无人机空对地多目标攻击的满意分配决策技术

任务分配是多无人机协同控制的重要内容。建立了多机协同多目标攻击排序的数学模型、并提出基于满意决策的攻击分配算法, 根据参与目标分配的每架无人机完成任务的预估效益和预估代价提出满意集, 建立拒绝函数和选择函数从而获得满意分配结果, 最后在Matlab环境下进行了数值仿真。仿真结果表明, 所研究的基于满意决策的多无人机协同攻击的目标分配方法是有效的。     

多无人机协同多任务分配研究

对多无人机协同多任务分配优化问题的目标函数构建进行研究。多无人机协同多任务分配模型的两个主要目标函数(无人机团队总飞行航程最小化和执行完所有任务时间最小化)都有各自的局限性,且两个指标函数存在利益冲突。通过为两个指标函数分配权重,建立融合两个指标函数的新指标函数,采用离散粒子群算法对协同多任务分配模型进行求解。通过调节权重的大小,可以适应不同的战场环境,使得两个指标函数都得到优化。仿真结果验证了所提方法的有效性。     

基于多目标遗传算法的异构无人机协同察打

针对多架异构无人机在未知环境下协同执行搜索打击任务。考虑无人机和目标资源问题,采用了一种组建联盟方式来完成打击任务,建立了组建联盟的多目标优化模型,并提出了一种并行带精英策略非支配排序的遗传算法(NSGA-Ⅱ)求解模型。通过具体的仿真验证了模型的合理性,分析了不同情况下的算法运行速度,并与传统方法进行对比,证明了并行NSGA-Ⅱ具有很强的实时性,且提高了任务的完成效率。     

反辐射无人机作战效能分析

应用WSEIAC武器系统作战效能模型给出了单架反辐射无人机的作战效能表达式，分析了影响反辐射无人机作战效能的关键因素，推导了多架反辐射无人机的作战效能表达式，并针对多架反辐射无人机的作战效能分析了攻击资源的分配。     

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.     

基于综合控制的无人机对地攻击技术研究

研究以无人机为平台,以激光制导导弹为武器的对地攻击技术。应用综合控制技术设计了一种无人机投放激光制导导弹的火力/飞行综合控制结构,由火控模块计算出航向偏差信号,飞控系统根据偏差信号,控制无人机以水平机动的方式完成瞄准;设计控制逻辑,保证无人机在各种条件下完成占位攻击任务;进行了包括无人机六自由度模型、综合控制模块、武器模块和目标模块在内的投弹仿真验证。结果表明无人机能很好地完成对地攻击任务,设计的综合控制结构合理有效。     

无人机侦察任务计划计算

无人机任务计划系统根据不同的无人机性能、机载载荷、任务信息以及威胁信息,对无人机的飞行高度、速度、时间以及载荷使用进行合理的分配,以保证完成任务的总的任务代价最小。本文首先根据无人机侦察任务情况建立相应的代价函数,利用层次分析法对代价函数的各个因子进行加权求和;然后分别对各个因素进行模型的建立;最后利用计算仿真得到无人机的侦察任务计划。按照制定的任务计划,可以达到任务执行性能最优。     

无人机在抢险救灾中的优化应用

针对在抢险救灾中的多无人机路径规划问题,文中采用遗传算法通过对无人机群的巡航矩阵进行编码组成染色体,设置不同个体数目和最大遗传代数优化巡航轨迹,同时采用0-1规划和非线性规划建立无人机终端流量传输矩阵,为每一个用户分配恰当的功率,使得无人机完成所有任务的时间总和最短。遗传算法分析结果:当从H 和J两处各派出3架无人机时至少需要11.37 h才能完成对7个重点区域的生命迹象搜索,此时巡航总距离为3 808 km,从H处派出3架无人机携带通信装备,并向灾区内的72个地面终端发送不同内容,至少需要25.81 h才能完成所有任务,此时巡航总距离为1 547 km。     

无人机对地多目标攻击决策研究

攻击决策是无人机对地攻击的重要内容之一,它包括火力分配（武器选择、武器分配）和目标决策（目标选择、目标排序）。在得到目标、载机、武器信息的前提下,通过动态贝叶斯网络推理模型,选择出用于进行攻击的武器类型;以Monte Carlo仿真结果为基础,完成攻击时的武器分配。以上述两步结果为前提,通过构造相应表格并对此表进行查询,完成了目标选择和目标排序。仿真结果验证了此多目标攻击决策法的合理性和有效性。     

基于重叠联盟博弈的无人机侦察时间资源分配优化

在利用多无人机进行多目标侦察时，需要进行合理的任务分配。优化无人机资源与任务重要程度之间的关系，才能充分发挥多无人机侦察的优势。为了实现多无人机协同侦察时的时间资源分配优化，首先根据任务点和无人机的位置分布情况对多无人机进行预分配，然后对预分配后的空闲无人机进行协同时间资源优化。将空闲无人机协同时间资源分配问题建模为重叠联盟博弈模型，通过对所构建模型的求解，得出多无人机的协同侦察时间资源分配方案。仿真结果表明，优化时间资源后侦察系统的收益得到了提升。     

不确定环境下的侦察无人机自主航路规划仿真

自主式无人机是无人机发展的必然趋势,不确定环境下的航路规划是无人机航路规划研究的新领域.为了研究战时条件下侦察无人机的自主航路规划,根据无人机的控制系统工作方式,建立了仿真模型框架,并在此基础上开展仿真研究.首先,针对战时条件下侦察无人机执行任务的不确定环境,从战场使用的实际情况出发,建立了基于目标存在概率的环境信息模型;然后,根据无人机机载探测设备探测区域建立了探测模型,提出了航路控制决策模型,并采用动态规划进行航路规划.最后,设计了一个无人机侦察不确定环境的仿真试验,仿真结果验证了该方法的有效性.     

面向频谱测绘任务的多无人机协同航迹规划方法

针对非合作环境下的传统频谱地图测绘方法中存在的低精度、低效率问题,本文提出了一种基于人工势场法的多无人机协同航迹规划方法。首先,构建了多无人机协同测绘方案及优化目标;然后,通过多无人机的预先航迹规划完成对环境的初步感知,并基于感知信息提出基于人工势场法的多无人机协同航迹参数设计方法;之后,基于设计的参数及采集的数据完成航迹的再规划,从而有效规避多无人机飞行过程中可能存在的重复采集数据及无人机之间发生碰撞等问题。仿真结果表明,相比与传统单无人机航迹规划方法,本文所提航迹规划方法能够高效、高精度、安全地完成测绘任务,所得结果满足了多架无人机协同飞行要求,具有较强的理论与实用价值。      

基于两步分布协同拍卖的多机协同任务分配

针对多异构机载平台对不同类型的地面目标执行攻击任务的协同任务分配问题,以平台载弹量以及摧毁任务目标的需弹量建立平台与任务之间的关系,以各平台的任务序列以及执行任务时的武器使用量序列作为决策变量,在基地-任务航路矩阵和任务-任务航路矩阵的基础上,综合考虑平台武器约束、平台航程约束、任务需弹量等约束,建立多机协同任务分配模型。设计了两步分布协同拍卖算法,通过多次生成任务的拍卖招标顺序和基地的拍卖竞标顺序,实现了多机协同任务分配问题的优化求解。仿真结果表明,所建模型和求解算法能够有效合理地解决多机协同对地攻击的任务分配问题。     

基于优先级与时间裕度的卫星应急观测任务规划

应急观测是对地观测卫星为配合地面紧急行动而执行的任务,具有紧迫性、集中性等特点,为任务规划带来了困难。针对应急观测的特点,描述了影响任务规划的卫星资源及任务的主要属性,定义了考虑重要性与紧迫性的任务优先级,提出了一个反映任务紧迫性要求满足程度的属性———时间裕度。建立了任务规划模型,构造了一个基于优先级与任务时间裕度的规划目标,确定了一系列规划约束,并利用遗传算法对模型进行求解。通过与最大化任务重要度的常规任务规划进行对比可见,所建立的模型能够有效提高任务成功率。     

Efficient data management and control over WSNs using SDN‐enabled aerial networks

The recent developments in collaborative search, acquisition, and tracking have hoisted the geographical barrier. The network between unmanned aerial vehicles (UAVs) and wireless sensor networks (WSNs) is one such collaboration, which comprises battery‐powered static sensor nodes that act as sources and sinks and UAVs that act as relays. This collaborative network presents with opportunities and advantages, but at the same time, configuration of such networks is an arduous task. The WSN nodes are characterized by constant depleting power. Their network itself requires constant management and reconfiguration. These requisites can be slaked through the formation of an efficient data dissemination algorithm, which acclimates according to the network state. Considering this, a data dissemination approach is presented in this paper, which constructs a virtual topology predicated on the charge of WSN nodes utilizing software‐defined networks (SDNs) through UAVs. The topology is constantly monitored and reconfigured when required. The aerial nodes are equipped with multiple‐input multiple‐output (MIMO) antennas in order to facilitate simultaneous communication with the ground nodes, the base station, and the SDN controller. An efficient sleep timer and backoff counter strategies are also utilized by the proposed approach. The SDN controller facilitates the topology formation and maintenance of a sleep timer and a backoff counter. The proposed model is compared with clustered hierarchical layouts and hexagonal cell layouts through the network simulations. The results suggest significant improvements in the proposed model for various metrics, such as lifetime, delay, latency, delivery ratio, and throughput in comparison with the existing solutions.     

PCSSHO: An implementation of Percentage of Circle Search and Spotted Hyena Optimizer for multi-constraint load balancing and routing framework in FANET

Flying ad hoc network (FANET) is a technology that has seen tremendous growth in the past years due to its application in various military and civil developments. Conventional topology-aided routing schemes are not suitable for large-scale FANETs. This is because of the higher mobility rate in UAVs with the architecture differences. Hence, several path entries in routing become invalid and the neighboring nodes can be occupied before the interruption. Hence, it is very important to solve the afore-explained issues in FANET. Initially, the task is assigned to the UAVs. These tasks are performed by satisfying the demands such as timing, congestion, and energy to attain the effective load-balancing performance. Then, the optimal clustering and cluster head (CH) selection are performed using the developed Percentage of Circle Search and Spotted Hyena Optimizer (PCSSHO) in the communication path. Here, the feature selection is done based on constraints like position, speed, moving direction, height variation, link quality, and inter- and intra-cluster distance. Then, the developed PCSSHO model performs routing by considering different constraints such as “end-to-end delay, delivery ratio, power consumption, and link quality.” Thus, the recommenced load balancing model in FANET secures an enhanced performance rate than the conventional load balancing frameworks.     

数据新鲜度驱动的协作式无人机联邦学习智能决策优化研究

联邦学习是6G关键技术之一,其可以在保护数据隐私的前提下,利用跨设备的数据训练一个可用且安全的共享模型。然而,大部分终端设备由于处理能力有限,无法支持复杂的机器学习模型训练过程。在异构网络融合环境下移动边缘计算(MEC)框架中,多个无人机(UAVs)作为空中边缘服务器以协作的方式灵活地在目标区域内移动,并且及时收集新鲜数据进行联邦学习本地训练以确保数据学习的实时性。该文综合考虑数据新鲜程度、通信代价和模型质量等多个因素,对无人机飞行轨迹、与终端设备的通信决策以及无人机之间的协同工作方式进行综合优化。进一步,该文使用基于优先级的可分解多智能体深度强化学习算法解决多无人机联邦学习的连续在线决策问题,以实现高效的协作和控制。通过采用多个真实数据集进行仿真实验,仿真结果验证了所提出的算法在不同的数据分布以及快速变化的动态环境下都能取得优越的性能。     

海上无人集群联合轨迹设计方法

针对海洋大数据收集场景,为提高数据收集效率,该文提出一种无人机和无人船联合数据收集方法.无人船在行驶过程中,通过放飞无人机并行驶到指定地点回收无人机,实现对目标海域内节点数据的高效收集.为最小化无人船和无人机工作时间,该文在无人机集群任务分配的基础上,引入连续悬停飞行(Successive-Hover-and-Fly,...     

针对弱硬实时系统的DRM调度算法

本文在定义支持多级QoS的弱硬实时系统周期任务模型的基础上,提出基于RM调度策略的弱硬实时调度算法DRM,它具备可调度判定不等式,不限定任务的QoS参数模式,并通过在调度的过程中动态调整任务的优先级来反映其紧迫程度.在系统过载时,DRM调度算法可以采用QoS退化机制,在保证紧要任务以及其所要求的最低QoS执行的同时,适当降低某些任务的服务等级,使得更多的任务可以有效运行,以此来提高系统对负载的适应性.最后,本文通过仿真实验,验证了DRM以及QoS退化机制的有效性.