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。     

面向复杂障碍环境的多机协同侦察任务规划

针对复杂障碍环境下的多机协同侦察任务规划问题开展研究.首先,针对不同侦察任务需求,构建传感器探测、有效持续侦察时间、复杂多边形障碍等数学模型;随后,综合考虑持续侦察时间和障碍规避约束,提出了一种面向复杂障碍环境的多机协同侦察规划分层求解方法,通过分层细化有效降低多机协同侦察问题的求解复杂度;最后,考虑无人机运动学约束,...     

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。     

无人机协同侦察路径规划研究

路径规划是无人机协同侦察的关键技术之一.从路径类型和规划方式两方面对路径规划问题进行分类,后将路径问题求解过程拆解为预处理阶段和路线规划阶段.预处理阶段中,对无人机的飞行环境空间和目标进行表示,分析预处理阶段中的3种不同表示形式.路径规划阶段,根据任务要求规划无人机路径,对传统算法和智能算法两类路径规划算法进行综述,并...     

基于效用函数的无人机群分布式协同侦察方法研究

文中在考虑分布式协同侦察关系的基础上,建立了无人机群多源分布式侦察平台数量的整数规划模型,提出无人机群分布式协同侦察方案生成方法,针对特定目标,综合考虑无人机搭载不同侦察载荷,通过电子侦察、合成孔径雷达(Synthetic Aperture Radar, SAR)侦察和光电侦察的方式,达到对目标的分布式协同侦察的目的,并基于效用函数模型对侦察平台的作战能力和作战效能进行计算,生成分布式协同侦察任务下不同侦察载荷无人机平台的编配方案,为无人集群分布式协同侦察提供方法借鉴。     

无人机多侦察载荷协同侦察效能评估

多侦察载荷协同侦察已经成为当前和未来无人侦察机主流工作方式。根据电子信号侦察设备、合成孔径雷达（SAR）和长焦距倾斜CCD相机3种机载侦察载荷的侦察特点,分析了影响机载多侦察载荷协同侦察效能的因素和指标,在各分项评估模型的基础上采用线性加权算法建立了无人机多侦察载荷的协同侦察效能模型。最后分别在不同强度的电子对抗环境下,对以上3种机载侦察载荷两两协同的侦察效能进行了计算和分析,验证了模型的可用性。     

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.     

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。     

基于冲突消解多无人机协同航路规划算法仿真

针对多架无人机同时攻击同一目标的问题,提出了一种基于冲突消解机制的航路规划算法.通过分析协同规划中的各种约束条件及任务要求,从规划终点同时、同步扩展每架无人机的飞行航迹,并采用不等步长扩展法反映每架无人机的飞行速度,在扩展节点的同时进行各项约束条件的检查和消除,保证多条航迹间的时空协同;最后通过数学仿真验证了该算法的可...     

基于多智能体强化学习的无人车分布式路径规划方法

在危险系数较高的救援、勘察或补给等重要任务中,为避免人员伤亡,需要无人车具备自主探索并协同到达多个目标位置的能力.基于此,提出一种基于多智能体强化学习的无人车分布式路径规划模型,通过集中训练方式生成无人车的行驶策略.仿真结果证明了该方法的有效性.     

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。     

群体智能支撑的无人机群航路规划应用综述

无人机群航路规划的主要目标是为每架无人机生成一条连接起始点和目标点并满足约束条件的可飞行路径。传统方法主要以代价地图为基础,采用动态规划与几何运算等方法解决无人机群的路径规划问题。然而,这些方法难以解决无人机群的几何、物理与时间等复杂多约束问题,而且代价地图的构建十分耗时,使得无人机群难以应对复杂多变的实际环境。近年来,群体智能技术的出现为无人机群路径规划提供了新思路,该技术不但能够解决无人机一维静态的路径优化问题,同时为多维动态路径的优化提供更加精准、快速、有效的智能解决方案。此外,机载智能硬件的飞速发展也极大提升了无人机群的通信速率与运算效率,使得无人机群具备环境适应能力强、部署灵活和多功能集成等优势。基于以上背景,阐述了无人机群航路规划的环境感知建模、适应度函数、约束条件和障碍物规避四方面内容;综述了群体智能算法原理,并分析讨论了5种群体智能算法以及其应用于无人机群航路规划的优缺点;分析和展望了群体智能算法应用于无人机群航路规划与任务协同方向的发展趋势。     

无人机与消防机器人协同侦察灭火作业系统设计

针对当前因火灾等灾害给人类带来的巨大损失伤亡和目前消防机器人无法完成高精准定点喷射灭火的问题,本文提出采用无人侦察机与消防灭火机器人协同侦察和灭火的系统,通过采用空间测距和定位原理,配合机器人自身姿态等传感器,设计了一种系统侦察灭火协同作业系统,并对系统中的核心测距、定位和协同作业方法进行了原理论证。     

聚类与信息共享的多智能体深度强化学习协同控制交通灯

该文提出一种适用于多路口交通灯实时控制的多智能体深度循环Q-网络(MADRQN),目的是提高多个路口的联合控制效果。该方法将交通灯控制建模成马尔可夫决策过程,将每个路口的控制器作为智能体,根据位置和观测信息对智能体聚类,然后在聚类内部进行信息共享和中心化训练,并在每个训练过程结束时将评价值最高的值函数网络参数分享给其它智能体。在城市交通仿真软件(SUMO)下的仿真实验结果表明,所提方法能够减少通信的数据量,使得智能体之间的信息共享和中心化训练更加可行和高效,车辆平均等待时长少于当前最优的基于多智能体深度强化学习的交通灯控制方法,能够有效地缓解交通拥堵。     

基于PSO-SAS的联合侦察任务规划

针对联合侦察筹划中任务规划阶段机动侦察平台阵位与路线确定困难的问题,提出了一种基于粒子群优化-稀疏A星(Particle Swarm Optimization—Sparse A-star,PSO-SAS)算法的规划方法。该方法综合考虑侦察装备机动性能以及敌火力威胁、地形等因素,在侦察阵位规划上,建立了阵位综合评估模型,并利用粒子群算法进行阵位寻优;在路线规划上,采用稀疏A*算法进行航迹规划,通过将机动性能、安全距离、路程等约束引入搜索过程,缩短最优路线的计算时间。仿真试验验证了所提方法生成的侦察阵位和路线能够满足侦察任务要求。     

基于DTC和遗传算法的无人机-无人车任务规划方法

提出一种标准设计准则(Design to Criteria, DTC)和遗传算法相结合的任务规划方法。以任务分析和环境建模仿真模型语言描述无人作战飞机(Uninhabited Combat Aerial Vehicle, UCAV)/无人战车(Uninhabited Combat Ground Vehicle, UCGV)任务结构,基于DTC方法设计基于用户目标准则的效益函数来控制优化的过程,引入具有精英策略的遗传算法来求解UCAV/UCGV任务规划问题。任务规划过程中集成了路径规划,规划的结果是包含任务各项参数信息的动作序列。仿真结果表明,任务规划的结果能够满足不同需求,且有效融合了多项任务信息,在考虑异构平台能力差异性的基础上,提高了协同作战的整体效益。     

基于强化学习的通信受限环境多无人机协同策略

文章对基于强化学习的通信受限环境中的多无人机协同架构、通信需求和协同策略进行了分析,旨在提高多无人机协同的合理性,解决多无人机在通信受限环境中出现的问题,发挥强化学习的作用。     

基于层次分析法的多机协同任务规划问题研究

多机协同任务规划是多机协同作战面临的关键技术之一,该问题是一个多变量、复杂且高度耦合的多目标决策问题.该文提出应用运筹学的层次分析法(AHP,Analytic Hierarchy Process)进行简化和解耦,建立多机协同任务规划问题分解框架体系,给出具体分层解决方法,设计了应用实例,提供了一种解决该问题的思路.     

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。