针对突发威胁的无人机多机协同路径规划的方法

在无人机多机协同路径规划中,采用V orono i图方法,引入协同变量和协同函数,产生关于已知威胁的路径,使各架无人机能够同时到达目标。在此基础上,利用集合点规划状态图,针对作战过程中的突发威胁实时进行路径规划,从而得到各架飞机的几何路径。仿真结果表明集合点规划状态图的使用对于无人机多机协同路径规划中的突发威胁问题的求解是有效的。     

数据链规划问题的贪心算法

数据链是一种汇集通信、导航和识别的综合化战场信息系统。为了保证在960～1215MHz频段工作的各类设备的电磁兼容,数据链的使用必须符合操作约束和协调约束,必须在满足各类约束条件下,根据数据链的作战需求实现网络规划。首先分析了数据链存在的典型约束,在此基础上对数据链规划问题建模并提出了一种数据链规划的贪心算法,算法较好地解决了数据链规划问题。     

一类马尔可夫人才系统中的工龄和职龄

用马尔可夫模型研究人才系统中工龄和职龄问题的一般方法都要按职务等级、工龄或职龄来划分系统状态。本文在只以职务等级划分系统状态的一类无降级且逐级晋升的齐次马尔可夫人才系统中讨论了工龄和职龄问题,得到直观描述工龄和职龄的计算结果,并通过一实例说明了本方法的应用价值。     

翼伞系统自主归航的关键技术研究综述

探究翼伞系统的建模、航迹规划和轨迹跟踪控制三项关键技术,以支撑翼伞系统的自主归航在大规模装备空投补给、运载火箭助推器回收和自然灾难救援等场合的广阔应用前景。通过调研国内外翼伞系统的发展,对其三项关键技术的基本原理、常用方法和前沿技术进行对比分析和归纳概括,重点包括翼伞系统在复杂环境下的柔性建模技术和障碍空间内的航迹规划技术以及基于智能控制策略的轨迹跟踪技术。对翼伞系统自主归航关键技术的未来发展趋势进行总结和展望,有助于对翼伞系统的自主归航研究形成总体性认知并掌握其发展动向,将对后续翼伞系统自主归航的研究具有启示作用和借鉴价值。     

基于DE-Q学习算法的移动机器人路径规划

针对使用Q学习算法对移动机器人进行路径规划时存在收敛速度较慢的问题,提出了一种基于Q学习的改进算法来选择全局路径规划的最优方案。通过方向奖惩机制与估价函数改进Q学习算法的奖励机制,提高Q学习算法的收敛效率。最后使用MATLAB对改进的Q学习算法进行了仿真实验,实验结果表明,通过设置方向奖惩机制和估价函数可以加速Q学习算法的收敛。     

基于多种群合作演化的无人机协同侦察任务规划研究

为了提高时空域上对无人机协同侦察任务规划的效率,提出一种基于多种群合作演化遗传算法的任务规划模型。该模型建立了无人机协同侦察任务规划问题的分层描述,并将多种群合作演化遗传算法引入对模型的求解,设计了全局与局部搜索流程,交叉变异和合作演化等算法（子）,并给出了详细求解步骤。仿真结果表明,所提模型及算法与单种群搜索算法相比,在任务处置效益、任务潜力效益、时间成本效益等方面均有提升。     

基于深度强化学习的无人机实时航迹规划

随着无人机技术的应用和发展,无人机执行任务的飞行环境愈发复杂多变,对无人机机动避障能力和航迹规划的实时性提出了更高的要求。基于泛化性较好、对环境依赖弱的深度强化学习算法,以雷达实时获取的障碍物地图信息为基础进行实时路径规划,针对二维航迹规划问题特点设计了连续奖励函数,解决了强化学习算法在二维平面航迹规划中奖励稀疏的问题;基于迁移学习的思想设计多个训练环境,并按任务的难易程度进行分步训练,降低了算法的训练难度,提高了训练效果,并使算法的收敛效果更加稳定。在实验中将SAC算法与目前主流的PPO和TD3算法进行对比,实验结果表明：SAC算法收敛速度快,实时性好,航迹平滑度更好。     

基于CPN的TDRS操作规划建模与仿真

以中继卫星(Racking and Data Relay Satellite,TDRS)为研究对象,以有色Petri网(Colored Petri Net,CPN)为数学工具,根据自顶向下的原则和层次化建模思想,提出一种基于CPN的TDRS操作规划模型,该模型分为顶层模型、控制模型、前向链路数据接收任务与发送任务的操作规划模型和返向链路数据接收任务与发送任务的操作规划模型,有效地描述了TDRS的动态行为特性。最后,通过仿真实验得到了TDRS操作规划方案,验证了所建模型的有效性。与PDDL模型比较分析表明:所建模型可以有效引入TDRS的领域知识,能够有效提高求解效率。所建模型可以为TDRS操作规划方案的制定提供理论参考。