基于改进A*算法的多无人机协同战术规划

多无人机协同作战是未来无人机作战方式的重要发展趋势。为增强多无人机系统的任务执行能力,提高系统整体作战效能并实现高效资源分配和调度,提出一种基于改进A^*算法的多无人机协同战术规划方法。按照离线规划和重规划两方面,设计战役层和战术层的作战目标迭代优化方案;建立编队协同作战的数学模型,以编队成员间的时间协同和碰撞协同代价为变量,得到多约束条件下的综合编队目标函数;结合多层变步长搜索策略和单步扩展的搜索方式,基于改进A^*算法,用于求解复杂战场环境下的多无人机编队协同作战航路。分别利用改进A^*算法和传统A^*算法进行对比仿真实验。仿真结果表明,多无人机协同战术规划方法能够较好地完成作战任务,改进A^*算法能够获得更优的航路,从而验证了所提算法的有效性。     

障碍物环境下的多AUV主从式编队控制

针对当环境中存在障碍物时,Leader-Follower编队控制中的Follower可能会与障碍物相撞的问题,提出了一种障碍物环境下的多自主水下航行器（AUV）主从式编队控制方法。首先,提出了一种通过改变AUV编队目标点的避障方法,并对其进行数学模型的建立和解析。然后,在Leader-Follower编队控制中,基于级联方法,研究了欠驱动AUV的编队控制问题。将Follower跟踪系统分解为相互级联的位置跟踪系统和航向角跟踪系统,推导出保证系统全局一致渐近稳定的控制参数。仿真结果表明,该方法具有良好的避障和编队控制效果,控制设计可以保证闭环系统渐近稳定,是有效的和可行的。     

人工势场和虚拟结构相结合的多水下机器人编队控制

传统的多水下机器人（AUV）编队算法,例如领航跟随法、虚拟结构法,对编队形成过程中AUV间的避碰问题和编队行进过程中的避障问题,没有进行有效解决。人工势场法可利用势函数进行避碰、避障,但队形组织能力略显不足。针对上述问题,提出了一种人工势场和虚拟结构相结合的多AUV编队控制算法。将系统分为3个部分：编队参考点、虚拟结构质点和AUV. 以编队参考点为中心形成期望的虚拟结构以组织队形;虚拟结构质点以期望的虚拟结构为运动目标,并在运动的过程中,通过人工势场斥函数,实现避碰和避障;AUV对虚拟结构质点进行目标跟踪,从而渐进形成AUV的队形。通过编队路径跟踪、编队队形变换和编队避障等一系列仿真实验,对算法的可靠性和灵活性进行充分验证。实验结果表明：在随机的初始位置条件下,多AUV系统可以快速无碰撞地形成队形;在编队行进过程中进行灵活的队形变换,并对障碍物有效避碰。     

航母编队油料伴随补给规划模型及算法研究

基于航母编队油料伴随补给规划问题,提出作战背景下补给舰船的3种补给策略。根据合理假设,将解决TSP问题的指导思想加以改进并应用于补给规划问题中。以最小化补给时间和最大化作战效能为目标函数,分别构建补给规划模型,通过Matlab软件,利用改进的多目标离散粒子群算法对问题进行求解,并进行仿真实验验证。仿真结果表明：该方法是合理、有效的,能获得更小的补给时间和更大的编队作战效能,较好地实现航母编队油料伴随补给规划问题的优化。     

基于盲区概念减少通信量的多AUV 编队控制

针对在水下复杂环境中编队控制多AUV协作的问题,设计一种使用人工势场和虚拟领航者并引入盲区设计的多AUV分布式协作控制方法。介绍一种用于AUV集群在无障碍条件下的形成期望编队的反馈控制规律,详细分析了基于虚拟领航者和盲区概念以减少通信量的控制规则,建立了AUV编队的数学模型,通过反馈控制完成AUV集群的预定编队,在无障碍环境下达成一种能减少通信量的AUV编队的协调与控制。仿真实验结果验证了该编队控制律的有效性。     

无人作战飞行器编队协同攻击轨迹规划研究

研究了无人作战飞行器（UCAV）编队协同对地攻击轨迹规划问题。基于单机运动学/动力学方程、编队成员相对运动模型和威胁模型,结合平台初、末端约束条件,建立了编队协同对地攻击轨迹规划数学模型;提出了综合考虑单机威胁、任务时间、编队等效碰撞次数及执行指令时间误差的综合目标函数,形成最优控制方法的求解框架。为使编队整体轨迹优化,将编队任务轨迹分段。采用hp自适应伪谱法对构建的模型进行解算,得到编队攻击轨迹。数字仿真结果表明：规划的编队攻击轨迹满足约束要求,证明了所构建的编队攻击轨迹规划模型的有效性。     

航母编队油料伴随补给规划模型及算法研究

基于航母编队油料伴随补给规划问题,提出作战背景下补给舰船的3种补给策略。根据合理假设,将解决TSP问题的指导思想加以改进并应用于补给规划问题中。以最小化补给时间和最大化作战效能为目标函数,分别构建补给规划模型,通过MATLAB软件,利用改进的多目标离散粒子群算法对问题进行求解,并进行仿真实验验证。结果表明,该方法是合理、有效的,能获得更小的补给时间和更大的编队作战效能,较好地实现航母编队油料伴随补给规划问题的优化。     

具有输入约束和通信时滞的多智能体编队鲁棒镇定

针对多智能体编队运动过程中同时存在个体输入约束、通信时滞和网拓扑结构随机变换的实际问题,并考虑到编队队形和速度变换需要,设计了一种具有加速度、速度引导信息的一致性编队控制器,推导了编队系统的鲁棒镇定条件。首先,定量描述了编队、时滞和输入约束问题;其次,应用一致性算法设计了个体编队控制律,推导了具有输入约束和时滞的编队控制器和闭环系统状态方程,获得了系统的等价模型;然后,证明了存在输入约束的情况下编队能够容忍的最大加速度,进一步,分别将系统的输入约束、网络的随机变化处理为范数有界不确定性,基于Lyapunov泛函和LMI,证明了编队系统的全局鲁棒镇定条件;最后,仿真实例证明了理论结果的正确性。     

面向任务驱动的海上编队云作战体系动态超网络模型

针对云作战新型作战模式,提出了基于作战任务域、逻辑功能域和资源实体域,以及情报侦察网、主动辅助决策网和火力打击网的海上编队云作战体系分析模型。抽象表征了海上编队云作战体系的功能节点、信息关系以及关联映射规则,建立了面向任务驱动的海上编队云作战体系动态超网络模型。面向超网络要素特征、超网络关联特征和超网络弹性特征构建了海上编队云作战体系动态超网络特征参数空间。通过海上编队防空典型作战任务对模型进行了仿真实现,并基于特征参数对仿真结果进行了对比分析。仿真结果表明,海上编队云作战体系动态超网络具有较好的鲁棒性和网络弹性,云作战体系相比于传统作战体系具有更好的抗毁性和打击效率,该方法能够科学有效地对海上编队云作战体系进行动态建模。     

基于多智能体和合同网的巡航导弹自主任务分配

针对巡航导弹编队自主任务分配问题,将单个巡航导弹武器视为一个Agent智能体,多巡航导弹构成多Agent系统(Multi-Agent System,MAS),建立了MAS任务分配目标函数及相关约束模型,鉴于任务分配的分布式特点,引入合同网协商方法,建立了基于合同网(Contract Net Protocol,CNP)的自主任务分配模型。通过仿真验证了模型的正确性,计算结果表明合同网可以有效解决巡航导弹编队自主任务分配问题,并达到整体分配效果最优。     

事件触发的多AUV编队模型预测控制算法

针对复杂环境中自治水下机器人(autonomous underwater vehicle,AUV)编队的避障控制问题,提出一种基于事件触发的模型预测控制(model predictive control,MPC)算法。建立水下机器人运动模型,结合领航-跟随式队形控制方法,利用领航AUV的位置信息和编队期望队形得到虚拟AUV的航行轨迹及速度信息,将其作为跟随AUV的航行参考轨迹;对传统人工势场法(artificial potential field,APF)进行适应性改进,以满足AUV编队在障碍物环境中避障规划的需求;设计一种基于跟随AUV轨迹预测值与实际值误差的事件触发机制来减少求解优化问题的计算量,降低计算负担。结果表明：与其他算法相比,该算法仿真结果具有可行性和有效性。     

基于复杂约束条件的欠驱动AUV三维路径规划

为解决欠驱动自主水下航行器（AUV）在复杂水域下的三维路径规划和避碰问题,结合欠驱动的运动特性与自身约束条件,提出一种改进的蚁群结合3次B样条曲线拟合的算法,模拟现实海域环境信息进行水下空间环境建模。针对传统蚁群算法规划出的全局路径转角大、曲折多所造成的欠驱动AUV舵轮使用寿命低的问题,采用垂直面安全域设置的方法,设计基于低崎岖度的适应度函数结合路径长度与平缓度的双边评价体系规划出全局路径。采用3次B样条曲线,基于原型值点及目标点速度矢量约束拟合出一条曲率连续、无碰撞的优化路径。仿真结果表明,在保证收敛速度和全局搜索能力的前提下,所规划的路径合理,满足欠驱动AUV运动条件。     

自主水下航行器多终点航路规划的距离正则化混合水平集算法研究

为进一步提升水平集算法求解自主水下航行器(AUV)时间最优航路的计算效率,结合局部化思想和多项式距离正则化方程,提出一种用于AUV多终点航路规划的混合水平集算法。通过引入简单多项式距离正则化项,融合海流模型,推导新的水平集演化方程,并给出数值实现方法。所提算法无需重复初始化窄带且一次演化就能获得至多终点的所有最优航路集,解决了AUV多终点航路规划时计算效率不高、规划时间过长的问题。仿真结果表明,相较于蚁群算法和量子粒子群算法,在AUV的多终点航路规划中,混合水平集算法计算效率是蚁群算法的6.4倍,是量子粒子群算法的1.6倍,且鲁棒性更佳。     

基于模糊控制的仿生机器鱼避障算法

在具有复杂性与不确定性的水环境下,针对无法建立精确的水下机器人控制数学模型问题,提出基于模糊控制的仿生机器鱼避障算法。将视线导航原理与模糊控制思想相结合,进行水下机器人路径规划。通过专家经验,设计一个模糊控制器,实时调整水下机器人的运动方向,并通过仿真实验验证该算法的有效性。仿真及实验结果表明：该算法能实时、稳定地提供水下机器人的运动路径,有效躲避障碍物,安全达到目标点。     

基于智能对抗进化的联合火力打击任务规划方法

针对常规联合火力打击任务规划方法很少涉及敌我对抗,导致评估环境发生变化的问题,提出一种基于敌我对抗进化的智能对抗进化算法。该算法以遗传算法为基础,将模拟生物竞争机制引入敌我双种群,互为评估条件实施对抗进化。依据敌我战场态势图构建观察-判断-决策-打击（OODA）超网络,计算OODA循环效率、确定敌我打击排序,通过多代对抗进化获得能够适应战场动态变化的任务规划最优个体。仿真结果表明：多代进化后的最优个体相比于标准优化结果,战场动态适应性更强,联合火力打击胜率更高,应对突发情况的响应机制更完善,能够有效地解决联合火力打击任务规划的评估优化问题。     

水下平台三维航路多约束多指标规划的蚁群策略研究

为综合考虑各类约束因素和综合性能指标的实际需求,克服传统的单性能（航程）指标优化和地形障碍约束的局限性,从安全性、隐蔽性、快速性角度实现三维海洋环境要素的充分运用,提高三维航路规划算法的有效性和适用性,设计了水下平台三维航路多约束多指标规划的蚁群策略。引入了栅格模型对三维海洋空间环境进行描述;充分考虑了水下平台性能、地形、海洋环境以及任务约束,构建了三维航路蚁群规划策略,设计了多约束启发函数和多指标评价函数;对算法进行了仿真验证。结果表明,该算法充分考虑海洋环境要素影响,基于多约束启发函数和多指标评价函数,通过灵活设定规划系数,实现不同性能指标、不同任务约束的三维航路规划,能够较好地符合水下平台的航行需要。     

无人机编队Dubins 航路规划及编队控制器设计

为完成无人机编队任务并解决无人机在飞行中因干扰而造成编队任务失败的问题,设计一种无人机编队 任务的Dubins 航路规划算法及控制器。根据无人机编队同时到达集结点的时间一致性要求,利用解析几何方法进行 航路设计,通过分析无人机飞行状态,设计了能够进行速度调整的控制器,并使用六自由度无人机模型验证了航路 算法及控制器的性能。仿真结果表明：该航路算法能够解算出各种编队任务的飞行航路,在控制器作用下能够很好 地完成编队任务。     

基于指标函数集合排序法的UUV航路规划

潜艇艇载战术无人水下航行体（UUV）的军事应用要求其全局航路规划求解算法必须兼顾计算快速性与任务适应性要求。使用动态规划算法求解该问题较其他算法具有求解速度快的优势，而传统动态规划使用单一指标函数存在任务适应性不高的问题，为此提出使用指标函数排序集合的改进方法，说明了该方法的使用时机与程序实现要点。该方法用一个可变的指标函数集合代替了单一的指标函数，其程序流程与传统方法基本相同，只是初始化模块、算法模块以及一些预备工作有所不同。仿真结果证明了改进方法的有效性，且在任务适应性上有明显提高，可降低整个航路规划的时间消耗。     

室内移动机器人运动规划与导航算法优化

为提高动态规划算法的效率与安全性,设计一种适用于动态复杂环境运动规划的优化算法.从状态搜索空间、路径重规划和路径平滑性3个方面对跳点搜索(jump point search,JPS)路径规划算法进行优化,通过与动态窗口法(dynamic window approach,DWA)轨迹规划算法融合对其评价函数进行优化,实现基于动态窗口方式的实时避障,并对A*、JPS算法和改进JPS算法的仿真测试进行对比实验.实验结果证明了该优化算法的可行性与安全性.