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,避免发生机间碰撞,保障飞行安全.在典型场景下,仿真验证了策略的有效性,相比传统垂线搜索方法,本策略能在保证安全的前提下,引导无人机群捕获更多的目标,有效提升了多无人机协同搜索追踪的效果.     

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...     

带定位误差约束的多无人机快速协同航迹规划北大核心

在战场中,采用多架无人机协同配合对目标进行打击可以有效提高目标毁伤概率。实施过程中,无人机除了会受到自身的硬件约束,还会遇到环境约束以及任务要求约束等众多软硬约束条件。针对无人机执行打击任务过程中存在的定位误差校正约束、转弯半径约束以及时间协同约束等,建立了多约束条件下多无人机快速协同航迹规划的混合整数规划模型,利用CPLEX进行求解。仿真结果表明,上述模型可以为多架无人机生成合理航迹,确保有效执行任务。     

多无人机自适应编队协同航迹规划

针对多无人机(UAV)协同航迹规划中因编队队形约束而忽略部分较窄通道的问题,提出了一种基于自适应分布式模型预测控制的快速粒子群优化(ADMPC-FPSO)方法。该方法利用领航跟随法和虚拟结构法相结合的编队策略构造出虚拟编队引导点,以完成自适应编队协同控制任务。根据模型预测控制的思想,结合分布式控制方法,将协同航迹规划转化为滚动在线优化问题,且以最小距离等性能指标为代价函数。通过设计评价函数准则,使用变权重快速粒子群优化算法对问题进行求解。仿真结果表明,通过所提算法能够有效实现多无人机协同航迹规划,并可根据环境变化快速完成自适应编队变换,同时较传统编队策略代价更低。     

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.     

基于模型预测控制的无人机时空协同航迹规划

为了求解同时实现空间协同和时间协同的多无人机时空协同问题,提出了基于分布式模型预测控制的多无人机在线协同航迹规划的方法。建立了由MPC（Model Predictive Control,）控制器、空间协同模块和时间协同模块组成的多无人机分布式时空协同航迹规划框架结构。MPC将时空协同问题转化为滚动优化问题,优先级的方法实现了空间协同和时间协同的解耦,同时改进了碰撞冲突消解规则,并设计了时间冲突消解规则,解决了分布式时空协同问题的动作一致性问题。仿真实验表明,该方法可以有效地实现多无人时空协同航迹规划。     

基于模糊多目标的高超声速飞行器再入轨迹设计

针对多约束条件下的高超声速飞行器再入轨迹的优化问题,考虑多个具有不同重要性等级的优化指标,提出基于模糊多目标的轨迹设计方法.首先,利用直接配点法,将最优控制问题转化为带优先级的非线性多目标规划问题;然后,基于模糊满意优化的思想,根据更重要目标具有更高满意度的原则,将优先级表示为满意度序,并设计两步式优化模型.通过调节参数,能获得同时满足优化和重要性等级要求的最优轨迹.仿真结果表明了所提出方法的有效性.     

一种双无人机协同跟踪地面移动目标方法

针对通信延时情况下双无人机协同跟踪地面移动目标问题进行研究, 构建了基于分布式遗传算法和滚动时域优化结合的目标跟踪航迹规划算法模型。考虑到通信延时会增加目标状态信息数据融合时的误差, 导致无人机跟踪任务效果变差, 结合递推最小二乘滤波和加权最小二乘估计设计了融合方法, 来融合处理目标状态信息; 考虑到无人机对目标的观测效果与未来时刻的目标状态信息密切相关, 采用递推最小二乘滤波预测目标的状态信息, 结合分布式遗传算法和滚动时域优化设计了双无人机目标跟踪航迹规划算法。适应度函数考虑了无人机和目标之间的距离、无人机之间的通信距离、无人机之间的通信角度。仿真结果表明：该协同跟踪方法能够较好地完成跟踪任务; 与一架无人机跟踪相比误差明显减小, 并且可以减小通信延时带来的跟踪误差。     

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.     

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.     

Distributed Cooperative Path Planning for Tracking Ground Moving Target by Multiple Fixed-wing UAVs via DMPC-GVD in Urban Environment

In this paper, a real-time distributed path planning method is developed for cooperatively tracking ground moving target in urban by multiple fixed-wing unmanned aerial vehicles (UAVs). For reasons of changeable movement of target, the commanded speed and turning rate of each UAV are both taken as control input variables. In urban environment, buildings may occlude the line of sight of on-board sensor. Hence the target coverage degree is proposed as objective function instead of distance. To save energy of UAV system as much as possible, the control input cost and sensor energy consumption are also taken as objectives. For preemptive priority requirement, the objective functions are fuzzified and the satisfactory degree order is designed to model priority. To guarantee the feasibility of solution, the varying domain is introduced to replace the strict order constraint. On this basis, generalized varying domain (GVD) method is developed to balance optimization and priority. In terms of the maneuverability of UAVs, the diverse constraints are considered, including real speed and turning rate, control input saturation, collision avoidance between UAVs, and obstacle avoidance between UAV and buildings. Consequently, distributed model predictive control (DMPC) strategy is designed to calculate the optimal path of each UAV, where the state information in finite period of UAV is transferred to the adjacent ones. The simulations show the effectiveness of proposed method by comparing with hierarchical optimization (HO).

     

Detection Avoidance and Priority-Aware Target Tracking for UAV Group Reconnaissance Operations

In this paper, we present a novel approach for stationary target tracking in reconnaissance operations with a small UAV group. A reconnaissance mission has multiple competing requirements, such as short scan time and repetitive scanning of the entire area, target recognition, and target tracking. Especially in real-world military reconnaissance scenarios, different types of targets with hostile characteristics exist. The UAVs must scan and track the targets while avoiding detection by enemies. Although small UAVs are unlikely to be detected, they become prone to detection if their path is predictable. To meet these competitive requirements, we propose an attractive pheromone-based cooperative path planning method that makes path prediction almost impossible by ensuring a random path selection mechanism. To avoid detection during target tracking, we implement a new discrete-time tracking scheme with random time intervals and random path planning for multiple UAVs. The proposed model enables a UAV group to sporadically scan the entire area, quickly locate the targets, and simultaneously track the targets based on their priority. In addition, it offers a mechanism that permits the command and control center to balance between reconnaissance and target tracking operations to meet every mission requirement.     

一种多约束下无人机编队的模型预测控制算法

针对多无人机在编队飞行过程中需满足机间避碰、通信、避障等约束的问题,设计一种考虑多约束的分布式模型预测控制算法,使无人机编队在满足上述约束的前提下,实现轨迹跟踪、队形保持.首先,在不考虑通信时延、外界干扰、噪声的情况下,以四旋翼为控制对象,建立线性时不变的单机及编队运动模型;然后,在考虑状态约束、输入约束、机间避碰、机间通信、避障等多种约束的情况下,以轨迹跟踪、队形保持为控制目标,基于虚拟领航策略设计一种分布式模型预测控制算法;接着,对优化问题的可行性以及编队系统的渐近稳定性进行分析,其中算法的终端部分设计、相容性约束设计是保证系统稳定的关键;最后,利用6架无人机仿真验证所提出控制算法的有效性.     

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.     

导航系统中多目标路径平滑化规划的研究

路径规划是车辆、机器人出行、无人机航路推荐和计算机游戏等许多应用中的关键任务。现有的大多路径规划常简化为单目标优化问题进行求解。但在现实生活中,还需要同时考虑多种规划目标,且用于规划路径的目标之间还存在着彼此不能变换的问题。在熟知的路径规划算法（D*Lite）上提出了一种新的多目标路径平滑化规划算法-平滑多目标D*Lite算法。通过构造一条初始多目标平滑路径,当检测到环境变化时采用增量搜索思想,仅更新受影响结点并从当前结点重新进行规划得到一条新的多目标平滑路径。仿真结果表明,该算法不但能有效躲避突发障碍物,规划路径拐点较少,还能提高搜索效率,可有效应用于具有不同非交互规划目标的导航系统。     

路网约束下异构机器人系统路径规划方法

由无人机(Unmanned aerial vehicles, UAV)和地面移动机器人组成的异构机器人系统在协作执行任务时,可以充分发挥两类机器人各自的优势.无人机运动灵活,但通常续航能力有限;地面机器人载荷多,适合作为无人机的着陆平台和移动补给站,但运动受路网约束.本文研究这类异构机器人系统协作路径规划问题.为了降低完成任务的时间代价,提出一种由蚁群算法(Ant colony optimization, ACO)和遗传算法(Genetic algorithm, GA)相结合的两步法对地面机器人和无人机的路线进行解耦,同时规划地面机器人和无人机的路线.第1步使用蚁群算法为地面机器人搜索可行路线.第2步对无人机的最优路径建模,采用遗传算法求解并将无人机路径长度返回至第1步中,用于更新路网的信息素参数,从而实现异构协作系统路径的整体优化.另外,为了进一步降低无人机的飞行时间代价,研究了无人机在其续航能力内连续完成多任务的协作路径规划问题.最后,通过大量仿真实验验证了所提方法的有效性.     

多无人机空中加油的最优会合航路规划

为了空中加油能面向多架无人机,本文提出了空中加油的三维最优会合航路规划算法.多架无人机分布在不同区域,需要加油机沿预定的规划航路飞行会合,以完成空中加油任务.由于加油机可同时服务的受油机数量有限,需要寻找最优分配策略将无人机预分配至不同加油区域与之会合.本文首先根据加、受油机在各加油区域的最短会合时间,将最优分配问题建模为整数线性规划问题,求解得到加油机与各无人机的最优会合点.随后,本文提出了三维空间Dubins路径延长算法,保证各无人机按照分配结果与加油机同时到达会合点.最后,分别针对二维和三维多架无人机空中加油任务进行仿真.仿真结果表明本文提出的最优会合航路规划算法得到的Dubins航路,可以保证空中加油会合任务在最短时间内完成.     

An Optimal Control Strategy for Multi-UAVs Target Tracking and Cooperative Competition

An optimal control strategy of winner-take-all (WTA) model is proposed for target tracking and cooperative competition of multi-UAVs (unmanned aerial vehicles). In this model, firstly, based on the artificial potential field method, the artificial potential field function is improved and the fuzzy control decision is designed to realize the trajectory tracking of dynamic targets. Secondly, according to the finite-time convergence high-order differentiator, a double closed-loop UAV speed tracking the controller is designed to realize the speed control and tracking of the target tracking trajectory. Numerical simulation results show that the designed speed tracking controller has the advantages of fast tracking, high precision, strong stability and avoiding chattering. Finally, a cooperative competition scheme of multiple UAVs based on WTA is designed to find the minimum control energy from multiple UAVs and realize the optimal control strategy. Theoretical analysis and numerical simulation results show that the model has the fast convergence, high control accuracy, strong stability and good robustness.