基于蚁群算法的无人机航迹规划及其动态仿真

为实现无人机航迹规划的实时性和交互性,建立了无人机动态仿真系统。以"捕食者"无人机模型为应用背景,结合MAK仿真技术的相关理论,利用蚁群算法计算了无人机航迹规划,并实现了Matlab平台下的实例仿真。基于构建的仿真系统,利用MAK软件实现了二维和三维飞行过程的显示,仿真效果理想,为无人机航迹规划结果的交互验证提供了一种有效的手段。     

士兵的“眼睛”会飞翔——微小型无人机

千百年来,战争决策者们一直都想揭开覆盖在临着艰巨的技术挑战:战场上的“迷雾”,希望有一双飞翔的眼睛,能够低雷诺数微空气动力学问题简单来说,就是“看清山后究竟有什么”。随着现代科学技术的发由于微小型无人机尺寸很小,飞行速度也低,因此升展,这个愿望早已不是什么难事,空间轨道卫星、飞力与阻力的比值要小得多,传统的飞机设计不能保机、无人机甚至炮弹都可以让人明白无误地知道任证飞行器获得足够的升力,必须通过独特的空气动何一个被隐藏的秘密。然而这些都还不足以让一个力设计来解决这一问题。另外,微小型无人机的稳定班、一个小组…     

面向无人机海上侦察任务的自适应粒度分解策略研究

无人机海上侦察作战任务自动规划的前提是任务分解,分解策略的通用性和分解粒度的合理性直接影响任务规划的速度和实际效果。对无人机海上侦察任务具有随机性强、复杂度高、动态性明显等特点,提出了一种基于军事领域知识库的无人机海上侦察任务自适应粒度分解策略,构建了无人机海上侦察领域知识图谱和自适应粒度任务分解模型,并以海上编队护航背景下的无人机侦察任务为例,实施了任务分解策略验证,结果表明分解策略较传统任务分解方法具有更佳的稳定性和适应性。     

基于TensorFlow的四旋翼无人机着陆地标识别

针对多旋翼无人机在无人干预情况下的自主着陆问题,提出一种基于迁移学习的地面标识图像检测方法.该方法基于TensorFlow深度学习框架,使用迁移学习技术在地面标识数据集上重新训练Inception-v3模型以构建新的地面标识识别模型.以四旋翼无人机为例,将其拍摄的着陆坪图片与其他地面标识图片作为训练集输入神经网络,通过多次训练校正神经网络参数.实验结果表明,基于迁移学习的四旋翼无人机着陆地标识别比直接基于In-ception-v3模型的识别效果要好得多,在仅有数千张训练图片的情况下,测试准确率超过90％.在Windows下训练、测试的模型可移植到树莓派3B上,完成了基于Python和TensorFlow开发的程序在不同操作系统下运行的验证工作.     

针对无人机集群目标的舰炮对空射击方法

利用低成本无人机集群实施饱和攻击,将成为未来海战场突破舰艇对空防御系统的一种新型作战样式.从现有中小口径舰炮武器系统的射击体制出发,详细分析了现有追踪射击方法在打击此类密集目标时的能力不足,为增强现役中小口径舰炮武器系统打击无人机集群目标的能力,提出了基于未来空域窗的对空射击新方法,该方法控制武器系统内的单脉冲雷达波束对集群目标进行空间拉偏扫描,并通过最大似然估计的超分辨算法,获取迎弹面上的集群目标分布特征,改进传统未来空域窗射击方法中弹头均匀散布的设计思路,通过求解高斯混合模型配置弹丸散布中心,使得迎弹面上的弹丸散布概率与集群目标分布特征相匹配.仿真结果表明,该射击方法现实可行,可用于提升中小口径舰炮武器系统对无人机集群目标的打击能力.     

基于粒子群遗传算法的多无人机协同路径搜索

为解决不确定环境中多无人机路径搜索针对性不强、效率低问题,提出一种基于粒子群遗传算法的多无人机协同路径搜索方法.建立区域栅格图环境和搜索概率图模型,采取滚动预测的方式,提出使用协同粒子群遗传算法生成预测路径,通过适应度函数确定最优搜索路径,该路径满足无人机最小转弯半径限制,并能实现威胁区域规避和重点区域加强搜索.仿真结果验证了所提算法的有效性.     

基于集中一体化遗传算法的协同航迹规划方法

针对线目标的多无人机协同侦察航迹时间代价较大、算法收敛较慢等问题,提出了一种基于集中一体化遗传算法的协同航迹规划方法.在考虑目标属性及任务要求的基础上,建立了基于时间代价的航迹模型.引入集中一体化方法,对标准遗传算法的编码方式进行了优化,保证了所有目标均被侦察一次,且无重复侦察.在种群迭代中对交叉操作和变异操作进行了改进,有效提高了算法的收敛速度.仿真结果表明,该方法可求解得到具有最小时间代价的任务航迹,且收敛速度较快.     

基于改进AHP的无人机作战能力量化研究

针对无人机平台及载荷类型多样、作战性能各异,难以统一量化分析的问题,提出一种基于改进AHP(层次分析法)的无人机作战能力量化方法,构建了目标-准则-指标-实例的多层作战能力结构关系.通过一种指数标度方法,降低了标度的主观性影响,优化了层次结构元素权重求解.基于无人机装备的作战能力构成构建量化指标体系,较好地实现了多类型无人机作战能力的量化评估,对于多无人机协同作战的兵力分析具有一定的实用价值.     

军用无人机飞控技术发展简述

为了促进军用无人机飞控技术的发展,本文对军用无人机飞控技术进行梳理简述。首先针对军用无人机平台发展两极化、任务领域拓展多样化、控制自主化智能化的现状进行梳理分析;其次针对无人机发展趋势现状,对军用无人机未来飞控技术的需求进行了分类梳理,即高性能运算与控制能力、高带宽互联互操作能力、高容错与环境适应能力并对其中典型的飞控子技术未来发展趋势进行了分析,同时对其未来的发展进行了展望。