纳总结当前单UAV以及编队控制的相关控制技术和其优缺点。之后分析出目前UAV编队飞不稳、易坠机和稳定性差的原因主要是受外部扰动和通信时滞的影响,并归纳相对应问题的解决方法。最后对UAV时变编队控制技术的研究进行总结和展望,为进一步研究UAV编队飞行控制稳定性奠定基础。     

基于动态数据驱动的多UAV实时任务规划

针对在实时动态条件下多UAV任务规划问题,提出了基于动态数据驱动的多UAV实时任务规划仿真平台,主要包括基于MultiUAV2的真实UAV群仿真平台和基于Multi-Agent的预测仿真平台两个部分。采用了A*算法对真实系统工作流进行探索,在此基础之上构建了多UAV合成工作流模型,然后针对动态数据注入运行仿真的问题,研究了传感器任务重置及传感器的预处理方法。最后,通过一个仿真实例验证了提出方法的可行性和有效性。     

两栖UAV动力学建模与仿真

两栖UAV是介于空气与水之间运动的新概念飞行器,由于同时受到空气动力,水动力的作用,动力学特征较巡航飞行器和水面滑行艇均有很大差别.基于空气动力学和二元平面滑行理论.建立了两栖UAV的飞行动力学模型和滑跳动力学模型,同时给出了仿真算例,并对两栖UAV的滑跳过程进行了弹道仿真研究.建模可以为两栖UAV的方案总体设计,滑水外形优化和弹道方案设计提供理论依据和计算方法.     

区域目标搜索中基于改进RRT的UAV实时航迹规划

在线自主航迹规划是无人机(Unmanned Aerial Vehicles,UAV)执行区域目标搜索任务的有效保证.针对UAV区域搜索中航迹规划的实时性要求,提出了一种固定搜索模式和动态搜索模式相结合的UAV自主航迹规划框架.在快速扩展随机树(RRT)方法的基础上,通过改进随机扩展树的节点选择和引入启发式信息,提出了基于改进RRT的UAV实时搜索航迹规划算法,该算法能够有效降低在线航迹规划的时间代价和扩展节点数.仿真实验结果验证了本文方法的有效性.     

多UAV/MALD协同下战机生存力评估模型

对战机在多架无人机(Unmanned Aerial Vehicle,UAV)或小型空射诱饵弹(Miniature Air Launched Decoy,MALD)协同下执行突防任务的飞机生存模型进行了研究,建立了飞机生存力分析的等效时间模型;建立了基于M/M/1/N排队论的战机在地面防空系统的威胁下,由多架UAV/MALD协同下的生存力评估模型,并通过计算实例,比较了地面防空单元作战通道、UAV和MALD投放速率、战机使用对抗措施等因素对战机生存力的影响.结果表明,通过投放UAV/MALD会降低战机被地面防空系统"服务"的概率,但是也会因为增加了防空系统对战机的平均"服务"时间而降低战机生存力,在使用UAV/MALD时需要合理设置投放参数,才能达到提高被掩护战机生存力的目的.     

复杂环境下多UAV协同可飞行路径规划研究

为了实现复杂环境下多UAV协同可飞行路径规划,提出了一种基于PH曲线的路径规划算法,考虑了协同的时间和角度约束。首先,研究了PH路径长度与路径参数之间的关系,给出了简单实用的实现多UAV到达目标点处的时间和角度协同规划方法。同时,当UAV需避障时,将速度障碍法与PH路径规划相结合实现路径重规划,并以重规划路径为参考路径,通过速度或路径生成参数控制,实现多UAV协同。     

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。     

多UAV协同区域覆盖侦察方法

针对多UAV对未知区域的协同覆盖侦察问题,提出了将STC算法与在线局部调整策略相结合的区域覆盖侦察方法.通过建立无重叠覆盖区域的闭合路径,最小化了重复侦察区域,缩短了任务执行时间;通过在线局部调整保证了只要有一架UAV不出现故障,侦察任务就可以正常进行.仿真结果表明,该方法能够有效解决多UAV协同区域覆盖侦察问题,方法...     

战场感知和无人机战术信息平台与C~4I系统的发展

本文讨论数字化战场战术信息处理对C4I系统的要求及C4I系统发展趋势。重点论述C4I战术信息处理智能化和长航时无人机（UAV）信息平台在联合军种高机动作战中的作用以及两者对C4I系统发展的影响。     

多特征的UAV快速目标识别算法仿真

针对UAV(Unmanned Aerial Vehicle)侦察图像快速目标识别问题,重点展开基于多特征的UAV快速目标识别算法的仿真研究。算法结合图像的不变矩特征和SIFT特征,首先用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域(ROI,Region of Interest);然后采用尺度不变特征变换算法(SIFT,Scale Invariant Feature Transform)在ROI区域中进行匹配识别,从而确定目标的精确位置。仿真结果表明:算法具有较强的鲁棒性,能有效地识别飞机目标并显著减少识别时间,为UAV系统提供了一种近实时的目标识别方法。     

基于UIF-MPC仿真的UAV环航姿态控制研究

为解决无人机（unmanned aerial vehicle,UAV）在算法结构冗杂和未知外部干扰的环境下控制系统操作难度大的问题,提出一种基于UIF-MPC融合的自适应全局快速终端滑模控制方法。考虑到在环境复杂、时间敏感及通信受限条件下给出UAV姿态运动观测模型;提出一种多控制变量交互的UIF-MPC融合滤波姿态算法,利用滤波器和PID控制器对模型不确定性和未知干扰进行补偿;根据UAV性能及饱和控制条件设定姿态设定控制参数并设定目标位置估计均方根误差,带入UIF-MPC模型并与传统单UIF模型进行比较。结果表明UIF-MPC融合模型可以较好融合系统需求,且在运动过程中具有较好的估计精度及机动控制的鲁棒性。     

海空战的主宰--无人战机

无人战机(UCAV)是无人机(UAV)族群中最新锐的一支。UCAV就是以遂行战斗为目的而专门设计的UAV。U代表Un米armed或者Uninllatbited。实际上,就无人机而言,前面两个相同英文字母其实质意义也相同。但据称,U1nmtlabited是官方认为比较“政治正确”的用字。     

带时间窗的多无人机航迹规划两阶段启发式算法

带时间窗的多无人机(Unmanned Aerial Vehicles,简称UAV)航迹规划问题是一类重要的NP-Hard问题,相关启发式算法研究一直是该问题的研究重点和难点。建立了问题的UAV流模型,并提出了一种两阶段启发式算法用于问题求解。算法的第一阶段提出了一种基于"最迟完成服务优先"规则的航迹构造算法,用于获取问题的初始解;第二阶段利用模拟退火算法对初始解进行改进。最后基于Solomon Benchmark数据集对算法进行了测试,实验结果表明该启发式算法可以有效地求解带时间窗的多UAV航迹规划问题。