基于自适应积分滑模的无人机编队控制器设计

针对一类受有界干扰影响的无人机编队系统控制器设计问题,基于自适应积分滑模控制框架,提出了一种新型的无人机编队控制器设计方法.通过引入自适应律对扰动上界进行估计,并在控制器中消除了扰动的影响,通过Lyapnov方法对所提出闭环系统的稳定性进行了仿真及分析.仿真结果表明,本文所提出的控制器在保证系统具有一定鲁棒性的前提下完...     

基于DDPG的无人机路径规划

针对无人机路径规划中传统算法面对未知情况时适应程度低、在线求解效率低、计算量大等问题,基于深度强化学习DDPG算法,提出了一种无人机路径规划方法.采用策略网络和评价网络的双网络结构,拟合无人机路径规 划决策函数和状态动作函数,根据状态空间、动作空间和网络结构设计了 DDPG算法模型.通过仿真验证了所提出的路径规划方法的...     

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。     

基于航迹消除与策略迭代的无人机集群区域目标搜索方法

无人机集群区域搜索在军事领域以及民用领域的搜救、巡逻、监测、环境勘测等方面有着广泛的应用,但如何保证不同场景下无人机集群搜索方法的效率问题依然是个难题。为了更好地解决搜索目标先验信息已知的无障碍区域内多无人机集群搜索航迹规划问题,提高无人机集群搜索效率,本文根据目标区域热度以及传感器探测概率等先验信息,提出了一种基于无人机航迹消除策略的概率计算方法,并在此基础上结合策略迭代算法动态规划无人机航迹,找到单个无人机航迹覆盖率最优策略;进而通过适当组合顺序实现无人机集群区域目标搜索整体覆盖率最优;最后,通过仿真计算验证了算法的有效性。     

面向典型任务的有人/无人机协同效能评估

有人/无人机协同作战是C4ISR体系下的一种重要形式.本文以有人/无人机协同执行典型任务为研究背景,针对构建可靠、全面的有人/无人机协同效能理论评估方法的问题展开深入研究.首先分析了未来有人/无人机的协同模式和运用规则;然后采用协同系统综合指数模型,在单机能力模型的基础上,提出了一种有人/无人机编队协同效能评估方法;最...     

反无人机视觉检测与跟踪技术进展分析

为应对无人机“黑飞”“滥飞”等对国防和公共安全造成的巨大威胁,反无人机技术研究成为当前迫切的现实需求。首先,对比分析雷达、无线电、声音、机器视觉4类典型的反无人机检测技术;其次,重点针对反无人机的视觉检测与跟踪技术,从目标检测、无人机识别、无人机跟踪等角度,详细分析视觉检测与跟踪关键技术的优势与不足,以及各项技术在反无人机检测跟踪中的应用情况及改进策略;最后,探讨应用中较为突出的检测精度、跟踪遮挡、实时性、数据集收集标准、多技术融合5个方面问题和发展趋势,为相关技术研究提供参考。     

无人机蜂群通信感知一体化关键技术

无人机蜂群机动性强、易于调度、部署灵活,是未来战场态势互联互通、快速精确打击的重要手段。多无人机“通信感知一体化”将无人机通信和感知两个功能互融在一起,在无线信道传输信息的同时,主动认知并分析信道的特性,感知周围环境的物理特征,使得通信与感知功能相互得到增强。与此同时,深度强化学习将深度学习的感知能力和特征提取能力与传统强化学习的决策能力进行有机结合,解决了智能体决策博弈类的现实问题。将通信感知一体化和深度强化学习应用于多无人机态势感知、信息传递、任务规划、资源调度等,能够为多无人机蜂群系统的发展和实践应用奠定基础。     

美国反无人机高功率微波技术研究现状及启示

无人机及其集群作为智能战争的主要进攻武器之一,具有低成本、抗饱和攻击、隐蔽性好的特点,给现有防空体系带来极大挑战。高功率微波因具有光速攻击、面杀伤、效费比高等特点,成为反制无人机的有效手段。美国在高功率微波领域起步早、重视程度高,成为国际高功率微波技术的引领者。围绕美国高功率微波技术对抗无人机的研究现状,总结现有样机的性能及特点,重点剖析其技术内涵。结合高功率微波的效应研究规律和无人机发展态势,分析得出美国反无人机高功率微波技术的发展趋势。     

面向实战的反无人机武器系统科学试验方法

针对反无人机武器系统面向实战的试验鉴定问题,提出一套科学试验流程及方法。从典型作战想定出发对其使命任务进行分解,得到考核指标体系及影响因素;借助低成本仿真系统,分别设计了基于因子筛选的试验空间约减和基于序贯优化的关键样本选取方法;最后,结合文献仿真案例对上述方法进行示例性说明。结果表明,所提方法较传统方法可有效提升试验方案设计的科学性及试验点选取质量。该研究可为反无人机武器系统试验指标构建和外场样本选取提供科学依据。     

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%。