多无人机分布式协同异构任务分配

研究异构无人机对不同类型目标执行侦察、打击和评估任务的协同任务分配问题.采用信息论中熵的变化量对侦察与评估任务中所获取的信息量进行度量,将无人机对不同类型目标的打击能力抽象为对目标的毁伤概率,并考虑各个任务之间的相互关联,建立异构多无人机协同任务分配模型.设计了基于相邻局部通信的分布式拍卖算法,实现了多无人机协同任务分配问题的优化求解.仿真结果表明了所建模型的合理性和求解方法的有效性.     

基于组合算法的地磁匹配导航航迹规划

研究无人机地磁匹配导航问题,为优化航迹规划,根据地磁匹配导航的特点,针对无人机航迹规划建立了特有的航迹规划模型,并提出利用组合算法对无人机的航迹进行规划.设定地磁基准图中无人机必须经过的航迹点,利用Dijkstra算法求得一条从起始点到目标点的粗选航迹,然后考虑威胁在内的各种代价应用改进“编码”的粒子群算法对粗选航迹进行优化.仿真结果表明组合算法能够克服传统算法易陷入局部最优的缺陷,大大提高了全局搜索能力,验证了组合地磁匹配导航航迹规划的有效可行性.     

跨座式捷运车辆编组分布式固定时间协同巡航控制

为解决跨座式捷运车辆编组协同巡航控制问题,本文提出了基于固定时间理论的跨座式捷运车辆编组分布式协同巡航控制方法.首先,文章建立了跨座式捷运车辆编组动力学模型,明确了编组队列的控制目标,构建了分布式固定时间协同巡航控制架构,提出了跨座式捷运车辆编组分布式固定时间协同巡航控制方法.然后,本文运用代数图论描述编组间的通讯拓扑关系,应用了分布式固定时间终端滑模估计器估计领航编组的位置和速度,设计了分布式固定时间滑模控制器,并基于Lyapunov稳定性理论证明了控制器的稳定性.最后,文章进行了加速–巡航常规工况仿真实验,验证了所提出控制方法的有效性.     

基于顺序扩展一致性包算法的多无人机分布式任务分配

以异构多无人机协同执行复杂的耦合多任务为背景,提出一种求解分布式任务分配问题非死锁的顺序扩展一致性包算法.首先,建立考虑任务载荷资源、任务时序、威胁区等约束条件的时序多任务分配模型;其次,对一致性包算法的任务包构建过程和冲突消解规则进行扩展,并设计一种基于有向图深度优先搜索的方法进行任务方案的死锁检测和修正,以实现无冲突和无死锁的任务分配;然后,将关联任务之间的时序约束转化为软时间窗约束,利用顺序分层的策略进行求解;最后,为了提高任务分配结果的可靠性,采用Dubins曲线路径将航路规划耦合到任务分配中.仿真实验表明,所提出的算法能够快速有效地求解异构多无人机分布式耦合多任务分配问题,具备良好的最优性和时效性.     

异构图形数据的近似语义匹配技术研究

以流程工厂协同设计应用为背景,提出基于允许误差的最大语义图匹配（MSMGE）算法的异构图形数据近似语义匹配模型。利用类无向图来描述2D和3D异构图形数据的工程属性和拓扑关系,消除了图形信息的异构性,并建立各种类实体的属性标签词典来消除2D和3D属性信息的异构性,用语义表达式来表示类无向图顶点和边的语义关系,将异构图形匹配转化为近似语义图匹配。通过基于工程语义对类无向图进行语义分割和基于最大公共序列算法的语义表达式比较、语义规整和语义裁剪等方法,降低了匹配搜索空间,提高了近似语义图匹配效率,实现了近似语义图匹配判断。该研究已经在流程工厂设计软件中得到较好地应用。     

基于超像素匹配的图像协同显著性检测

为了快速有效地完成多图像的协同显著性检测,提出了一种基于超像素匹配的检测模型。首先针对一般单个超像素特征匹配效果较差的问题,提出一种基于Hausdorff距离的邻域超像素集匹配算法来进行图像间超像素的精确匹配;然后构建图像内和图像间的双层元胞自动机模型,进行多幅图像之间的显著性传播,从而有效地检测出协同显著性。在公开的测试数据集上的实验结果表明,所提算法的检测精度和检测效率优于目前的主流算法,且具有较强的鲁棒性。     

异构多无人机网络化协同控制系统的可控性

研究具有Leader-Follower结构和分布式通信拓扑的异构多无人机网络化分布式协同控制系统的可控性问题. 基于同构网络的受控一致性思想建立了异构多飞行器网络控制系统的动态模型; 并针对该动态模型的不同形式, 基于代数图论和传统的控制理论, 分别得到了异构多无人机网络化协同控制系统的可控性条件, 尤其是可控性与该网络化系统中通信拓扑之间的关系; 然后分析且提出了改善系统可控性的可行性方法. 最后仿真结果验证了本文相关结论的正确性.     

基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略

无人机搭载深度神经网络进行自主电力巡检时由于受到设备本身计算能力、电池容量、深度神经网络计算负载的限制,无法独立处理巡检任务中产生的海量图像数据。为解决该问题,提出了一种基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略,该策略将系统成本最小化问题分解为深度神经网络计算任务协同分割和边缘服务器选择两个子问题。针对协同分割子问题,基于深度神经网络计算任务的执行流程提出了一种错时传输方法,通过改进混合粒子群算法求解多无人机任务协同分割层。针对边缘服务器选择子问题,定义无人机与边缘服务器各自偏好函数,根据偏好函数通过匹配理论建立两者间的稳定匹配,得到边缘服务器选择策略。仿真结果表明,与其他卸载策略相比,所提策略能有效降低无人机能耗和计算任务处理时延,促进边缘服务器负载均衡。     

基于KnCMPSO算法的异构无人机协同多任务分配

随着无人机(Unmanned aerial vehicle, UAV)技术的广泛应用和执行任务的日益复杂,无人机多机协同控制面临着新的挑战.以无人机总飞行距离和任务完成时间为优化目标,同时考虑异构无人机类型、任务执行时序等多种实际约束,构建基于多种约束条件的异构无人机协同多任务分配模型.该模型不仅包含混合变量,同时还存在多个复杂的约束条件,因此,传统的多目标优化算法并不能有效地处理混合变量及对问题空间进行搜索并生成满足多种约束条件的可行解.为高效求解上述模型,提出一种基于拐点的协同多目标粒子群优化算法(Knee point based coevolution multi-objective particle swarm optimization,Kn CMPSO),该算法引入基于拐点的学习策略来更新外部档案集,在保证收敛性的同时增加种群的多样性,使算法能搜索到更多可行的任务分配结果;并基于二进制交叉方法,引入基于学习的粒子更新策略来提升算法的收敛性及基于区间扰动的局部搜索策略以提升算法的多样性.最后通过在四组实例上的仿真实验验证了所提算法在求解异构无人机协同多任务分配问题上的有效性.     

基于SEAD任务特性约束的协同任务分配方法

以多异构无人机执行SEAD任务为背景,开展协同任务分配问题建模、算法设计和仿真分析.采用图论的方法完成问题的建模,将无人机本体等效为Dubins Car模型,并对其在相应目标处执行侦查、打击、评估任务时的进入角度进行约束,通过Dubins路径完成对无人机飞行路径的等效,采用分布式遗传算法完成对问题的快速求解.研究结果表明,带有路径末端角度约束的任务分配问题具有较好的实用意义,分布式遗传算法可有效处理实时任务分配问题,完成任务空间的快速决策.     

面向环境探测的多智能体自组织目标搜索算法

针对在复杂非结构化环境下如何协调多个无人机发现静态或动态目标的问题,建立了自组织目标搜索算法框架。结合磁探仪等效平均探测宽度模型,受昆虫协调方式和鸟群效应的生物机制启发,提出了基于仿生集群算法的无人机集群分布式目标搜索模型;采用改进的自适应差分进化算法帮助无人机集群模型在环境中平衡勘探和探索,实现无人机群体的协同搜索优化。该自组织目标搜索算法旨在以最短时间实现跟踪目标数量的最大化。基于仿真平台的实验测试了该策略的性能,验证了算法对具有未知目标的非结构化复杂环境的适用性。     

集群协同制造服务匹配策略的计算实验比较研究

针对如何准确评估各种服务匹配策略、选择出最优的服务策略,以实现集群协同制造过程中的动态环境下的服务供需匹配这一问题,提出了一种集群协同制造服务匹配策略计算实验方法。该方法从三个方面对集群协同制造服务匹配策略进行了深入研究,包括服务匹配策略的设计（只考虑服务资源QoS（quality of service）属性变化的服务匹配策略、只考虑客户需求变化的服务匹配策略、综合考虑服务资源QoS属性变化及客户需求变化的服务匹配策略）、集群协同制造实验系统模型的构建、服务匹配策略的分析评估。实验结果表明,在供需稳定及供需波动的市场环境下,综合考虑服务资源QoS属性变化及客户需求变化的服务匹配策略表现最优,能够很好地实现动态环境下制造服务的供需匹配。     

分布式集群协同仿真研究

分布式集群协同仿真是指地域上分布、系统上异构的多个节点群为实现某一复杂的仿真目的而进行互连并进行内容级的互操作的一种复杂、大型、综合的协同仿真。其中每一个节点为一个仿真系统(或仿真器)或控制系统或服务器,多个节点互连形成为节点群构成具有明确仿真目标的综合仿真系统,井且这些节点群综合仿真系统种类多样(虚拟仿真系统、实物仿真系统、构造仿真系统等)、具有层次结构(如军事上战略仿真、战役仿真、战术仿真、装备仿真等)、地理上,“域分布(WAN或INTERNT环境)而且它们之间的连接关系较为复杂(一对一、一对多、多对一、多对多等)。该文提出了“分布式集群协同仿真”与“双时仿真”的概念与构想;研究并设计了分布式集群协同仍真的体系结构;建立了多节点分布集群协同仿真时间管理策略;构建了几类典型协间仿真系统运行控制的算法。分布式集群协同仿真由于具有分布、异构、广域、多粒、层差等特性,因此,分布式集群协同仿真研究既足一个实践课题,同时也是一个理论课题。该文的研究,主要集中在分布集群协同仿真层次的多节点复杂大系统的应刚领域,属实践课题研究。     

无人机影像物方多视匹配算法

目的 像方无人机影像多视匹配方法忽视了影像之间的几何关系,而以MVLL（multi-view vertical line locus）为代表的物方多视匹配方法缺乏对地形之间相互约束的考虑。为此构建一种融合两类多视匹配方法优点的无人机影像物方多视匹配算法。方法 在MVLL匹配结构的基础上添加半全局匹配的相容性约束,不仅继承了原半全局算法对有弱纹理区域匹配效果好和物体边缘突出的优点,而且摆脱了需制作核线影像的繁琐过程;采用物方窗口SNCC（summed normalized cross correlation）一致性匹配测度计算方法,有效降低摄影角度和遮挡对匹配结果的影响;采用金字塔分层的策略以提高匹配的速度和可靠性。结果 选取自主研制的旋翼无人机三轴稳定平台获取了高分辨率无人机影像作为实验数据,从匹配效果、新匹配测度性能和匹配精度3个方面对算法进行了测试实验。本文算法整体匹配效果良好,物方窗口SNCC一致性匹配测度可有效消除匹配测度中的粗差,经过测定本文匹配算法生成的点云数据的高程精度为0.049 m,即约为1个GSD（ground space resolution）对应的地面大小。结论 本文算法充分利用了无人机影像的多视信息进行匹配计算,具有匹配效果好、鲁棒性强和匹配精度高的优势。     

影像匹配中的若干基本问题研究

影像匹配算法的有效性依赖于对一些共同的基本问题的解决,即选择正确的匹配基元,寻找基元间的本质属性,制定相应的匹配准则(约束条件),采用合理的匹配策略,设计良好的算法结构等等.首先分析了3种常用匹配基元的特点并提出匹配基元的选取依据,接着归纳出了5种常用的匹配准则,对分层匹配、全局搜索等4种匹配策略进行了讨论,最后设计了一种3个阶段、9个步骤的影像匹配算法结构.实验结果表明:匹配效果良好,对这些基本问题的研究有利于建立通用的影像算法模型,设计更高效的影像匹配算法.     

一种基于特征编组的直线立体匹配全局算法

由于直线断裂、遮挡以及共面空间直线投影等因素的影响,从左右图像中提取出来的直线之间会出现"一配多"甚至"多配多"的匹配情况,然而目前很少有算法能可靠地处理这些情况.提出了一种基于特征编组的匹配算法来解决它.与已有方法不同,该方法是在由两幅图像共同组成的直线集上进行编组.每个特征编组包含了内部直线之间的匹配关系.这样,直线匹配的问题就转化为从直线集中提取一些相互兼容的特征编组的问题.整个算法分为两步:首先在几何和辐射约束的前提下构建所有可能的特征编组,并计算每个特征编组的匹配度,然后从所有可能的特征编组中寻找一个特征编组子集,在保证直线集中的每条直线最多属于该子集中一个特征编组的前提下,使得该子集中特征编组的匹配度之和最大.为了解决这个整数规划问题,设计了一种分两阶段的算法:首先将整个问题分为多个子问题,然后对于每个子问题,利用分支定限法寻找最优解.将所提出的算法应用于实际的立体图像对中,取得了满意的结果.     

仿鹰群智能的无人机集群协同对抗飞行验证

自主能力强且低成本的无人机集群协同对抗,是无人机集群对抗中打击敌方攻击防御体系和拦截敌方入侵机群的一个重要手段.哈里斯鹰是一种集群狩猎的猛禽,集群狩猎对于哈里斯鹰获取维持生命活动所需的能量具有重要意义.从无人机集群协同对抗任务与哈里斯鹰协同狩猎行为相似性出发,本文提出一种仿鹰群智能的无人机集群协同对抗方法.首先通过分析鹰群的集群狩猎行为,建立鹰群智能行为机制,并将其映射到无人机集群协同对抗行为中;在该模型的基础上,利用李雅普诺夫导航向量场控制无人机的运动状态,使得我方无人机能够以恒定的速度收敛到预定的轨迹上,完成对敌方无人机的对抗打击;最后,搭建无人机集群验证平台,对所设计的仿鹰群无人机集群协同对抗模型进行外场飞行验证,试验结果验证了本文所设计的模型在无人机对抗环境中的可行性与有效性.     

针对动态目标的多无人机协同组合差分进化搜索方法

针对多无人机动态目标协同搜索问题,提出一种组合差分进化无人机协同搜索航迹规划方法.建立动态目标协同搜索环境信息图模型及无人机运动模型.基于改进差分蝙蝠算法和自适应差分进化算法,设计基于种群数量自适应分配的组合框架,将差分进化算法中的变异、交叉和选择机制引入蝙蝠算法,构建组合差分进化算法的协同搜索算法,并对无人机动态目标协同搜索的航迹进行优化.针对待搜索目标轨迹随机多变且具有规避侦察特性的现实场景,建立可回访数字信息图和自适应目标搜索增益函数,从而提高无人机对动态目标的捕获能力.最后,通过仿真结果验证所提出的无人机动态目标协同搜索算法的有效性.     

基于目标信息估计的分布式局部协调任务分配方法

分布式决策是提高群体自主性的关键技术之一.以侦查类无人机(unmanned search aerial vehicles,USAV)和打击类无人机(unmanned combat aerial vehicles,UCAV)执行协同搜索、攻击灰色目标区域问题为背景,建立了一种考虑局部链式通信、无人机飞行性能和任务执行能力等多约束的分布式任务分配模型,基于贝叶斯定理将任务空间的连续/离散不确定量用任务收益值量化描述.然后,提出了一种基于一致性协调算法的在线协同策略,并利用一致协调理论建立了一种冲突调解规则,在此基础上,设计了一种分布式任务分配求解算法,能够实现多USAV,UCAV的协同多任务快速分配.最后,通过数值仿真,验证了本文算法求解不确定空间任务分配问题的可行性和快速性.     

基于入侵杂草蝙蝠双子群优化的装备保障编组协同任务规划

针对装备保障编组协同任务规划问题,构建以时效优先为目标,考虑保障任务时序逻辑关系、任务执行质量和保障编组占用冲突等复杂约束以及保障编组能力更新机制的数学模型,提出一种基于入侵杂草蝙蝠混合算法的双子群任务规划方法.首先,采用佳点集初始化方法,在解空间生成具有均匀分布特征的种群;其次,设计具有修复操作的解编码和任务优先排序,实现任务-编组-时间的匹配和冲突消解;再次,划分双子群,利用入侵杂草优化算法和Fuch混沌蝙蝠优化算法协同进化;最后,应用重组算子引导种群进化,均衡算法全局探索和局部搜索能力.仿真算例表明,所提方法可对大规模复杂任务分配方案进行精确高效的求解.