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。     

基于Q学习的多无人机协同航迹规划方法

针对多无人机同时到达目标的航迹规划问题,建立战场环境模型和单无人机航迹规划的马尔可夫决策模型,基于Q学习算法解算航程最短的最优航迹,应用基于Q学习算法得到的经验矩阵快速解算各无人机的最短航迹并计算协同航程,通过调整绕行无人机的动作选择策略,得到各无人机满足时间协同的航迹组。考虑多无人机的避碰问题,通过设计后退参数确定局部重规划区域,基于深度Q学习理论,采用神经网络替代Q_table对局部多无人机航迹进行重规划,避免维度爆炸问题。对于先前未探明的障碍物,参考人工势场法思想设计障碍物Q矩阵,将其叠加至原Q矩阵,实现无人机的避碰。仿真结果表明：所提基于Q学习的多无人机协同航迹规划算法能够得到时间协同与碰撞避免的协同航迹,并对环境建模时所未探明的障碍物进行躲避;与A^*算法相比,针对在线应用问题,新算法具有更高的求解效率。     

基于多线程的导弹与空间碎片碰撞预警方法

空间环境的日益恶化给远程弹道导弹空间飞行安全带来了严重威胁。针对空间碎片的数目繁多使得导弹与空间碎片碰撞预警耗时很长的问题,为了减少碰撞预警时间,提高预警效率,分析碰撞预警模型和多线程多CPU特点,提出了基于多线程技术的远程弹道导弹与空间碎片碰撞预警算法,并运用仿真比较了算法的预警效率。仿真表明该算法能有效减少预警时间,提高预警效率。该算法可为发射前碰撞预警提供技术支持。     

基于改进A*算法的多无人机协同战术规划

多无人机协同作战是未来无人机作战方式的重要发展趋势。为增强多无人机系统的任务执行能力,提高系统整体作战效能并实现高效资源分配和调度,提出一种基于改进A^*算法的多无人机协同战术规划方法。按照离线规划和重规划两方面,设计战役层和战术层的作战目标迭代优化方案;建立编队协同作战的数学模型,以编队成员间的时间协同和碰撞协同代价为变量,得到多约束条件下的综合编队目标函数;结合多层变步长搜索策略和单步扩展的搜索方式,基于改进A^*算法,用于求解复杂战场环境下的多无人机编队协同作战航路。分别利用改进A^*算法和传统A^*算法进行对比仿真实验。仿真结果表明,多无人机协同战术规划方法能够较好地完成作战任务,改进A^*算法能够获得更优的航路,从而验证了所提算法的有效性。     

基于协同攻击区的航空集群最优空间构型研究

针对有人/无人机协同攻击中的航空集群最优空间构型问题,提出了基于自适应Tent混沌搜索灰狼优化算法的航空集群空间构型寻优方法。建立空空导弹协同攻击区数学模型,结合协同攻击区边界搜索方法,得到航空集群在任意空间构型下的协同攻击区解算方法;将自适应Tent混沌搜索方法应用到灰狼优化算法中,有效避免原算法易陷入局部最优和搜索速度慢的问题;以协同攻击区域大小作为目标函数,利用改进后的算法对航空集群空间构型进行寻优。仿真结果表明,改进后的算法能够有效地求得使航空集群协同攻击区域最大且我方伤亡最小的最优空间构型,且最优构型下航空集群协同攻击区明显大于单机攻击区的简单叠加。     

基于强化学习的集群多目标分配与智能决策方法

为提升高动态协同攻击条件下的攻防效能,研究基于强化学习的集群多目标智能分配与决策方法。建立综合攻击性能评估准则,包括基于相对运动信息的攻击优势度评估以及基于目标固有信息的威胁度评估。综合攻击性能、突防概率以及攻击消耗,设计攻防效费比性能指标。构建基于强化学习的多目标决策架构,设计以分配向量为基本元素的动作空间,以及基于量化性能指标的状态空间,利用Q-Learning方法对协同攻击方案,包括导弹选取以及分配形式进行智能决策。仿真结果表明,强化学习能够实现攻防效能最优的多目标在线决策,其计算效率相对于粒子群优化算法具有更明显的优势。     

基于路径自主规划的无人机四维战术轨迹跟踪

在网络中心战的背景下,针对无人机时间协同与空间协同问题,提出一种基于无人机自主路径重规划的四维战术航迹点精确跟踪方法。设计了无人机飞行控制律,在对三维空间轨迹跟踪进行优化的基础上,加入时间维,设计了路径自主规划方案,并进行全系统仿真。结果表明该方法协调解决了需求速度低于最小飞行速度的问题,且具有时间可调范围大、计算量小、适应性强、控制精度高的优点。在多无人机协同攻击领域有很高的实用价值。     

具有角度约束的多导弹协同制导研究

基于二维平面内弹-目相对运动方程,研究了具有角度约束的多导弹协同攻击问题。利用变结构控制原理,分别设计了满足攻击时间和满足终端视线角的导引律。同时提出一种切换思想,使得导弹在飞行过程中根据不同情况在两种导引律间合理切换,同时兼顾飞行时间和攻击角度。将导弹的剩余飞行时间估计作为弹间交互的信息,从而决策出共同的攻击时间协同打击目标。仿真结果证明该方法的有效性。     

基于强化学习的多发导弹协同攻击智能制导律

为实现多发导弹对目标的协同攻击,提升打击效能,提出一种基于深度确定性策略梯度下降神经网络的强化学习协同制导律。修正了基于线性交战动力学的剩余飞行时间估计方程,不再受小角度假设的约束,进而提高剩余飞行时间估计精度。以各弹的剩余飞行时间误差为协调变量,与各弹的剩余飞行距离一同作为强化学习算法的观测量。利用脱靶量和剩余飞行时间误差构造奖励函数,离线训练生成强化学习智能体。闭环制导过程中,强化学习智能体将实时生成可实现同时打击的制导指令。仿真结果表明：该强化学习制导律能够实现多发导弹对目标的同时攻击;与传统协同制导律相比,强化学习协同制导律的脱靶量较小,攻击时间误差也较小。     

多防御弹主动防御系统协同一致拦截

针对目标-攻击弹-防御弹群（TAD）系统中防御弹群需协同目标进行主动防御并实现同时拦截攻击弹目标的问题，对TAD系统在二维平面下的协同主动防御模型进行了研究，并提出了包括虚拟领弹、目标以及防御弹群的两层协同制导策略，问题采用基于非线性模型预测控制（NMPC）的一致性协议算法进行求解。两层制导策略分别是第一层中的虚拟防御弹领弹协同目标进行主动防御并得到攻击弹位置信息，第二层是真实防御弹群针对确定位置的攻击弹采用基于模型预测控制的一致性算法，实现同时到达并拦截攻击弹。第一层协同制导主要考虑保护目标在安全范围内，以及目标和虚拟防御弹的加速度约束，第二层协同制导主要考虑防御弹群的加速度约束。两层制导均通过基于NMPC的方法优化，计算出目标和防御弹群的协同控制量。仿真结果表明，提出的多防御弹主动防御系统协同一致拦截制导算法能够实现TAD系统中目标和防御弹群的协同主动防御。     

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。     

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。     

带视场约束的多飞行器协同导引律

针对带有视场约束的多飞行器协同攻击静止目标问题,提出一种分布式协同导引律。通过速度坐标系下交战运动方程,将非线性运动模型转换为2阶智能体模型、相应的视场约束转换为智能体类速度约束。结合速度约束一致性协议设计了一种到达时间协同导引律,实现了带视场约束条件下的多飞行器协同攻击。研究结果表明：提出的导引律克服了传统协同导引律存在数值奇点的问题,协同过程不需要进行导引律的切换。通过数值仿真和对比研究验证了所提导引律的有效性,并在测量噪声与通信延迟存在的情况下依然具有稳定的制导性能。     

带末端角度约束的多导弹协同制导律设计

为了实现饱和攻击与饱和防御,提出了一种针对机动目标的多导弹协同制导律。建立了视线坐标系下的弹目相对运动数学模型,设计了三阶扩张状态观测器,对目标机动加速度项和运动方程中的耦合项进行观测与跟踪。在导弹飞行前段,基于滑模变结构理论设计了攻击时间可控的多导弹时间协同制导律; 在导弹攻击末段,基于有限时间控制理论设计了满足终端角度约束的制导律,给出了导引律切换条件。仿真结果表明:该复合导引律能够使多枚导弹在满足攻击末端角度约束的条件下实现攻击时间协同; 该制导律采用完备的空空导弹轨迹控制系统进行仿真,能够满足实际工程应用的要求。     

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。     

无人作战飞行器编队协同攻击轨迹规划研究

研究了无人作战飞行器（UCAV）编队协同对地攻击轨迹规划问题。基于单机运动学/动力学方程、编队成员相对运动模型和威胁模型,结合平台初、末端约束条件,建立了编队协同对地攻击轨迹规划数学模型;提出了综合考虑单机威胁、任务时间、编队等效碰撞次数及执行指令时间误差的综合目标函数,形成最优控制方法的求解框架。为使编队整体轨迹优化,将编队任务轨迹分段。采用hp自适应伪谱法对构建的模型进行解算,得到编队攻击轨迹。数字仿真结果表明：规划的编队攻击轨迹满足约束要求,证明了所构建的编队攻击轨迹规划模型的有效性。     

多导弹攻击高机动目标的分布式协同制导关键技术

针对多枚导弹协同攻击高速机动目标的情形,将攻击时间和攻击位置的一致性作为需要实现的协同目标,通过多导弹之间的分布式信息交互和协同制导与控制,实现多导弹之间的协同攻击。针对这一技术,本文从几个不同的侧重点提出了需要解决的关键科学问题,并考虑从飞行制导方法、飞行控制制导一体化方法、多智能体一致性方法、微分博弈相结合的途径提出了可能的解决思路。     

一种同时具有攻击时间和攻击角度约束的协同制导律

为了实现多枚导弹从不同的方向对目标进行饱和攻击,建立了导弹和目标的非线性运动模型,并对模型进行归一化; 设定理想攻击时间和攻击角度,利用具有攻击时间约束的制导律得到初始猜测控制量,采用模型预测静态规划方法对控制量进行迭代更新直至满足脱靶量和角度约束条件,从而得到能够同时满足攻击时间和攻击角度约束的次优协同制导律。仿真验证结果表明:在合理给定理想攻击时间和攻击角度的前提下,本协同制导律具有良好的性能和较强的鲁棒性,且计算效率高,具有在线优化的潜力。     

基于防御雷达监控的多无人机协同侦察优化模型

针对多无人机协同侦察路径优化问题,构建一种分步求解有防御雷达监控的多无人机协同侦察优化模型.通过聚类分析的方法对待侦察目标点进行目标群的划分,运用TSP算法求出目标群内各目标点之间的最优侦察路径并对无人机进行任务分配.根据相关约束条件,建立以无人机在敌方雷达监控范围内的滞留时间最短为目标的MMTSP 优化模型.运用蚁群算法对所建模型进行求解,并进行实例分析.分析结果表明:该模型和方法具有可行性和有效性,可为多无人机协同侦察提供参考.     

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。