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。     

受限通信下多基地多无人机协同搜索多目标任务规划问题

针对多无人机协同搜索多目标的多旅行商航路规划问题(multiple traveling salesman problem,MTSP),建 立一种多目标、多基地、目标有通信限制的多无人机协同侦察任务规划模型。考虑完成任务所需时间、总搜索路径 长度及任务均衡性,利用量子遗传算法进行优化;针对侦察目标受通信类型限制模拟仿真。结果表明,该模型能得 到完成侦察任务的最优航线。     

复杂区域多UAV覆盖侦察方法研究

为提高多无人机对复杂目标区域进行覆盖侦察的效率,首先采用多边形宽度和最小面积外接矩形求解方法对不规则区域进行整理和离散化处理;其次,基于改进蚁群算法对各离散网格中心节点进行优化生成树的构建;最后,依据所得优化生成树进行多无人机协同覆盖侦察航路的规划。仿真结果表明,所提方法在完成目标区域覆盖侦察任务过程中所需转弯次数最少,且无需重新任务规划即可完成编队侦察任务重构,有效的提升了系统覆盖侦察的效率。     

Memetic算法在无人机侦察航路规划中的应用

为解决无人机侦察航路规划问题,采用文化基因算法(memetic algorithm,MA)进行求解。以粒子群优化算法作为主搜索策略,采用基于模拟退火的加权法对非劣解进行局部搜索。目标函数综合分析了战术效果、航程、安全性、飞行时间等指标要求,并从环境和无人机自身分析航路规划约束条件。最后对算法性能进行了测试,实验结果表明该文化基因算法比单独使用粒子群优化算法具有更高规划效率,得到的初始侦察航路较优。     

水面舰艇与无人机协同雷达侦察技术

为提高雷达侦察能力,对无人机(unmanned aerial vehicle,UAV)与水面舰艇协同运用该技术进行研究。 分析实际使用中,舰载雷达侦察设备作战能力的主要影响因素;根据不同作战需求,提出区域补充侦察、定点增程 侦察和高威胁强化侦察3 种舰载无人机使用策略;讨论水面舰艇与无人机协同雷达侦察的关键技术。仿真结果表明： 协同作战能提高水面舰艇雷达侦察能力,对侦察具有积极意义。     

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。     

针对组网雷达的无人机集群智能航迹欺骗算法

为研究针对组网雷达的无人机集群智能航迹欺骗算法,基于视线准则,分析虚假目标、无人机与雷达三者的耦合关系,推导得到用于航迹规划的无人机运动控制方程。以一定的无人机动力学约束为约束条件,以最小化各无人机飞行距离为优化目标,建立针对组网雷达的无人机集群智能航迹欺骗数学模型。在预设虚假航迹以及雷达先验信息已知的条件下,采用粒子群优化（Particle Swarm Optimization,PSO）算法对上述优化模型进行求解。仿真结果表明,所提算法能够基于预设虚假航迹及雷达位置等先验信息,在满足严格动力学约束的条件下,适应动态威胁环境,完成实时欺骗信号参数设计,以低速平台模拟高速虚假目标,实现对组网雷达的欺骗干扰。     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

多目标空地异构无人系统协同任务分配方法

针对由地面无人车与多无人机组成的空地异构无人系统面向大范围、多目标的协同任务分配问题，以无人系统完成任务时间为优化目标，同时考虑无人机收放、续航能力以及任务时序等约束条件，建立空地异构无人系统的任务分配模型，提出一种多目标空地异构无人系统任务分配方法。结合密度值最大聚类和混合粒子群优化算法，对空地异构无人系统的任务分配问题进行求解，从而得到满足约束条件的全局任务分配结果；通过仿真实验对所提方法进行验证。实验结果表明，该方法能够有效地求解在不同作战环境中的空地异构无人系统的任务分配问题。     

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。     

基于拥塞博弈的多无人机自主侦察任务规划

为解决通信中断时多无人机自主侦察任务规划的问题,提出一种基于拥塞博弈的分布式任务规划方法。 根据问题场景给出各无人机的侦察收益函数以及各子区域的社会福利函数,基于拥塞博弈,建立多无人机自主侦察 拥塞博弈模型,验证纯纳什均衡的存在性,给出多无人机自主侦察拥塞博弈的无政府状态代价和稳定状态代价的界 限,设计一种具有性能保证并且易于实现的策略更新规则,并通过蒙特卡罗方法进行模拟仿真实验。仿真结果验证 了该模型的适用性和策略更新规则的有效性。     

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。     

基于蚁群算法的无人机航迹规划技术及研究现状

配置适当的算法是无人机航迹规划的关键技术之一。介绍了一种基于蚁群算法的无人机航迹规划技术的基本原理,并采用网格图建模,演示了无人机二维航迹规划问题的一般实现步骤。然后从改进算法、更换其它模型、多无人机航迹规划、动态航迹规划等四个方面探讨了基于蚁群算法的无人机航迹规划技术的研究现状,并指明了配置更完善的算法实现复杂条件下的实时航迹规划等问题是无人机航迹规划未来的主要研究方向。     

无人机雁行仿生群飞路径规划

为解决单架无人机因互相之间没有通信机制而无法独立进行路径规划的问题,提出一种仿生雁群路径航 路选择的无人机群飞路径规划。介绍算法原理,将无人机初始化为粒子后,在无人机群中确定主机、僚机。依据遗 传算法基础原理,将仿生学引入到无人机群协同编队飞行航点规划当中,使用遗传算法对组群飞行的主机航路进行 路径规划,产生需要的解或最优解;通过模仿雁群跟随的策略,设计僚机跟随主机的算法,从而实现组群飞行,并 进行了实验验证。实验结果表明,该研究对无人机群飞行控制有一定的参考价值。     

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。     

无人机多传感器协同探测演示系统设计

针对电子侦察设备、SAR和CCD相机单一传感器无法满足作战需求,提出了无人机多传感器协同探测思想。采用Matlab设计并实现无人机多传感器协同探测演示系统,完成无人机对目标查证、区域监视及目标搜索等任务模型的侦察模拟演示。运行结果直观形象地表明：根据不同任务模型和侦察传感器的特点灵活设置侦察方案,能有效提高无人机的侦察效能。     

基于排队论的炮兵侦察配系效能评估

针对当前作战目标转移速度快、转移方向多样化的特点，运用排队论方法，建立一种基于排队论的侦察配系效能分析模型。该模型综合考虑各种因素对侦察配系效能的影响，当目标转移方式有所变化时，依然可以灵活地对侦察系统做出准确的效能分析。最后以雷达侦察配系为例，论证评估模型在侦察效能分析中的可行性。     

一种分布式多无人机协同定距盘旋跟踪制导律

多无人机协同跟踪运动目标既可以全方位探测目标信息,又可以应对外界视线干扰,降低丢失目标的概率,因而具有重要研究意义。基于Unicycle模型提出了一种仅需目标和邻近无人机信息的分布式协同定距跟踪制导律,解决了传统Leader-Follower方法中编队过于依赖Leader的问题,提高了编队网络的鲁棒性。针对静止目标设计了基于相对距离与视线角的分布式多无人机协同制导律,并证明了系统稳定性;该制导律推广至对匀速及变速目标的跟踪制导;利用飞行控制器、模拟飞行软件X-Plane和仿真软件MATLAB/Simulink对上述静止、匀速和变速3种运动模式的目标分别进行协同跟踪半实物仿真,结果验证了所提制导律的有效性。