三维多无人机系统协同任务规划关键问题综述

随着无人机技术的迅猛发展,人们对无人机技术的需求越来越广泛,已从单机简单任务向多机协同执行多个复杂任务、且自主协调、无人干预、群体合作的方向发展.而多无人机系统的协同任务规划技术,是无人机自主导航飞行和无人机之间自主协调配合共同完成任务的关键.这一任务规划决定了无人机各类资源的协调和执行目标的合理分配,无人机协调可飞飞行航迹的规划,以及在飞行过程中,取代人为干预,实时协调化解多机飞行时可能产生的各种冲突和问题.因此,对多无人机系统协同任务规划的关键问题,如目标分配、航迹规划、在线重规划等深入研究,是提高多机系统执行任务能力的重要环节.近年来,该领域的研究日益广泛,但还存在诸多问题需要解决,尤其迫切需要研究在三维战场环境下的多机协同任务规划方法.     

多无人机协同侦察任务规划方法研究综述

由于军事侦察任务的复杂性不断提高,且侦察方式逐渐向多无人机协同的方向发展,而任务规划是无人机执行侦察任务的关键技术,因此研究多无人机协同侦察任务规划方法具有重要意义。根据侦察对象的不同将其分为“点对点”协同侦察和“点对面”协同侦察两种任务模式。对于“点对点”协同侦察,对其目标分配算法与航迹规划算法的原理、优势与不足及改进方法进行了分析,介绍了航迹平滑的常用方法。对于“点对面”协同侦察,从环境信息是否可知的角度对当前的侦察方法进行了分析并总结。最后指出了未来多无人机协同侦察的发展趋势为多无人机携带多种载荷对环境未知的区域进行多角度覆盖侦察。     

无人机任务规划研究

任务规划系统作为高科技技术已经引起了广泛的关注和应用。目前世界上一些主要国家都在研制任务规划系统。无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率。介绍了无人机任务规划的基本概念,描述了无人机任务规划的基本功能、常用的规划算法,如代理方法、遗传算法和战场威胁源建模方法等,给出了基于VORONOI图的一种无人机任务规划技术方案。     

应急搜索UAV集群协同任务规划策略

目前应急搜索无人机(UAV)集群存在搜索效率低、覆盖完整性低、多机组网稳定性差等问题。对此,该文提出一种基于优化模糊C聚类算法(O-FCMA)结合优化混合粒子群算法(O-HPSO)的终端-路由UAV区域搜索任务规划策略。以UAV监测区域范围为基础,通过建立搜索区域的空间模型,进一步运用O-FCMA进行区域几何划分,并采用O-HPSO实现划分区域内的路径规划,以实现多UAV集群搜索总体任务的规划。仿真实验结果表明,采用O-HPSO结合O-FCMA进行无源UAV区域搜索任务较ACO或模拟退火算法结合K聚类算法或FCMA相比,在保证搜索区域全覆盖条件下,有源搜索与无源搜索过程中UAV决策时间分别降低了7%～21%和16%～31%,搜索效率分别提升了7%～13%和3%～7%。结果表明所提方法有效降低了UAV集群的决策时间,提升了搜索效率。     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

基于物理规划的无人机多目标航迹规划

无人机航迹规划是典型的多目标优化问题, 传统的线性加权和法需反复迭代以确定一组满足工程特性需求的目标权重系数。物理规划方法通过构造偏好函数直接反映规划人员对航迹规划各目标的特性需求, 避免了因为反复迭代确定各目标权重系数所导致计算量大的缺陷, 因此,将物理规划方法与粒子群优化算法相结合用于无人机多目标航迹规划。仿真实验验证了该航迹规划方法能够获得各目标偏好结构下的折中解。     

基于改进粒子群算法的多UAV协同侦察任务规划

针对多无人机（UAV）协同侦察的任务规划问题,充分考虑侦察目标的侦察分辨率和时间窗约束,建立了数学模型;提出了一种改进的粒子群算法,使得粒子群能够较均匀地在问题空间内搜索,避免陷入局部极值,在保持传统PSO算法快速收敛的同时,加强了算法局部搜索能力。基于该模型和优化算法,制定了合理的多UAV协同侦察任务计划,使得多UAV协同侦察任务在满足任务要求、平台性能和战场约束的条件下具有最小代价和最优作战效能。     

无人机侦察任务规划预处理方法

随着无人机相关关键技术的突破,无人机在军民两域得到了广泛应用。本文研究了一种依据目标点地理信息对无人机侦察任务规划的预处理方法,讨论了运用和改进K-均值(K-Means)算法对众多"目标点"聚类成不同"任务区"的过程,对无人机侦察任务分配和行航线规划具有极大参考作用。     

城市环境背景下多无人机快速任务规划算法

伴随着城市化进程的迅速发展, 无论在作战中还是民用, 都对无人机自主协同能力提出了新的要求。以城市环境为背景, 以无人机任务规划为研究对象, 针对目前无人机任务规划算法普遍较为复杂、实时性较差的问题, 提出一种新颖的任务规划算法。首先对城市中的建筑物建立简单的数学模型, 针对模型的特点使用了改进通视图法计算出所有最短路径, 然后使用背包算法完成任务分配。仿真结果表明该算法规划准确, 满足实时性要求。     

基于信干噪比的无人机集群分布式编队控制算法

编队控制和组网通信是无人机集群保持队形稳定和执行协同任务的前提条件。现有的编队控制算法侧重于队形控制,往往对无人机之间的通信因素考虑较少。针对无人机集群组网编队问题,设计了基于信干噪比(Signal to Interference plus Noise Ratio,SINR)的分布式编队控制算法。该算法兼顾接入覆盖与网络连通性要求,以SINR为参考构建虚拟作用力,能够使无人机以分布式控制的方式自主移动到通信质量更优的位置并维持稳定的拓扑结构。仿真结果表明,该算法可以适用于不同场景,能够在保证网络连通稳定的前提下优化目标区域用户的通信质量,并且具有较高的接入覆盖率和编队稳定性。     

基于改进RRT算法的无人机航迹规划

针对快速扩展随机树（RRT）算法用于无人机自主在线航迹规划时,只能快速获得可行的航迹,无法获得接近于最短航迹的较优航迹的缺点,提出了一种改进的RRT算法.该算法将无人机动力学约束融入到节点扩展过程中,通过改进离随机采样点最近的根节点的选取策略和引入航迹距离约束,搜索树将沿着航迹距离较短的方向朝着目标点进行扩展,使得规划出来的航迹接近最优,并采用基于B样条曲线的航迹平滑方法生成平滑可跟踪的航迹.仿真结果表明该算法能够快速地搜索安全并且满足无人机动力学约束的较优航迹.     

无人机跟踪地面目标制导控制方法

提出了基于自动驾驶仪的无人机跟踪地面目标的制导、控制架构,将"无人机+自动驾驶仪"的组合看作是以滚转角、飞行高度和速度为控制输入的动态系统。在横侧向,相比下一时刻,根据无人机的航迹方位角误差以及无人机与目标点在水平面内相对距离与期望盘旋半径的误差,给出滚转角指令的制导规律,并对制导指令的生成周期进行了研究;对于纵向,为降低目标状态估计对于姿态误差的敏感度,结合传感器分辨率的要求,给出了解算飞行高度指令的方法。无人机六自由度模型的仿真对比表明,所提跟踪制导律相比李亚普诺夫向量场法(LVFG)和切向量场法(TVFG)具有更优的稳定性和准确性。     

基于PPSO-MPC的多雷达协同反隐身指示搜索任务规划

针对ESM/雷达协同反隐身探测中的指示搜索问题,引入模型预测控制(Model Predictive Control,MPC)理论,给出指示搜索任务规划的MPC框架,建立指示搜索的目标状态预测模型和在线滚动优化模型.针对模型求解,引入粒子群优化(Particle Swarm Optimization,PSO)算法,设计了高维矩阵粒子编码方式,引入尺度计算因子处理边界约束,引入概率模型处理离散变量,设计实现了一种"多主节点-单从节点"的 (Multi-Master-Single-Slave,MM-SS)多种群并行计算策略.仿真结果表明,所建立的模型能够在不确定、多目标环境下实现对多雷达的高效协同控制,所提出的模型求解算法能够实现对滚动优化问题的快速、高效求解,即模型和算法的有效性得到了验证.     

基于分层处理的无人机任务规划

随着无人机在现代战争中的作用日趋重要,对无人机任务规划的研究也越来越多。根据无人机任务规划涉及的内容,分析了它的要求和包含的主要功能,给出了任务规划的处理流程。任务规划涉及的因素复杂繁多,所以采用分层处理来解决任务规划问题,并利用聚类算法和遗传算法解决目标分配和航路规划2个核心问题。     

Cooperative Path Dynamic Planning Model of UCAV Team Based on Global Optimization Method

Cooperative path dynamic planning of a UCAV (unmanned combat air vehicle) team not only considers the capability of task requirement of single UCAV, but also considers the cooperative dynamic connection among members of the UCAV team. A cooperative path dynamic planning model of the UCAV team by applying a global optimization method is discussed in this paper and the corresponding model is built and analyzed. By the example simulation, the reasonable result acquired indicates that the model could meet dynamic planning demand under the circumstance of membership functions. The model is easy to be realized and has good practicability.     

插件式无人机任务规划软件框架设计

在复杂的无人机地面站系统软件开发过程中,如何实现高效的并行开发和应对不断变化的需求显得至关重要。首先介绍了插件框架的工作原理和实现途径,在此基础上提出了插件式无人机任务规划软件框架设计方案,详细描述了框架的设计思路,对插件管理器、人机界面管理和框架内部消息通信机制等一些关键技术进行了探讨。最后将这一理论成果运用到了实际项目中,实现了全插件式的任务规划软件框架,实践证明该框架可以显著提高软件开发效率,提升软件产品质量。     

基于多目标MSQPSO算法的UAVS协同任务分配

针对无人机系统协同作战过程中存在多任务类型时序约束以及单目标优化决策欠佳问题,提出了一种利用多策略融合量子粒子群算法进行多目标优化的解决方法.在建立任务分配模型过程中,考虑不同类型任务的时序约束和多无人机协同约束,并抽象出无人机执行不同类型任务的能力,使模型更加符合实际作战情况.利用佳点集构造理论、变尺度混沌因子、量子变异操作与动态惯性权重对量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）进行改进.最后通过采取多目标优化决策来选取相应的分配方案,仿真结果验证了所提算法的有效性与优越性.     

启发式动态任务调度与航路规划方法

针对任务、资源、航路的调度与规划需要,建立了一种分层递阶的任务规划系统结构,上层主要解决任务优先级和冲突消解问题;下层主要解决满足各种要求的航路规划与实时重规划问题。提出了启发式动态任务调度与航路实时规划算法,可以有效提高对各种突发事件的态势自适应和冲突消解能力以及对时敏目标的打击能力,进而提高无人机在动态不确定环境下的自主性。