复杂环境下多无人机协作式地面移动目标跟踪

针对多无人机(UAV)协同地面移动目标跟踪问题展开研究.提出一种基于主动感知的问题求解框架,建立多UAV协同目标跟踪问题模型;在此基础上,采用分布式无色信息滤波实现目标状态融合估计与预测;然后,基于预测目标状态,结合滚动时域控制与遗传算法设计一种多UAV在线协同航迹规划算法.仿真结果表明:结合预测目标状态在线优化UAV...     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

指定域多无人机协同目标跟踪研究

由于战场环境日益复杂、对抗性日益增强、任务日益多样和单机能力受限特性,多无人机协同执行作战任务已经成为无人机系统应用的重要发展趋势;针对协同作战中的系统复杂性、时间敏感性和通信计复杂性等特点进行分析,结合无人机运动性能及自主协同控制能力提出指定域多无人机协同目标跟踪的研究模型;首先建立面向战术任务的多无人机协同目标跟踪模型,其次在指定域范围内对多无人机进行面向持续跟踪模型的优化,最后选取一定数量的无人机在指定域内进行仿真,实验结果表明：面向持续的指定域多无人机协同目标跟踪模型是有效的,且具有较好的目标状态估计性能。     

基于信息图的多无人机三维协同搜索动目标方法

针对多无人机协同搜索区域内多运动目标问题,考虑传感器的探测概率与虚警概率、无人机的飞行与避撞约束和目标随机运动等特征,提出基于信息图的多无人机三维协同搜索方法.以无人机搜索的短期收益、长期收益和协调收益的平衡为核心,考虑无人机三维运动的特征,构建多无人机协同搜索的数学规划模型,并设计包含目标存在概率、环境不确定度、重访信息素和搜索增益4个因子的搜索信息图.基于滚动规划架构,整合新提出的剪枝方法进行模型的求解.在典型的协同搜索场景下,通过数值仿真验证所提方法的有效性.仿真结果表明,所提出的方法可以在秒级的时间内做出每架无人机的三维航迹决策,重访信息素和搜索增益因子可以引导无人机捕获更多的目标.对比仿真结果表明,所提出的方法可以在捕获更多目标的同时具有更少的误判次数,有效提升了多无人机协同搜索的任务效能.     

基于通信与观测联合优化的多无人机协同目标跟踪控制

为了提高目标跟踪任务的执行效能,提出一种基于通信与观测联合优化的多无人机协同运动目标跟踪控制方法.建立以信息成功传递概率描述的通信链路模型,采用扩展信息滤波实现目标状态融合估计与预测,使用Fisher信息矩阵对无人机观测所获取的信息进行表征.通过将信息成功传输概率引入到优化指标函数中,建立多无人机协同目标跟踪运动控制的滚动时域优化模型,实现通信与观测的联合优化,而这种联合优化体现在提高无人机与地面站之间信息成功传输概率与降低目标状态估计不确定性之间的折中.与不考虑通信优化的跟踪控制对比表明,所提方法可以提高跟踪过程中各架无人机与地面站之间的信息传输概率,使目标状态的全局融合估计结果更精确、更有效.     

多运动目标的多无人机协同搜索追踪策略

针对多无人机协同搜索追踪区域内多运动目标问题,考虑无人机的传感器与避撞等约束和目标随机运动等特征,提出了以垂线搜索为基础的多无人机协同搜索追踪策略.策略包含任务分配和航迹规划两部分.在任务分配部分,设计了航道均分垂线搜索算法,将搜索资源在区域内均匀分配,提高协同搜索效能.在航迹规划部分,设计了改进的人工势场算法,避免发...     

关于无人机飞行航迹跟踪优化控制研究北大核心CSCD

研究无人机任务规划中的飞行航迹跟踪优化控制。为克服传统航迹规划算法仅使用航迹关键点难以满足无人机执行任务对航迹跟踪的要求,提出了一种用C^2样条算法融合的无人机三维航迹跟踪优化控制方法,解决了不同航段中无人机的可飞性、边界限制、过载限制等约束。首先针对巡航段航迹采用融合算法中的3D样条优化生成具有时效性的光滑航迹曲线。然后针对任务段航迹采用融合算法中的4D样条优化进一步生成能控制航迹关键点速度的航迹曲线,完成整条航迹的跟踪优化。仿真结果表明,关于C^2样条算法融合的无人机三维航迹优化方法能有效地优化出无人机的实际飞行轨迹,有助于无人机的航迹跟踪控制。能够满足任务规划中无人机对航迹跟踪优化控制的高精度要求,为任务执行提供良好航迹条件。     

一种基于无人机云台的视觉目标跟踪方法

鉴于无人机视觉目标跟踪时会遇到目标遮挡、目标尺度变化等问题,同时目标跟踪方法复杂度受到云台芯片算力的严格限制,提出了一种基于无人机云台的视觉目标跟踪方法。基于多个特征相关滤波器的自适应权重融合来提升目标位置预测的精度。引入长宽相互独立变化的尺度变化池策略,解决无人机目标跟踪过程中目标尺度估计问题。通过设置模板检测和轨迹预测模块来有效地对目标跟踪过程中的遮挡状态进行检测和处理。该方法可在无人机云台芯片中实现实时跟踪,且在公开无人机目标跟踪数据集和自采集数据集中取得了很好的跟踪效果,与基线方法相比,成功率提升了10.7个百分点,准确率提升了3个百分点。     

基于高维多目标优化的多无人机协同航迹规划

随着无人机应用领域的增多,多无人机协同航迹规划问题变得愈发重要.然而,现存的多无人机协同航迹规划问题大多将多个目标加权转换为单目标问题进行优化,为减少多目标加权的主观性,本文提出一种基于高维多目标优化的多无人机协同航迹规划模型,此模型可以同时优化多无人机航迹距离代价、多无人机航迹威胁代价、多无人机航迹能耗代价,以及多无...     

一种小型无人机地空跟踪监视系统设计与实现

针对无人机地面监视系统的功能要求和存在的问题,设计了一种小型无人机地空跟踪监视系统并给出了系统的结构与工作原理.系统以嵌入式主板为核心,采用基于GPS的自动引导方式为主、以航迹预测和图像处理为辅助的多种跟踪监视模式实现了无人机飞行过程的全程监视.对跟踪方法、GPS静态漂移、云台镜头控制等关键问题进行了分析,给出了设计方...     

Behaviour recognition of ground vehicle using airborne monitoring of unmanned aerial vehicles

This paper proposes a behaviour recognition methodology for ground vehicles moving within road traffic using unmanned aerial vehicles in order to identify suspicious or abnormal behaviour. With the target information acquired by unmanned aerial vehicles and estimated by filtering techniques, ground vehicle behaviour is first classified into representative driving modes, and then a string pattern matching theory is applied to detect suspicious behaviours in the driving mode history. Furthermore, a fuzzy decision-making process is developed to systematically exploit all available information obtained from a complex environment and confirm the characteristic of behaviour, while considering spatiotemporal environment factors as well as several aspects of behaviours. To verify the feasibility and benefits of the proposed approach, numerical simulations on moving ground vehicles are performed using realistic car trajectory data from an off-the-shelf traffic simulation software.     

基于滚动时域优化的无人飞行器轨迹规划

给出了寻求无人飞行器的最优轨迹的一种方法,其问题描述为使飞行器从初始状态飞行到目标状态,同时避免撞到障碍物。基于混合整数规划的滚动时域优化方法用来求解飞行器的轨迹规划问题。给出的仿真结果显示此方法的有效性以及在复杂环境下的可实时计算性。     

考虑分配次序的无人机协同目标分配建模与遗传算法求解

本文研究了动态战场环境中的多无人机协同目标分配(MUCTA)问题.首先通过分析无人机(UAV)分配次序对打击任务总收益的影响,设计了动态战场环境的更新规则.将航程代价和任务代价作为惩罚项修正目标函数,建立了考虑分配次序的UAVs协同目标分配优化模型.然后针对模型的物理意义改进了遗传算法基因编码方式,设计了MUCTA遗传算法.该算法利用状态转移思想,引进SDR算子获得多种分配次序种群,同时以单行变异算子修正UAV与目标对应关系,并采用最优个体法和轮盘赌法筛选子代个体.最后仿真结果验证了所设计算法的有效性.     

面向目标跟踪的多机协同通信保持控制

由于无人机存在通信和测量约束的情况,远程无人机执行持续目标跟踪任务时无法直接与地面站保持通信,需要其他无人机作为通信中继方可与地面站建立可靠的通信连接.基于Dubins曲线,采用最小转弯半径和航向调整相结合的方法对具有初始和终止航向角约束的多无人机进行协同航路规划,确保所有无人机同时到达指定位置,形成多机协同通信保持的初始构型.针对随机移动目标,在多机协同通信保持的动态过程中,考虑平台性能、通信约束、碰撞规避等约束条件,采用非线性模型预测控制(NMPC)实现无人机协同分布式在线优化.在确保无人机通信中继保持的前提下,有效提高了算法的实时性.仿真结果表明了该算法的有效性.     

未知复杂环境中的无人机平滑飞行路径规划

针对无人机实时路径规划问题,提出了一种基于双层决策的平滑路径规划方法,以弥补现有方法在复杂飞行环境中对路径平滑性优化的不足,增强路径的易跟踪性.本文首先给出路径平滑性度量,然后建模上、下层决策目标、威胁规避与无人机性能约束并引入变长规划时间,进而设计基于双层决策的路径规划模型.规划过程中通过嵌入启发式优化策略来进一步改善路径的全局与局部平滑度,并提高路径搜索效率.大量复杂场景中的仿真及与现有经典方法的对比结果表明:该方法能够实时避开复杂危险区域,规划适合飞行的、较短的平滑路径.     

无人机多机动目标自主探测与跟踪

无人机机载相机图像中机动目标尺寸较小而且会发生显著变化,加上大量的背景噪声干扰,给目标探测和跟踪带来很大困难.针对这些问题,本文提出了一种在无人机机载相机图像序列中自主探测与跟踪多个机动目标的方法.首先,提取目标的图像数字特征并采用级联分类算法进行特征分类,得到目标的强分类器,对目标进行自主探测搜索.然后,基于全局最优关联算法对探测回波进行关联滤波,实现对多个机动目标的跟踪与识别,其中最优关联代价矩阵融合了距离和方向信息,提高了关联和跟踪的鲁棒性.将无人机航拍图像序列中的地面坦克作为目标进行实验,结果表明本文算法可以实现对多个机动目标的自主探测和跟踪,并具有较好的跟踪鲁棒性.     

Cooperative actuator fault accommodation in formation flight of unmanned vehicles using relative measurements

In this article, the cooperative fault accommodation in formation flight of unmanned vehicles is investigated through a hierarchical framework. Three levels are envisaged, namely a low-level fault recovery (LLFR), a formation-level fault recovery (FLFR) and a high-level (HL). In the LLFR module, a recovery controller is designed by using an estimate of the actuator fault. A performance monitoring module is introduced at the HL hierarchy to identify a partially low-level (LL) recovered vehicle due to inaccuracy in the fault estimate which results in violating the error specification of the formation mission. The HL supervisor then activates the FLFR module to compensate for the performance degradations of the partially LL recovered vehicle at the expense of the other healthy vehicles. Both centralised and decentralised control approaches are developed for our proposed cooperative fault recovery technique. A robust H _∞ controller is designed in which the parameters of the controller are adjusted to accommodate for the partially LL-recovered vehicle by enforcing that the other healthy vehicles allocate more control effort to compensate for the performance degradations of the faulty vehicle. Numerical simulations for a formation flight of five satellites are provided in the deep space, which do indeed confirm the validity and effectiveness of our proposed analytical work.