通信受限下多无人机协同运动目标搜索

针对搜索问题中的目标通信限制和运动特性,采用连通矩阵建立了无人机通信拓扑结构。基于贝叶斯理论利用多架无人机联合探测信息对目标存在的后验概率进行更新,通过计算目标转移概率密度得到动态时敏目标的预测概率,提高了目标存在概率图的准确性;设计了一种调度信息素,建立了数字信息素图使用方法及更新机理,增强了无人机的协作性。在此基础上设计了合理的UAV协同搜索性能指标函数,最后在分布式模型预测控制框架下对性能指标函数进行优化求解,仿真结果表明两种搜索图能够引导无人机协同搜索,加强了机间合作,提高了搜索效率。     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。     

时序耦合约束下的多无人机协同任务决策研究

针对多无人机协同执行压制敌防空系统任务时各任务间所具有的特定时序耦合约束,建立相应的异构多无人机协同任务决策模型,提出了一种基于遗传算子的混合引力遗传搜索算法(GSA-GA)来进行问题求解,针对任务之间的时序耦合约束特点,设计了相应的编解码模式,融合遗传算法特有的交叉、变异操作算子对GSA-GA中的个体进行最优解搜索,仿真结果表明该算法能够有效地解决具有时序耦合约束时的多异构无人机协同任务决策问题。通过与传统DPSO算法进行对比分析,不仅具有明显的性能提升,且算法的编解码更易于操作,从而为无人机执行具有时序耦合约束任务时的协同任务分配问题提供了科学的决策依据。     

一种面向多无人机协同编队控制的改进深度神经网络方法

研究了多维度飞行数据下的协同编队控制问题,提出了一种基于改进深度神经网络的协同飞行控制方法。首先,使用深度神经网络在线整定PID控制器,设计了一种基于深度神经网络的PID控制器;其次,针对传统深度神经网络收敛速度慢、学习效率低的问题,同时为了满足多无人机编队飞行的实时性,在深度神经网络控制器中引入动量因子以提高网络的学习性能;最后,将所设计的改进深度神经网络控制器扩展到多无人机协同飞行任务场景实现协同编队飞行。对多无人机协同编队飞行进行仿真验证,仿真结果表明,所设计的改进深度神经网络编队控制器可以有效实现多无人机的编队生成与协同飞行。     

多无人机协同编队飞行控制研究现状及发展

无人机在军事和民用应用上越来越广泛,为使无人机能够更好地发挥作用,需要采用多无人机编队飞行控制来实现协同侦察、作战、防御及喷洒农药等任务.多无人机协同编队控制技术主要包括信息感知技术、数据融合技术、任务分配技术、航迹规划技术、编队控制技术、通信组网技术和虚拟/实物验证实验平台技术等.首先对国内外多无人机编队相关技术的现状和进展进行综述,然后重点对多无人机编队控制方法进行分析,并对队形设计、队形调整和队形重构等问题进行归纳总结,最后对多无人机协同编队所面临的机遇和挑战进行了展望.结果表明:目前多无人机编队飞行理论方面取得了丰硕成果,但是实物飞行试验仅能实现简单通信环境下的协同编队飞行,任务分配和航迹规划实时性不高,控制方法应对突发情况鲁棒性低,多机多传感器协同感知能力不足,欠缺对实体的仿真实现,未来的研究方向应是突破上述关键技术的不足,开展复杂感知约束和复杂通信环境下的多无人机协同编队飞行研究,提出更加有效的控制方法,并进行多无人机实物编队飞行试验,使无人机能够更好地完成既定任务.     

无人机目标搜索/识别/攻击作战效能评估方法研究

探讨了攻击型无人机目标搜索、识别、攻击作战效能评估方法问题.通过分析典型作战情况,在搜索理论基础上,运用概率方法,针对非任务协同的单机/单目标、单机/多目标、多机/单目标、多机/多目标情况及多机/多目标的任务协同情况,分别建立了数学模型,并给出单目标、多目标搜索生成树和目标识别矩阵.分析表明,虚假目标攻击率FTAR对任务成功概率PMS的影响,随着FTAR值大于0.01而变得更加敏感,且降低较多.任务协同对所有作战情况并不一定都能提高PMS,这对实际作战安排给出了指导性原则,对提高无人机机群的作战效能具有实际意义.     

面向多点侦察和通信服务的多无人机协同任务分配

针对多无人机对多个异构任务目标进行侦察和通信服务的协同优化问题,通过考虑不同目标的任务要求和价值,以及多机协同增益与任务行为制约关系,构建斯坦伯格博弈模型,将上层无人机建立为博弈领导者,下层无人机建立为博弈的跟随者,并提出一种分布式策略更新迭代算法,实现了多无人机任务分配方案的稳定收敛以及系统任务收益优化.仿真结果显示,所提方法能有效提升多无人机系统同时完成多个任务的效益,并能在不同环境下实现面向异构任务价值的高效协同.     

多机器人运动目标搜索策略研究

针对未知环境下多机器人合作搜索运动目标的问题，引入了搜索期望值和搜索增益两个概念，在此基础上提出了局部最大搜索、全局最大搜索、分区局部最大搜索以及分区全局最大搜索4种启发式搜索策略．仿真结果表明，以平均捕获时间作为评价标准，提出的几种搜索策略均明显优于随机搜索策略．     

一种三维多UAV协同航迹规划的空间模糊文化算法

针对多无人机在三维环境下航迹规划搜索空间大、多机协同困难等问题,提出一种基于空间模糊表示和差分进化相结合的文化算法.该方法首先用模糊集合表示三维空间网格点,提高关键路径点的被关注度;然后组合空间模糊信息、历史信息和协同信息成为文化算法的信念空间,用以剪枝规划的搜索空间;在文化算法的种群空间则利用差分进化生成满足多机协同约束的优解,并用差分获得的未知领域知识扩展信念空间,保证进化种群的多样性;最后,通过共享信息促进知识的积累和修正搜索的方向.仿真实验表明,该方法提高了关键路径点选取的效率,能够探索空间中更多的未知区域,避免求解陷入局部最优,更符合多机协同的需求,有助于快速规划出多条可行的协同航迹.     

面向复杂系统虚拟样机协同建模的方法研究

基于系统工程建模语言(SysML)与高层体系架构(HLA),提出了一种面向复杂系统虚拟样机(VPCS)的开放式协同仿真建模新方法。该方法可以实现VPCS中各类学科异构模型的集成和协同仿真。将VPCS划分为顶层模型、联邦模型和领域组件模型,并分析了VPCS的模型调度机制;利用该方法,对某型无人机的飞控系统虚拟样机进行协同仿真建模,结果充分表明,该方法可以有效地进行多层次、多粒度、多领域的VPCS仿真建模。     

基于遗传算法的多无人机协同逆推式路径规划

综合了多无人机群的任务和任务区域的特点,在优化过程中考虑了机群综合获利效益、无人机(UAV)的的最大转弯角限制和多无人机成员间防碰和威胁区域的生存概率,合理构建了UAV任务的目标函数和约束条件。将协同逆推预测控制(CRH)方法引入无人机机群路径规划方法的研究中,并采用遗传算法求出了满足目标和约束要求的控制量。仿真算例表明采用介绍的协同逆推式路径规划算法,任务空间中无人机能够自动地分别访问不同的目标以得到最大的获利值,证明了算法的有效性。     

变电站故障预警巡检机器人自主运动规划

针对当前变电站巡检无人化的场景需求,结合变电站的内部环境特征、巡检机器人运动学与动力学模型,提出智能巡检机器人自主运动规划方法与故障诊断方法.为克服传统蒙特卡洛算法中机器人绑架和粒子数固定问题,提出自适应蒙特卡洛定位算法,对巡检机器人位置实时定位,并与故障阈值的异常温度检测与报警算法相结合.通过真实场景下的路径规划与多种电力器件温度监测实验,证明了提出的方法能有效规划最优巡检路径与温度巡检任务.     

多重威胁下的无人机自主避障航迹规划

无人机作为一种新兴的无人作战力量和不可或缺的民用设备,现已渐渐融入到国家安全和社会发展中的各个方面,航迹规划是保障无人机顺利完成既定任务的核心环节.为解决规划空间存在诸多静态和动态威胁的实时航迹规划问题,提出了一种基于滚动时域的无人机自主避障航迹规划方法.首先将航迹规划模型构建为单目标函数优化问题,根据无人机简化运动学模型和约束条件,采用滚动优化策略生成最优航迹序列;然后对最优航迹序列之间的航迹再一次采用滚动优化策略产生子序列,综合考虑威胁和飞行约束,利用负梯度下降法搜索航路点,采用遗传算法对子序列进行规划;最后经反复滚动迭代优化可得近似全局最优航迹,同时利用贝塞尔曲线对航迹进行处理,使其表征实际的飞行航迹.实验仿真结果表明:验证了模型的合理性和方法的有效性;具有良好的威胁规避能力并能规划出一条光滑航迹;与全局规划方法相比,该方法减少了收敛时间,实时性更强,能够快速、鲁棒地收敛到近似全局最优解.     

基于线性加权数据融合的协作频谱感知优化

在认知无线电网络中,协作频谱感知技术可有效地缓解本地感知场景中存在的隐藏终端等问题。为了获得更大的协作增益,该文采用基于数据融合的协作频谱感知策略,融合中心依次收集各次用户上报的本地能量检测数据,然后进行线性加权融合,并做出最终判决。重点研究了线性加权融合方案的优化,推导了各次用户分别在Neyman-Pearson(N-P)和Bayesian两种不同准则下的最优融合权重,并在Suzuki感知信道下进行了蒙特卡洛仿真和数值验证。结果表明,N-P准则下给出的两种优化加权融合方案MDC和NDC性能相近,且均比EGC、SC、MRC等常用的融合方案具有更高的协作检测概率;而Bayesian准则下推导的优化加权融合方案BAY在检测可靠性方面明显优于其他方案。     

基于蒙特卡洛算法的精度试验序贯检验方案设计

介绍了武器系统精度试验的序贯检验方案,分析了方案设计时在设计计算中存在的问题并提出了采用蒙特卡洛法进行序贯检验的方案.实例表明运用蒙特卡洛随机仿真模拟方法进行序贯检验方案设计,能够得到满足设计风险的检验方案,可以作为序贯检验方案设计的有效手段.     

终端区多场景有人机/无人机空中碰撞风险研究

随着无人机产业的蓬勃发展和应用场景的不断拓展,无人机干扰航班正常运行的情况时有发生。为研究终端区内无人机与有人机的碰撞风险,本文构建3类典型场景:无人机与有人机在航路中运行;无人机与有人机自由飞行;无人机自由飞行,有人机在航路中或沿进离场程序飞行。场景一使用Reich模型,利用正态分布函数计算碰撞概率。场景二使用气体模型,考虑航空器速度大小方向对碰撞概率的影响。针对前两者的局限性,提出更符合实际运行场景三的改进碰撞模型,通过有人机与无人机的4D航迹冲突,结合蒙特卡洛法进行仿真,计算有人机与无人机的碰撞概率。结果表明,基于4D航迹冲突的碰撞概率计算方法能够满足终端区内有人机/无人机碰撞风险估算需求。     

Optimal Parameters for Pricing of the American Put Options with Least Square Monte Carlo Simulation

Pricing the American put options requires solving an optimal stopping problem and therefore is a challenge for the setting up of simulation parameters. This paper uses least square Monte Carlo (LSMC) simulation to price the American put options and output the optimal simulation steps and number of Hermite basis functions. The results suggest: with different time cost and error tolerance, investors can choose the optimal simulation steps and number of basis function individually to price American put options numerically. Generally, with the pre-limitation in the section "least square Monte Carlo simulation", a number of basis equals 4, 15 000 simulation steps for Hermite basis function appear to be sufficient for the method.     

认知无线电网络中基于演化博弈的协作频谱感知技术

 提出了一种基于演化博弈理论的认知网络协作频谱感知方法．对协作频谱感知中次级用户的传输时间和吞吐量进行分析,建立协作感知的博弈模型并研究其动态演化特性,基于次级用户吞吐量最大化准则,得到相应纳什均衡解,在此基础上提出一种次级用户自适应分布式学习算法．理论分析和仿真结果表明,这种协作感知方法在保证检测性能的基础上,有效减少了协作通信开销,提高了次级用户吞吐量．