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。     

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。     

一种基于态势的多传感器任务规划调度方法

分析了一种基于态势的多传感器任务规划调度方法。首先,根据传感器探测能力、目标预测轨迹,生成多传感器协同探测任务,并分解合并形成若干个探测子任务;然后,基于构建的协同探测效能函数,对每个探测任务进行传感器资源分配,通过特殊降维处理,实现传感器与目标分配方案的快速生成;最后,仿真分析了协同探测任务调度算法模型。特别地,针对传感器、目标规模都较大时,提出了一种经过改进的多传感器协同探测目标资源分配方案快速生成的优化方法,可满足多传感器协同探测任务高实时高可靠分配调度要求。     

面向多模异构任务的无人机集群自主协同优化

针对无人机集群同时遂行多个异构模式、异构价值、异构需求任务时的自主协同优化问题,构建了集群遂行多模异构任务协同优化模型,提出了一种基于重叠式联盟博弈的分布式协作算法。通过综合考虑任务模式、任务价值、任务需求,以及集群中不同无人机成员的资源情况,基于不同任务类型下联盟内任务成功率和效能计算,优化无人机任务选择和资源分配并实现算法收敛和系统稳定,以及优化的分布式多机协同。仿真结果表明,所提方法能有效提高系统效用和任务成功率,并能在不同环境下实现面向异构任务目标的高效协同。     

基于聚类和强化学习的多无人机协同侦察任务规划

针对多无人机协同侦察规划问题,由于自顶而下的研究方法有效降低了问题的求解难度,该方法逐渐成为主流研究方向。然而,当面对当前环境发生变化时,上述方法需要对问题进行重新优化求解,以至于实时性表现较差。为解决上述问题,文中提出基于聚类和强化学习的无人机群协同侦察任务规划,该方法将无人机荷载的探测半径考虑到侦察任务的聚类算法中,将探测半径作为范围限定,对整个任务区域进行划分,重新聚为K个子区域,并将子区域内的目标归类到一个中心目标,从而使得原始目标的聚类结果更鲁棒的同时有效降低任务的量级。此外,将影响协同任务的关键因素,例如无人机航行状态、存活几率以及环境变化等要素作为任务目标的约束项,构建协同侦察任务规划的优化模型;最后将奖励函数应用到协同任务求解中通过最大化奖励优化模型的性能,从而达到对环境等要素的良好适应性。     

未知环境下多无人机协同搜索与围捕策略研究

针对多无人机在未知环境下的目标搜索与围捕问题，文中提出一种多无人机协同搜索与围捕策略。该策略分为两部分：一是基于区域划分的多无人机遍历式协同搜索；二是基于时间一致性的多无人机协同围捕。首先，根据相关参数对任务区域进行子区域划分，并根据无人机与子区域中心点距离以及子区域的状态进行子区域搜索任务实时分配；其次，根据目标的位置以及建立的围捕点生成模型，解算出围捕点；最后，采用距离协商法，根据各无人机与各围捕点之间的距离进行围捕点的合理分配，并根据各无人机与其配对围捕点之间的距离以及无人机的速度范围建立多无人机的时间一致性约束，通过调节各无人机的飞行速度实现同时到达配对围捕点的目的。考虑到环境未知，在多无人机协同搜索与围捕的过程中，采用VFH+进行无人机的局部路径规划，以确保无人机的安全。仿真结果表明，所提出的多无人机协同搜索与围捕策略具有可行性。     

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.     

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。     

面向隐蔽侦察任务的无人机中继通信频谱资源优化方法

战场环境下,无人机因其自身辐射被敌侦收而产生安全威胁,并容易对其他通信网络产生干扰。为提高无人机安全执行战场侦察任务时的侦察信息传输速率,提出面向隐蔽侦察任务的无人机中继通信频谱资源优化方法,通过功率控制避免被敌方反侦测,并利用无人机中继增大系统通信速率,通过频谱资源优化达到无有害干扰通信的目的。同时提出了基于块坐标下降法与连续凸近似法相结合的频谱资源联合优化算法,通过对带宽分配、发射功率和无人机轨迹等变量的联合优化获得次优解。仿真结果表明：与基准策略相比,联合优化算法具有更高的信息传输速率。     

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。     

基于无线紫外光隐秘通信的侦察无人机蜂群分簇算法

针对复杂战场环境下无人机(UAV)蜂群的渗透侦察任务,考虑无人机间信息传输时能量消耗的不均匀性,影响侦察任务的高效实施,该文提出一种基于无线紫外光隐秘通信的侦察UAV蜂群分簇算法。该算法结合无线紫外光散射通信的优点,通过分簇拓扑管理机制对UAV蜂群进行能耗平衡。仿真结果表明,与现有算法相比,所提算法能够有效均衡网络能量消耗,提高网络的传输效率,并且选取合适的数据包长度及节点密度可延长UAV蜂群的生存周期。     

Adaptive offloading with MPTCP for unmanned aerial vehicle surveillance system

Unmanned aerial vehicles (UAVs) are utilized in the surveillance and reconnaissance system of hazardous locations by utilizing the feature that they can freely move away from space constraints. Furthermore, the application scope of the UAVs expanded not only for simple image data collection but also for analysis of complex image data without human intervention. However, mobile UAV systems, such as drone, have limited computing resources and battery power which makes it a challenge to use these systems for long periods of time. In this paper, we propose an AOM, Adaptive Offloading with MPTCP (Multipath TCP), architecture for increasing drone operating time. We design not only the task offloading management module via the MPTCP to utilize heterogeneous network but also the response time prediction module for mission critical task offloading decision. Through the prototype drone implementation, we show the AOM reduces the task response time and increases drone operation time.     

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。     

适用于无人搜救机组的新型移动中继通信模型

为了提高无人机远程搜救系统的通信效率和整体搜救成功率,提出了无人搜救机组的新型移动中继通信模型。该模型引入移动中继和协同通信技术,实现无人机组之间以及无人机组与地面基站之间的通信连接、数据传输和信息同步。理论分析和仿真测试表明,该模型提高了无人机组的数据采集效率,减少了无人机组的数据采集时间,提高了控制平台的机动性和搜索效率。     

面向接入回传一体化的毫米波空地网络建模与分析

无人机(UAV)作为空中基站有望成为传统地面网络的有力补充,以提供灵活覆盖和容量增强的解决方案.然而,大多现有研究忽略空中基站的无线回传这一实际因素对网络性能和用户体验的影响.为此,考虑接入回传一体化的空地毫米波蜂窝网络场景,其中无人机提供热点流量传输服务,地面基站(TBS)提供无人机回传链路并且服务非热点区域用户,以...     

多雷达空间目标协同探测任务规划研究

针对空间目标监视存在各传感器资源相互独立,预警资源得不到有效利用,导致空间目标探测时长不够、探测精度低等问题,提出了一种多雷达空间目标协同探测的任务规划方法,综合利用多个雷达传感器资源对空间目标进行协同探测,最终达到在短时间内累积足够的多圈有效探测数据进行协同探测的目的。文中通过对任务目标分析、资源编组、可探测性分析、弧段筛选分配等关键性技术进行分析,具体阐述了解决问题的方法。该任务规划方法在解决上述空间目标探测问题的同时可以大大节省雷达资源。     

有人/无人机混合编队协同任务分配方法

任务分配方法是任务控制过程的重要组成部分,是协同作战指挥决策的关键。本文在多无人机协同任务分配的基础上,分析了有人/无人机编队协同作战的突出特点,着重研究飞行员工作状态对参与任务分配的各无人机作战效能的影响,建立了基于飞行时间和工作负载的飞行员工作状态评价模型,并对传统无人机作战效能函数的数学模型进行改进,提出了有人机飞行员工作状态影响下的无人机效能评估模型。针对有人/无人机混合编队协同作战想定,进行了仿真计算。仿真结果表明：飞行员工作状态会对无人机的任务效能和编队的任务分配结果产生显著影响, 同时说明在有人/无人机混合编队的效能评估和任务分配过程中,飞行员的工作状态影响是不可忽略的因素。