基于多蚁群系统的多无人机协同目标搜索方法

针对多UAV协同搜索问题,建立了基于搜索概率图的UAV环境信息描述模型,提出了一种基于多蚁群算法的协同目标搜索算法。该算法由多个蚂蚁种群构成,每个蚂蚁种群负责搜索一架无人机的路径。蚂蚁个体在搜索路径时通过其所在群体的信息素的引导以趋向最优路径,同时,受到来自其它种群的信息素的排斥作用进而避免无效搜索。实验结果表明,该方法能有效地实现多UAV之间的协同,实现路径搜索,减少路径交叠,提高了搜索效能。     

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。     

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。     

多无人机多任务对地攻击协同任务分配

针对多无人机对地协同攻击多任务分配问题,通过合理假设对问题进行抽象简化的基础上,建立了基于任务分配收益和代价的总体分配效能函数模型,并以此模型作为任务分配方案的评估标准。引入各种操作符重新定义了离散粒子群优化算法的速度以及位置更新公式,建立了算法实现的基本流程,并利用该DPSO优化算法对任务分配模型进行求解。分别针对多UAV单任务,单UAV多任务以及多UAV多任务进行仿真分析,结果表明,DPSO算法比遗传算法具有更好的全局搜索能力和收敛速度,通过仿真验证了任务分配模型的合理性和正确性,验证了算法的有效性和相对于遗传算法的优越性。     

多异构无人机覆盖搜索任务区域分配方法研究

针对多异构无人机协同覆盖搜索中的任务区域分配问题,提出了一种分析求解方法。首先,对机载传感器探测机理进行了分析,提出了一套UAV对地探测性能参数指标的整合、确定方法;其次,根据确定的性能参数在综合考虑编队整体航路代价和时效性代价的基础上建立了任务区域分配模型;最后,通过仿真校验了方法的有效性并得出了任务区域的面积分配结果。     

UAV集群自主协同决策控制的研究现状与分析

无人机集群自主协同决策控制为智能控制技术与平台控制技术的高度综合,是UAV集群协同作战的技术基础。如何通过有效的协同决策控制策略支持战场环境下UAV集群协同攻击多目标,满足在时空约束下以最大的成功概率和最低的风险命中目标,实现UAV集群整体作战效能大于单UAV独立作战效能的总和,是一个极具理论价值和实战意义的问题。对面向协同作战的UAV集群编队,分别从UAV集群协同任务分配、协同航迹规划、一致性协同编队控制、紧密编队中气动耦合问题、编队规避防障控制方面对国内外研究现状进行阐述,并对UAV集群自主协同决策技术研究进行重点分析。     

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。     

基于协同进化算法的多舰扩方应召反潜搜索方法

反潜作战是现代海战中水面舰艇的主要作战任务之一,对潜搜索行动是水面舰艇反潜作战的重要组成部分,是实施对潜攻击的前提和保证.针对目前常规多舰扩方搜索方法存在搜索效率低、协同能力弱的问题,对现有的2种多舰扩方搜索样式进行协同路径优化.根据舰艇声呐搜索原理以及实际反潜战术的应用,以在固定搜索时长内使得搜索效能最大为目标,建立了2种搜索样式最优协同路径问题的数学规划模型,给出了运用改进的协同进化算法规划多艘舰艇搜索路径的具体求解过程,并通过仿真实验得到不同搜索样式下的多舰协同最优搜索路径.结果表明:该方法具有搜索范围大、搜索效率高的特点,相比常规方法具有较大优势,适用于解决多舰扩方反潜搜索路径规划问题.     

复杂不规则海域下固定翼无人机覆盖搜潜路径规划

针对使用固定翼无人机（F-W UAV）进行大范围海域潜艇快速检查覆盖搜索的问题,提出复杂不规则凹多边形区域凹点选择性移除方法的Dubins曲线搜索策略。建立UAV搜索探测代价的数学模型,结合F-W UAV的转弯特性,在传统UAV对凸多边形区域进行覆盖检查搜索的方法基础上引入Dubins曲线轨迹法。针对不规则凹多边形区域,为避免对所有凹点的“暴力”移除,提出改进的凹点移除法,将不规则凹多边形区域处理成规则的凸多边形区域。设计了复杂边界区域中UAV覆盖搜索策略对比验证实验。仿真结果表明,对多边形区域边界进行凹点处理和沿跨度搜索方向进行Dubins曲线搜索的方法可使检查覆盖搜索的无效航行代价大幅降低,可为高效搜潜提供理论支撑。     

基于计算智能方法的无人机任务指派约束优化模型研究

无人机(UAV)指派问题是一种具有多约束条件的复杂任务分配问题。随着问题规模和约束数量的增加，其复杂性加剧，尤其是对于目前常用的，基于线性规划类的方法而言，存在着维数爆炸和优化求解困难加剧的问题。提出了一种通用的UAV任务指派模型，将UAV指派问题转化为多约束条件下的优化问题。该模型通过构造可行解的方法，不但有效地减小了搜索空间，提高了搜索效率，而且适用于各种计算智能类的优化方法。通过4种典型的计算智能优化方法，即粒子群优化方法、遗传算法、差分进化算法和克隆选择算法的数值分析，结果表明该模型具有更好的适应性和可扩展性，与计算智能优化方法相结合，能有效地求解复杂UAV任务指派问题。     

Cooperative Search and Task Allocation Among Heterogeneous Teams of UAVs

A cooperative control method of multi-class UAV（unmanned air vehicle） team is investigated.During the mission,the UAVs perform search,classification,attack and battle damage assessment（BDA） tasks at various locations,which involves a combination of the team intelligence type of decision making combined with control,estimate and real-time trajectory optimization.The search-theoretic approach based on rate of return（ROR） maps is developed to get the cooperative search strategy.Templates are developed and views are combined to maximize the probability of correct target identification over various aspect angles.Monte Carle simulation runs for the scenario to evaluate the performance of the approach with various decision parameters,UAVs distributions and UAV team characteristics.Simulation results show that the cooperative behavior can significantly improve the operational effectiveness of UAV team,and the cooperative control allows for near optimal solution of the correlative behavior of a group of UAVs in battlefield.     

基于最优控制的无人机主动SLAM航迹规划

为降低无人机同时定位与地图创建的不确定性,加快无人机所处环境的搜索速度,设计一种基于最优控 制的主动SLAM 航迹规划算法。综合考虑各种因素,利用平均信息增益和新探索地标环境的表示方法,设计一种新 的目标函数,将无人机SLAM 作为组合优化问题进行处理,以达到最优控制全局优化的目的,同时在建立的简化无 人机运动模型基础上进行验证。仿真结果表明：该算法有效、可行,且优于随机SLAM 算法。     

未知环境下基于PF-DQN 的无人机路径规划

为解决无人机无模型路径规划的问题,提出一种环境信息未知情况下基于势函数(PF)奖赏的DQN 路径 规划方法。建立无人机在环境中的连续状态空间,将360?等分成若干个角度作为航向角建立无人机的动作空间,设 计目标和障碍物对无人机的势函数奖赏,刻画不同动作对无人机的影响,并进行仿真实验。实验结果表明：PF-DQN 算法能较好地实现无人机在环境信息未知下的无碰撞路径规划,且势函数奖赏能加快无人机路径规划网络的训练 速度。     

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。     

加权灰色局势决策在舰机协同对潜搜索中的应用

针对一般灰色局势决策,忽视各个决策目标权重对最终决策结果的影响,建立加权灰色局势决策的舰机协同对潜搜索模型。模型根据4种舰机协同对潜搜索方式,采用加权灰色局势决策法进行评估。结果表明：该方法与实际较为相符,能克服依靠经验进行决策的不足,提高决策的准确性和可靠性,对舰机协同对潜搜索优选提供了一套科学、高效的辅助决策方法。     

国外有人/无人机协同作战研究现状与发展趋势

针对现阶段无人机智能化程度相对有限的问题,分析有人/无人机协同作战。梳理有人/无人机协同作战 的概念、特点需求及历史概况;描述美国、俄罗斯、英国等国有人/无人机协同作战的研究现状;结合科技进步与战 争形态发展,重点梳理有人/无人机协同作战的关键技术,对有人/无人机协同作战的发展前景进行展望。结果表明, 该分析可为我军发展有人/无人机混合编队提供参考。