基于模糊c均值聚类的多无人机协同搜索策略

针对多无人机静态搜索任务与持续监视任务开展多无人机协同搜索策略研究。针对基于"回报率"图的贪婪搜索策略和分布式协议搜索策略在搜索收益和剩余"回报率"均匀性方面存在的不足,对其原因进行了分析并提出了基于模糊c均值聚类的多无人机协同搜索策略,该策略将模糊数学的方法引入多无人机协同搜索领域,将离散搜索环境以"回报率"和空间位置为特征矢量进行聚类划分,减少了无人机转场次数,降低了搜索代价的无功消耗,提高了搜索收益和剩余"回报率"均匀性。仿真结果表明,本文提出的协同搜索策略在静态搜索任务中比贪婪策略的搜索收益提升了39.03%,剩余"回报率"降低80%,比分布式协议搜索策略性能有所提升;而在持续监视任务中,本文提出的搜索策略的搜索收益比两种基准搜索策略提升了22.74%和18.82%,剩余"回报率"均匀性分别提升了89.28%和87.37%,有效地提高了多无人机协同搜索的任务效能。     

多无人机协同搜索研究综述

介绍了多无人机协同搜索的需求和意义,在此基础上,分析了目前国内外多无人机协同的研究项目。围绕战场环境建模、协同体系结构、搜索策略、搜索算法四个方面对国内外的研究现状进行了分析和论述,并对多无人机协同搜索的发展趋势进行了展望。     

多无人机远距突防协同目标搜索决策

针对需要远距突防的不确定区域运动目标的搜索问题,提出了多无人机（UAV）远距突防和协同目标搜索的路径决策。改进基本的二维扩散模型,建立考虑目标运动与地理环境限制条件下的不确定区域扩散模型,在此基础上基于电势场算法和滚动时域控制研究了远距突防与优化路径决策策略。综合考虑不确定性降低收益、平均不确定度与综合抗力,构建协同搜索收益函数,为协同搜索路径决策提供路径优化准则,进行仿真实验。仿真结果表明,本算法能够有效地应对突发威胁与不确定区域扩散,完成多UAV远距突防与协同目标搜索任务。     

时敏目标多无人机协同打击任务的关键技术

针对时敏目标多无人机协同打击任务,在阐述了时敏目标概念及其时敏特性的基础上,介绍了其发展历史及研究现状,概述了协同搜索技术、航迹规划、协同任务分配、信息融合与处理以及试验与仿真等关键技术,总结出时敏目标多无人机协同打击任务的发展趋势。     

未知环境下异构多无人机协同搜索打击中的联盟组建

为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。 为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。     

基于D-S证据理论的反辐射无人机群协同搜索

针对目前主要从概率角度对搜索环境进行描述的搜索方法所存在的不合理性问题,提出了一种基于D-S证据理论的反辐射无人机群协同搜索方法,提高了反辐射无人机对作战区域内目标雷达的搜索效率。对无人机运动及被动雷达导引头探测模型进行建模,得出了反辐射无人机的有效侦察范围;利用D-S证据理论对搜索环境进行建模,建立了基于置信区间和访问次数的搜索图,提出了无人机对雷达的搜索指标和搜索收益,得出了搜索指标的更新公式;采用滚动时间窗搜索策略,实现了反辐射无人机群搜索路径的滚动优化。仿真结果验证了基于D-S证据理论的反辐射无人机群协同搜索的高效性。     

基于T/S-SAS的多无人机四维协同攻击航线生成

针对多无人机攻击目标时间协同以及飞行航线空间协同问题,提出基于时间与空间双协同稀疏A^*搜索(T/S-SAS)算法的多无人机四维协同攻击航线生成算法。改进飞行扩展节点模型,设计基于并发扩展的算法结构,建立时间协同代价计算模型与多机防碰撞约束模型,并开展仿真研究。研究结果表明：所提算法能够增强无人机攻击航线的规划效率、减少不同无人机抵达目标的协同攻击时间极差、解决不同无人机之间的空间防碰撞问题;该算法使多无人机协同攻击航线满足时间/空间约束,提升了多无人机协同时间打击性能及飞行路线空间协同性能,提高无人机协同作战效率与作战能力。     

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。     

攻击型无人机协同作战控制方法研究

探讨了攻击型无人机目标搜索、识别、攻击作战的协同控制问题。通过分析典型作战情况，在搜索理论基础上，运用概率方法，根据搜索域上的动态“回报率”状态图，建立了多机协同搜索规划模型。通过目标的协同识别，提高目标的识别概率。建立了目标识别矩阵以考虑错误目标识别的情况。最后针对协同和非协同情况，分别就不同取值的识别概率和目标杀伤概率，进行仿真，评估其效能。结果表明，协同控制策略显著降低虚假目标攻击次数，达到90%，但对目标击毁数，协同和非协同情况没有太大差别。协同控制策略为组成战斗组的多机联合作战提供了近优控制方法，对实际作战中充分利用无人机资源，提高无人机机群的作战效能，具有实际意义。     

多目标时空同步协同攻击无人机任务分配与轨迹优化

针对复杂战场环境下分布式无人机对多目标协同打击任务,提出多目标攻击的任务分配与轨迹优化算法。建立典型多目标打击的任务场景和无人机模型;基于Delaunay三角形理论,以禁飞区为节点构建搜索地图;运用A^*算法实现威胁最小的单机路径搜索;在无人机动力学约束和能耗损失最小的基础上,引入时间调节因子,采用基于贝塞尔曲线的分布式无人机时空同步轨迹优化方法,得到对多目标同时打击的优化轨迹;设计轨迹跟踪控制器,对预规划轨迹进行跟踪仿真。仿真结果表明,多目标攻击的任务分配与轨迹优化方法能够对多目标实现多角度、时空同步、分布式协同打击,且对噪声及阵风等具有较强的抗干扰能力。