无人机编队信息交互拓扑多目标优化

无人机编队信息交互拓扑优化对于提高无人机集群任务执行的协同性和通信传输效率具有重要意义。首先,提出无人机编队剩余能量不均衡度指标,在编队通信链长的基础上,将网络延迟影响因素、剩余能量不均衡度纳入无人机编队信息交互拓扑的生成体系中,综合考虑多个目标优化无人机集群信息交互拓扑;然后,通过构建满意度偏差隶属度函数,建立目标规划模型实现多个目标的综合;同时,在拓扑生成中采用多叉树结构进行分级,并改进人工蜂群算法求解模型,可以支持较大规模无人机的协同;最后,通过16架无人机组成的编队进行仿真分析,验证了模型的合理性及算法的有效性。     

面向多类型目标的多无人机协同搜索

搜索环境的复杂化使得多无人机(UAV)协同搜索需要面对各种类型的目标。针对各类型目标的运动特征,采用目标存在概率密度相关的搜索图方法,在考虑协同搜索问题特性基础上,建立合理的目标收益函数。采用集中式与分布式相结合的集散式控制框架,结合对搜索图的探测更新,通过预测控制及改进匈牙利算法进行多UAV的协同搜索决策。所用决策方法可在提高搜索效率的同时,有效避免多UAV间可能发生碰撞的问题。最后,通过与传统搜索方法进行仿真对比分析,验证了所提方法的有效性。     

多无人机编队保持轨迹的对偶优化设计

考虑多无人机编队保持优化模型的设计问题,联合多无人机的运动学方程、性能指标及其约束构成一个约束优化问题。通过对指标函数的某种线性变换达到解耦的效果,引入拉格朗日乘子矢量构造该约束优化问题的拉格朗日函数。对于对偶问题中出现的两类优化变量———基变量和对偶变量,将所有基变量和对偶变量全转化为某一个对偶变量的关系式。对于该对偶变量求解,采用凸算法中的梯度投影策略,通过简单的代入运算可得到其他优化变量的数值。最后用仿真算例验证了该方法的有效性。     

多无人机编队自主协同控制架构

提出了动态环境下多无人机编队执行不同使命任务的自主协同控制系统结构。按照分层递阶的思想,将多无人机编队作战系统分为两级分层控制结构和五层功能结构,从不同层级实现无人机群的自主控制,保证了机群指挥的统一性、控制的灵活性和系统的可扩展性;采用灵活的系统通信结构以应对战场环境的不确定性;个体无人平台之间局部相互作用引起的涌现行为及无人机功能编队之间的分布式任务规划,自下而上地驱动作战系统的资源优化配置,结合自上而下的系统指控组织动态适应性优化,优化了系统指控组织结构,有效地整合了战场资源。     

无人机打击效果评估系统研究

这里研究了基于图像理解的无人机打击效果评估方法。重点阐述了轮廓提取技术、模板匹配技术和高层评估系统。该算法通过对打击前后图像进行变化检测,比较无人机打击前后的几何特征,参照不同部位不同的打击效果权重,对目标毁伤情况进行自动评估。实验表明,该算法提高了系统评估的精度,使评估结果更加准确。由于该算法具有通用性,该系统可以用于各类不同目标的打击效果评估。     

有向拓扑下多无人机系统编队跟踪控制

针对分布式群系统编队控制问题,提出一种有向拓扑条件下的分布式编队控制方法。首先,通过在控制协议中引入辅助函数,利用变量代换,将编队控制问题简化为自治系统的稳定性问题,使得复杂的控制问题简单化。其次,通过求解线性矩阵不等式设计控制增益矩阵,形式简单,求解复杂度低。然后借助李雅普诺夫方法分析系统的稳定性。仿真实验表明,多无人机系统在分布式控制协议下,能够有效实现编队跟踪控制。     

无人机自主编队飞行控制的技术问题

从未来无人机的性能需求出发,详细描述了无人机编队飞行的功能特点和核心技术。根据无人机的任务要求,将编队飞行分为作战编队、侦察编队和混合协同编队,同时研究了编队飞行控制的关键技术,并对无人机编队重构技术进行了探讨和分析。     

无人机编队的滚动时域控制

滚动时域控制(RHC)具有状态约束和输入约束处理、综合多控制目标、适应条件变化等特点,在编队控制领域渐受关注。无人机编队控制涉及队形描述、气动耦合、位置关系描述、控制算法等问题,针对目前应用范围较广的长机-僚机描述的松散编队控制,提出基于二次规划描述的RHC编队控制方法,设计了基于标准RHC的编队控制器。在此基础上,结合不变集理论设计了双模RHC编队控制器,分析了其应用局限性及对控制器参数设计的指导意义。仿真实验验证了控制律的有效性,并分析了控制器参数对闭环性能的影响。     

无人机编队管理的研究综述

多个无人机(UAV)组成编队执行协同探测、侦察、作战等任务的整体性能相比单个UAV会有很大程度的提高。将UAV编队执行任务的生命周期分为编队形成、编队向任务区域飞行、编队向任务区域飞行过程中动态调整队形、编队进入任务区域执行任务并动态调整队形、编队返回、编队解散6个阶段,并归结为编队集结、编队保持和编队重构3个关键技术问题。对它们的研究现状进行了分析和总结,并对未来的发展方向和研究挑战进行了展望。     

新型护卫舰编队对潜搜索兵力运用与效能分析

通过对护卫舰编队搜潜方法的研究及相应的战术计算,建立了编队搜潜能力数学模型,计算了各搜索机动要素,分析了基于搜索效能的搜索队形和兵力配置,为新型护卫舰编队对潜搜索兵力需求、机动方案和组织实施等提供了理论指导,并为编队对潜搜索提供了理论参考。     

不确定环境下多无人机协同搜索算法研究

不确定环境下多无人机协同搜索是多无人机协同控制的一个重要研究内容。多架无人机同时对一个不确定区域进行搜索,目的在于获取搜索区域的信息,降低环境的不确定度,并尽可能发现隐藏在环境中的目标。针对这一问题,提出一种基于协同进化算法的多无人机协同区域搜索算法。首先,建立搜索概率图来描述搜索环境的不确定性,并使用贝叶斯准则更新搜索概率图,然后,使用协同进化算法,在线生成多UAV协同搜索的路径。仿真结果验证了算法的有效性。     

基于MAS的多无人机系统集散式控制体系结构研究

多无人机协同作战是未来空战的主要模式.将多无人机协同作战问题看作复杂的动态协作问题,利用多智能体技术建立多无人机系统的集散式控制体系结构.探讨了在所提出的控制体系结构下,系统能够快速应对各种突发战况,进行组织结构的重构,展现了较好的可重构性.研究表明,基于多智能体技术的集散式控制体系结构适用于多无人机协同作战过程.     

面向异构传输需求的多无人机通信协同抗干扰决策方法

干扰条件下的多无人机通信中,用户根据业务有不同的通信需求,而各个信道质量也不同,对抗干扰通信决策提出了业务需求与资源匹配的新要求。针对外部对抗性干扰场景下,多个用户如何选择适合的信道和功率,在干扰躲避、内部冲突控制以及功率优化的同时实现有限资源的高效利用这一问题进行研究,提出了一种面向传输需求匹配的抗干扰决策方法。首先,利用部分重叠信道的特性进行信道资源复用;然后,运用多用户协同强化学习训练用户信道选择策略,并使用斯坦伯格博弈对功率进行优化,实现对用户异构传输需求进行资源匹配。所提方法能实现干扰条件下的多用户异构传输需求的信道和功率联合优化,提升资源利用合理性,实现传输效果的提升。     

快速一致性控制算法下的多UAV分布式协同控制

多无人机系统中,系统状态的一致性是实现多无人机分布式协同控制的基础, 一致性控制算法是多无人机系统实现状态一致的有效方法。通信约束条件下, 无人机平台基于局部交互信息, 通过一致性控制算法, 控制系统状态演化一致。为解决改变通信拓扑结构和多跳路由通信的不可操作性问题, 引入状态差值和预测状态,设计新的快速一致性控制算法。给出新算法收敛性和快速性的相关定理,并进行了严格的数学证明, 在分布式协同控制结构下实现多无人机快速任务协同。理论分析和仿真实验验证了算法的可行性和有效性。     

考虑信息延迟的无人机分布式协同搜索算法

多无人机协同搜索是多无人机协同控制的重要内容之一,无人机协同搜索的两大问题是通讯延迟和分布式的计算环境。各无人机既要提高搜索效率又要避免碰撞。提出了一种以分布式模型预测算法为基础的搜索算法。通过引入合适的缓冲周期,安排不同的无人机分别对未来不同的时间范围进行规划。不同无人机的搜索规划在时间上不再耦合,从而解决了多机分布式计算和通讯延迟的问题。该方法的目的是实现真实环境下的分布式协同控制。最后用仿真算例验证了算法的可行性。     

多UAV集结任务的分布式协同与优化控制

基于一致性理论的多无人机分布式协同控制已广泛运用于无人机作战中, 通过一致性控制算法实现状态一致完成协同需求。建立了集结问题的数学模型, 基于协调变量和协调函数的分解策略进行求解。为实现协同控制的最优性, 改进了平均一致性控制算法, 采用Hamilton-Jacobi-Bellman方程给出基本优化一致性控制算法。在控制算法中引入过去状态差值, 提高控制算法的动态响应性和能量最优性; 同时采用遗传算法优化代价函数的加权矩阵, 进一步提高控制算法的动态响应性和能量最优性, 缩短了任务执行时间。理论分析和仿真实验验证了方法的有效性和可行性。     

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.