龙眼无人机

“龙眼”微型无人侦察机重5磅。由电池驱动,翼展为45英寸,通过手持发射。可重复使用。“龙眼”能够提供视线外战术侦察和监视能力,实际升限为90-150米,视频连接距离超过5公里。机载有效载荷保证其能够提供实时高分辨率日间图像,在弱光情况下提供黑白图像。     

应用离散粒子群-郭涛算法分配多无人机协同任务

针对以往考虑时间窗约束的多无人机协同任务分配问题模型不能反映在有效时间窗内,任务执行时间对任务收益的影响及求解算法效率较低的问题。建立了将任务收益和任务执行时间直接联系起来的任务分配模型和可行解到粒子整数编码方式的映射,设计了混合离散粒子群-郭涛算法的组合优化问题求解策略。借助粒子群算法利用粒子自身信息和种群有用信息指导种群进化的本质特点,优化郭涛算法的适应性序列倒置操作;设计了可变的学习选择概率来选择个体的学习粒子,改进了序列倒置算子。仿真实验验证了该方法处理复杂任务分配问题的有效性。     

单圆形阵应召搜潜时无人机监听航路的规划

航空反潜时,无人机代替有人机对浮标阵进行监听是无人机在未来战场上的重要应用之一。以无人机独立执行监听浮标阵任务为背景,在对应召搜潜时浮标阵的布设进行分析并提出无人机航路的代价函数后,根据浮标阵的特点,规划出了单圆浮标阵监听方案,并对所规划航路的技术指标进行了研究。最后,通过仿真对此方案进行了验证,仿真结果表明方案可行,对今后无人机监听浮标阵的实际应用提供了理论决策依据。     

陆基探测和防撞雷达促进美陆军无人机有人机编组训练

据美国《陆军时报》报道,美国陆军开始在5个地点安装陆基探测和防撞雷达,防止无人机与其它飞行器碰撞。陆基探测和防撞雷达由SRC公司生产,计划安装该型雷达的5个地点分别是纽约州德鲁姆堡、乔治亚州亨特陆军机场、肯塔基州坎贝尔堡、德克萨斯州胡德堡和堪萨斯州赖利堡,主要目的是保证陆军MQ-1C无人机在美国国内空域安全飞行。其中胡德堡2015年年初将成为首个配置此型雷达的地点。     

水面舰艇编队舰载无人机与直升机协同预警研究

针对舰载预警直升机合理确定部署时机的问题,结合敌侦查引导兵力行动规律,分析了无人机携带雷达侦察载荷协同预警直升机实施早期预警的优势,建立了舰载无人机相对水面舰艇编队的提前预警时间估算模型。通过仿真计算,给出了敌使用不同侦查引导兵力情况下,舰载无人机的提前预警时间,仿真结果显示提前时间可满足舰载预警直升机的部署要求。     

面向网络化无人机集群的计算换通信分布式任务调度方法

针对网络化无人机集群任务自主协同问题以及市场竞拍法的优缺点,提出“计算换通信”思想及其相应的分布式任务调度方法。通过对显式和隐式冲突任务的分析,建立任务相关智能体集合。提出基于任务抑制的局部优化方法,用于提前消解部分任务冲突,以减少算法迭代次数。设计基于历史竞标信息的智能体位置推断法,为局部优化提供必要的信息输入。基于组网仿真平台与集群救援场景开展蒙特卡罗仿真实验,结果表明,相比于市场竞拍法中具有代表性的基于共识的捆绑算法和性能影响算法,所提方法能够获得更少的迭代次数、更短的收敛时间以及更优的调度性能。     

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。     

无人机蜂群对海作战概念模型研究

为满足无人机蜂群作战运用建模与仿真的需求,采用基于实体行为网络交互(EBNI:Entity Behavior Network Interaction)的建模方法对无人机蜂群对海作战进行概念建模.列出了无人机蜂群对海作战中的实体和任务清单,建立了无人机蜂群对海作战的任务模型、各类实体的动作模型以及无人机蜂群对海作战中的内...     

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。