基于合作联盟的多无人机对地攻防对抗策略

针对多无人机合作博弈问题,对基于合作联盟的多无人机对地攻防对抗策略进行研究。通过考虑合作联盟的目标价值收益指标函数、损伤代价指标函数及航程代价指标函数,建立多无人机联盟合作博弈模型,构建出其博弈矩阵,给出合作联盟特征函数与混合策略纳什均衡的定义,采用粒子群算法(particle swarm algorithm,PSO)求解出混合策略的纳什均衡,并利用Shapley值方法,给出一种合作博弈的求解方法,最终得到多无人机对地攻防最优对抗策略。仿真结果说明该方法具有很好的可行性和有效性。     

基于博弈策略的多无人机航迹规划研究

在综合考虑无人机航迹规划和任务分配的性能指标基础上,提出了目标移动环境下基于博弈策略的多无人机航迹规划方法。采用Voronoi图方法创建了威胁场,建立了航迹威胁总代价函数,并建立了航迹代价和任务分配的综合目标函数,从而构建了基于博弈策略的多无人机航迹规划目标函数。将目标移动加入到航迹规划中,利用快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法得到比较合理的局部航迹规划。仿真算例表明,该方法不仅能保证各飞行器选择基于博弈策略的敌我双方最优航迹,而且可以提高多无人机攻击移动目标的整体作战效能,有效的提高作战能力。     

基于 QPSO 的模糊策略博弈的多无人机空战策略

针对无人机作战指挥系统中多无人机空战博弈策略的问题,提出一种采用量子粒子群算法(quantum particle swam optimization,QPSO)在模糊策略下博弈的纳什均衡求解方法.通过对无人机空战态势信息的分析,建立敌我双方多无人机动空战的作战收益函数,根据给出的敌我双方无人机纯策略集中的模糊子集,构建基于模糊策略下的敌我双方无人机博弈支付矩阵,进而求得作战双方获得最优选择策略.仿真验证结果表明,该方法可行、有效.     

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。     

未知环境中的无人侦察机动态航路规划

高空长航时无人机执行侦察任务时往往需要进人不确定的战场环境下搜集各种情报信息。由于该类型无人机一般存在航时长、监视或侦察范围广、目标数量大等问题,因而对无人机的飞行安全环境存在高威胁因素。针对该问题,提出了一种无人机侦察航路规划方法。首先根据获得的先验信息建立参考航路,然后综合考虑基于目标发现概率建立的环境信息模型,基于机载传感器获取信息构建的威胁模型以及决策系统,选定最优侦察飞行航路,最后对航路进行评估。仿真结果表明,该方法能够有效地完成规划任务,获得较满意的航路。     

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。     

基于公共品博弈的无人机集群自主协同机制

无人机集群自主协同作战是未来战争的重要作战样式，自主协同机制研究有利于揭示无人机集群协同形成与演化规律，为无人机集群作战应用提供理论支撑。首先构建无人机集群信息交互网络，定义基于拓扑势的无人机交互等级。通过分析无人机集群自主协同与演化博弈的映射关系，建立基于公共品博弈的无人机集群演化博弈模型，设计基于交互等级的无人机集群总体期望收益函数、平均期望收益函数和愿景更新动态策略更新机制。利用马尔可夫链定量描述无人机集群演化过程，并理论推导了表征无人机集群演化博弈平稳分布的平均丰度函数。通过仿真验证基于公共品博弈的无人机集群自主协同机制的可行性和有效性，并分析选择强度、交互收益系数、增益因子与愿景水平等参数变化对无人机集群协同行为的影响，为无人机集群自主协同参数调控设计提供理论支持。研究结果表明：所提自主协同机制相较于提供点机制、惩罚机制能更大程度促进无人机集群合作涌现，为无人机集群自主协同理论向作战应用提供技术支持。     

一种基于几何惩罚的航迹规划优化方法

针对一般稀疏A*算法规划时间长的缺点,提出了一种基于几何方式的代价优化方法,对航迹扩展点进行惩罚分类,改进代价函数。仿真结果表明,该方法能够快速有效地完成规划任务,并得到比较满意的航迹。     

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。     

基于改进A-Star算法的无人机航迹规划算法研究

针对传统A- Star算法在无人机航迹规划问题应用中的局限性，提出了一种结合飞行器简化运动学方程的改进A- Star算法，并将该算法应用于解决无人机在未知危险环境中的威胁规避问题；研究了综合考虑各路径代价影响因素情形下的航迹规划方法。最后对无人机参考航迹规划的数字仿真证明了改进算法的有效性。     

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.     

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。     

无人机编队Dubins 航路规划及编队控制器设计

为完成无人机编队任务并解决无人机在飞行中因干扰而造成编队任务失败的问题,设计一种无人机编队 任务的Dubins 航路规划算法及控制器。根据无人机编队同时到达集结点的时间一致性要求,利用解析几何方法进行 航路设计,通过分析无人机飞行状态,设计了能够进行速度调整的控制器,并使用六自由度无人机模型验证了航路 算法及控制器的性能。仿真结果表明：该航路算法能够解算出各种编队任务的飞行航路,在控制器作用下能够很好 地完成编队任务。     

基于人工势场法的无人机群航路自主规划

为实现无人机编队在指定空域完成从起始点到目标点间的自主路径规划,且机群在该过程中具有良好的 协同性和执行高效性,提出了一种无人机群航路自主规划的方法并进行仿真。分析了机群个体的规划路径点及其特 点,并通过建立的数学评价体系对以上路径进行优劣性评估。仿真及评估结果表明：该方案是正确和有效的,并能 对传统规划方案存在的固有缺陷进行较好的修正,更利于现实中无人机群的实现。     

基于人工势场法的无人机群航路自主规划

为实现无人机编队在指定空域完成从起始点到目标点间的自主路径规划,且机群在该过程中具有良好的 协同性和执行高效性,提出了一种无人机群航路自主规划的方法并进行仿真。分析了机群个体的规划路径点及其特 点,并通过建立的数学评价体系对以上路径进行优劣性评估。仿真及评估结果表明：该方案是正确和有效的,并能 对传统规划方案存在的固有缺陷进行较好的修正,更利于现实中无人机群的实现。     

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。     

多无人机协同工作流建模与分析

多无人机协同执行任务能够提升无人机的作战效能和生存性,而协同方法是协同的基础;描述了基于工作流的多无人机协同方法;通过分析单个无人机工作流执行过程,建立单个无人机工作流,研究了协同工作过程;引入Petri 网理论,使用基本 Petri 网形式化描述协同工作流,构建了多无人机协同工作流 Petri 网模型;针对所建立的协同工作流 Petri 网模型,通过构建和分析相应的可达图,验证了多无人机协同工作流的有效性;结果表明：所建立的多无人机协同工作流是有效的,基于工作流的协同方法是可行的。     

无人机SLAM 避障技术研究

针对无人机没有考虑障碍规避而导致无人机的同时定位与地图构建(simultaneous localization and mapping, SLAM)任务无法完成的问题,提出一种改进的人工势场法。通过建立一个包含无人机到目标点的距离、无人机到障碍物的距离及障碍物方差的势场函数,制定避障策略,从而解决无人机 SLAM的障碍规避问题,并在构建的无人机运动模型基础上,对提出的算法进行仿真验证。仿真结果表明：该算法在完成 SLAM任务的同时,能够有效地避开障碍物的威胁。