最大隶属原则在无人机情报识别中的应用

本文分析战场目标特征,探讨影响无人机照相侦察能力的因素,提出用最大隶属原则识别无人机侦察情报的方法。通过仿真举例,验证这种方法的有效性和可行性。     

一种新型高技术侦察装置——微型机器虫

情报监视与侦察,精确制导武器和指挥自动化系统,一再被美军参联会原副主席、海军上将欧文斯等新军事革命的倡导者们强调为“新军事技术革命”的三大主要技术。由此可见,监视与侦察是当代军事高技术的一个非常重要的领域。在高技术战争中,至今仍然存在着许多战场侦察上的难题。如在山那边或附近的谷地里有多少敌军的坦克,在被炸毁的建筑物里是否潜伏有敌方的狙击手等,使用侦察卫星、有人或无人侦察机以及侦察兵等进行侦察都无济于事。因此,军事技术研究人员一直在进行不懈的努力,以研制出可以完成上述种种侦察任务的新型侦察设备。随着新材料技术和微机电技术的发展,现在这     

基于多模态多目标进化算法的无人机三维路径规划

侦察无人机的三维路径规划不仅要考虑续航能力,还要考虑安全性。针对复杂的侦察环境,通过地形建模和威胁建模来模拟侦察无人机的三维飞行环境,并以油耗和威胁作为优化目标,最后使用多模态多目标进化算法来对其进行求解。实验结果表明,对于能耗和危险程度之间的目标冲突,所提算法能够提供多种有效决策支持。另外,当能耗和危险程度相同的情况下,相比于现有研究,可以提供更多等效方案供决策者根据实际环境作出最合适的决策。     

人工蜂群算法及其在路径寻优问题上的应用

针对多旋翼无人机路径寻优问题,结合人工蜂群算法的特点,提出一种改进的人工蜂群算法,根据飞行原理,建立飞行环境矢量化模型,并对其飞行过程的相关约束条件综合分析,结合路径规划的目的与要求构建出路径规划的目标函数模型,利用人工蜂群算法结构清晰、自适应能力强等特点,实现多旋翼无人机路径规划算法,并结合相关寻优手段对算法进行改进,以增强算法的寻优能力。     

基于智能变后缘的超微型无人机高度控制研究

针对微型旋翼飞行器在飞行时,因旋翼表面容易发生流动分离而造成升力损失的问题,开展了采用连续后缘襟翼（CTEF）来改变飞行器升力的技术研究。首先,开展了不同安装角下微型旋翼的推进性能研究,建立了微型旋翼模型,对其进行推进性能分析;然后,利用P (VDF-TrFE)材料制作CTEF,采用单向流固耦合的方法对使用CTEF的旋翼进行推进性能分析,结果表明后缘襟翼在电压驱动下可以实现有效偏转,偏转产生的等效安装角在12°左右,最高可将拉力提升40%;最后,基于PID控制器设计无人机高度控制系统,通过控制驱动电压,实现控制无人机高度的目的。仿真结果表明控制系统的响应时间在6 s左右,超调量在5%左右。研究表明,提出的基于P (VDFTrFE)材料的无人机高度控制系统可以实现无人机高度通道的有效控制,证实了CTEF在旋翼飞行器控制方面的潜力。     

扑翼微型飞行器翼杆惯性载荷识别

针对扑翼微型飞行器的弹性翼杆,通过其变形特征来识别其受载行为,建立扑翼载荷识别方法。以裸翼杆的往复拍动为对象,首先基于机器视觉测量法,根据翼杆形貌提取翼杆变形挠度,其次使用幂级数重构分布载荷和Tikhonov正则化方法求解惯性载荷,最后通过批量处理,得到翼杆运动过程中的惯性载荷分布。实验表明,翼杆的平均最大分布载荷为30 N·m^-1,识别挠度的平均相对误差为3×10^-5,识别角位移曲线上所有幅值点的平均相对误差为14.8%,识别周期没有偏差,识别的载荷在不同周期内的分布一致。结果表明该方法具有良好的可靠性和实用性,有望用于对带膜扑翼的气动力测试。     

“民改军”小型无人机战场运用浅议

进入21世纪后,随着无人机技术微观化的实现,以多旋翼小型无人机为代表的小型无人机市场呈井喷式发展。纵观近年来的几场局部冲突中,大量民用型无人机经军用化改装后,在各类军事行动发挥了独特作用,担负任务也日趋多样化,已悄然改变着军事斗争形态。本文从小型无人机主要战场用途分析出发,总结了小型无人机战场运用的技、战术特点。     

基于改进强化学习的多无人机协同对抗算法研究

多无人机的作战协同研究内容主要包含飞行协同、侦察协同及干扰协同,随着无人机数量及协同决策内容的增加,多智能体强化学习模型的状态空间及动作空间维度呈指数增长,多智能体强化学习算法在训练中不易收敛,协同决策水平难以得到显著提升。采用并对多智能体深度确定性策略梯度(MADDPG)算法原理进行模型构建,在此基础上提出了一种选择性经验存储策略的多智能体深度确定性策略梯度(SES-MADDPG)算法。该算法通过设置回收存储标准以及选择性因子,对进入经验池的经验进行选择性存储,以缓解奖励稀疏的问题。仿真实验表明,在保证算法时间复杂度的前提下,SES-MADDPG算法比其他强化学习算法有了更好的收敛效果,相较于MADDPG算法,任务完成率提高了25.427%。     

基于GreyNN模型的无人机需求预测研究

针对无人机（unmanned aerial vehicle,UAV）需求预测问题,建立了灰色神经网络（grey neural network,GreyNN）模型,基于GreyNN模型对无人机需求进行预测。仿真实验结果表明,在小样本贫信息情况下,GreyNN比单一BP神经网络模型和灰色预测（grey prediction）模型预测效果更好,实验验证了方法的可行性。