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。     

分布式作战系统要素协同控制理论与方法

本文分析了分布式作战系统要素协同控制中的若干不确定问题,包括一致性理论对分布式作战系统要素协同控制的适用性、人在回路和自主协同控制等问题,采用代数图论、动力学和自动控制理论等建模方法,描述了包含感知、决策和交战三层结构的复杂非线性动力学模型。 本文还研究了要素自主协同序参量模型,来度量分布式作战系统要素协同作战的协同能力和协同效果。     

多无人机任务集结合作博弈优化自组织协同控制

基于一致性理论的多无人机系统自组织协同作战是未来无人机应对突发任务的重要方式,任务集结是协同作战的首要行动和自组织协同控制的重要内容。为优化集结行动中系统任务状态协调过程能量最优性、协同控制动态响应性和集结行动时效性3个性能指标,采用基于快速一致性控制算法的协同控制结构,在合作博弈框架下给出多无人机系统自组织协同与优化控制问题描述,建立了优化控制输入的Pareto解集,采用Nash讨价还价方法给出基本合作博弈优化一致性控制算法。在基本算法中引入过去状态差值,并以优化目标构建适应度函数,采用遗传算法优化代价函数的加权矩阵,得到改进合作博弈优化一致性控制算法。理论分析和仿真实验验证了方法的可行性和有效性。     

面向分布式融合估计的快速一致性算法

针对分布式多传感器网络信息融合估计问题, 提出一种快速一致性算法。首先, 对图论知识、多智能体平均一致性算法以及加权矩阵进行描述; 其次, 利用LMS原理以及本地节点与邻居节点的估计误差定义代价函数, 并利用其对加权矩阵进行更新, 得到快速一致性算法, 同时简要介绍了参数选取问题; 最后, 对常用加权矩阵进行仿真实验。结果表明, 快速一致性算法能够提高一致性的收敛速度, 在传感器网络连通度较低时效果明显。     

高阶多智能体系统的一致性分析

 移动多智能体系统的一致性问题是复杂动力学系统中非常有现实意义的问题.在网络通信拓扑固定时,本文基于矩阵分解理论,提出了高阶多智能体系统中的信息流一致性收敛判据,给出了渐近收敛的充分必要条件;在通信拓扑具有最小生成树的前提下,通过构建多输入多输出系统的闭环传递函数,得到了各个阶次的状态量权重系数对收敛稳定性的影响效果,指出只要状态量权重满足Hurwitz稳定条件,即可实现一致性收敛.最后给出数值算例,仿真结果验证了结论的正确性.     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

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。     

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。     

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。     

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.     

基于SAS算法的三维多UAV协同航迹规划方法

在实际应用中航迹规划着重考虑的是规划出的航迹应具有良好的可靠性能,针对多UAV协同航迹规划有多个约束条件且环境复杂、规划耗时长等问题,使用智能算法解决多UAV协同航迹规划问题无法确保规划航迹的可靠性能。因此,提出了一种启发式SAS算法,用以解决此问题。仿真结果证明,使用该算法规划出的航迹具有较高的可靠性。     

基于可信度计算的分布式共识合作感知算法

对于分布式的认知无线网络,由于不存在融合中心节点,次级用户节点之间的合作感知往往 采用信息交互的渠道进行,其中一种基于共识合作的感知机制受到广泛的研究,但这种机制 在鲁棒性方面存在一定的缺陷,当恶意节点存在时,其错误信息将影响局部的感知判决结果 ,为此,提出一种基于感知节点可信度的共识合作感知机制。在该机制中,各节点对邻居节 点的可信度进行计算,并把计算出的可信度值发送给其他节点,通过对各节点可信度的累加 计算,最终计算出各节点的可信度,各节点以此决定是否与其邻居节点合作以及如何合作。 仿真结果证明,在恶意节点存在的情况下,该算法在感知性能和收敛速度上都较未改进算法 有不同程度的提升,减轻了不可靠节点对合作感知结果的影响。     

基于改进鲸鱼算法的多无人机协同欺骗干扰技术

多机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,往往需要利用群体智能算法优化无人机的飞行任务,然而采用传统群体智能算法优化时往往会出现收敛速度慢、求解精度低等问题。针对这一问题,对标准鲸鱼优化算法进行了改进,提出了一种基于改进鲸鱼优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数,然后在标准鲸鱼优化算法的基础上引入了自适应惯性权值,提高了算法的全局搜索能力和收敛速度。仿真实验表明,固定无人机数量为9架时,利用改进鲸鱼、标准鲸鱼、粒子群、蚁群4种算法分别优化多机协同欺骗干扰模型,得出改进鲸鱼优化算法平均运行时间最短,迭代次数最少,同时优化产生的实际航迹与理论值误差最小;逐步增加无人机数量至20架,利用上述四种算法进行模型求解时得出改进鲸鱼优化算法在不同无人机架数的条件下产生的假目标航迹条数均优于其他3种算法。