紫外光通信协作编队无人机联盟围捕算法

编队无人机对目标无人机进行围捕是多无人机战场作战中重要且典型的任务之一，本文将无线紫外光通信技术与围捕算法结合，提出了一种紫外光通信协作编队无人机联盟围捕算法。该算法借助无线紫外光辅助无人机编队机间数据保密传输和非直视通信，将联盟生成算法与区域最小化策略进行融合，采用动态规划法对最优联盟结构进行求解，使用区域最小化策略对目标无人机实施空中围捕，完成在复杂场景中无人机编队高效围捕多目标任务。对区域最小化策略和本文提出的紫外光协作编队无人机联盟围捕算法进行了仿真对比，实验结果表明：所提出的紫外光协作编队无人机联盟围捕算法在无人机编队围捕多目标过程中平均降低了12.73%的能耗，算法迭代次数平均降低了27.49%，验证了该算法能耗少、围捕效率高的性能。     

一种基于遗传算法的协同搜索方法

目前多无人机协同搜索算法存在条件理想、效率较低、难以应用于真实战场环境的问题,针对上述问题,提出一种基于遗传算法的协同搜索方法。首先接收上级侦查情报,绘制目标可能存在的位置;其次生成多边形待搜索区域;然后根据无人机数量、无人机搜索半径以及最小路径原则对搜索区域进行分割;最后采用遗传算法将分割好的目标区域均匀分配给每个无人机,使得多个无人机可以覆盖整个目标区域,达到多无人机协同搜索总时间最短的目的。所提出的方法动态适应战场环境,效率高,占用资源少,可快速部署到多无人机协同搜索应用中。     

多无人机协同侦察任务规划方法研究综述

由于军事侦察任务的复杂性不断提高,且侦察方式逐渐向多无人机协同的方向发展,而任务规划是无人机执行侦察任务的关键技术,因此研究多无人机协同侦察任务规划方法具有重要意义。根据侦察对象的不同将其分为“点对点”协同侦察和“点对面”协同侦察两种任务模式。对于“点对点”协同侦察,对其目标分配算法与航迹规划算法的原理、优势与不足及改进方法进行了分析,介绍了航迹平滑的常用方法。对于“点对面”协同侦察,从环境信息是否可知的角度对当前的侦察方法进行了分析并总结。最后指出了未来多无人机协同侦察的发展趋势为多无人机携带多种载荷对环境未知的区域进行多角度覆盖侦察。     

基于DMPC的多无人机多维决策协同区域搜索

为了提高面向频域的多无人机（UAV）协同区域搜索效率,提出了一种基于分布式模型预测控制（DMPC）的多UAV多维决策协同区域搜索策略优化方法。首先,基于电磁目标信号检测模型设计了频域数字信息素图及其与空间区域信息图的融合机制;其次,由于多UAV面临在航行路径、频域覆盖和波束机动上多维决策协同目标搜索问题,基于DMPC框架,提出了多维决策协同搜索（MDCS）算法,建立多维决策空间模型,设计了分层搜索决策机制及其效能函数,最后结合滚动时域优化求解各UAV的搜索决策。仿真实验结果表明,MDCS算法能够实现时空频多维在线决策协同区域搜索策略,引导UAV对未知区域进行最大化覆盖搜索,并且有效降低了多维决策造成的优化求解规模,提升搜索决策的实时性。     

基于重叠联盟博弈的无人机侦察时间资源分配优化

在利用多无人机进行多目标侦察时，需要进行合理的任务分配。优化无人机资源与任务重要程度之间的关系，才能充分发挥多无人机侦察的优势。为了实现多无人机协同侦察时的时间资源分配优化，首先根据任务点和无人机的位置分布情况对多无人机进行预分配，然后对预分配后的空闲无人机进行协同时间资源优化。将空闲无人机协同时间资源分配问题建模为重叠联盟博弈模型，通过对所构建模型的求解，得出多无人机的协同侦察时间资源分配方案。仿真结果表明，优化时间资源后侦察系统的收益得到了提升。     

基于多蚁群系统的多无人机反侦察航迹规划

无人机侦察具有机动性强、定位精度高等优势,可有效弥补航天侦察过境时间受限和技术侦察难以定位电磁静默目标的不足。搭载机载雷达侦察系统的多架无人机协同对热点区域搜索,“以空侦海”可大幅提升联合作战行动中对海搜索侦察能力。因此,无人机协同海域态势感知路径规划问题研究具有重大意义。提出了基于Markov Mento-Carlo仿真+多类型蚁群系统算法的多无人机协同搜索方法,并根据概率热图提供的先验概率以及机动策略,提出了基于贝叶斯的概率图更新策略。     

基于多目标遗传算法的异构无人机协同察打

针对多架异构无人机在未知环境下协同执行搜索打击任务。考虑无人机和目标资源问题,采用了一种组建联盟方式来完成打击任务,建立了组建联盟的多目标优化模型,并提出了一种并行带精英策略非支配排序的遗传算法(NSGA-Ⅱ)求解模型。通过具体的仿真验证了模型的合理性,分析了不同情况下的算法运行速度,并与传统方法进行对比,证明了并行NSGA-Ⅱ具有很强的实时性,且提高了任务的完成效率。     

通信带宽受限条件下的无人机集群协同搜索

针对通信带宽受限下的无人机集群协同搜索问题,考虑了战场环境中存在威胁区的情况,提出了一种分布式多无人机意图交互的优化搜索算法。首先,基于设计的环境态势感知图,建立了环境状态空间模型以及更新方法;其次,定义了多步长下的搜索回报函数,得到各无人机的决策意图;然后,设计了融合更新算子以及带宽受限下的动态通信拓扑,实现了多无人机之间的意图交互;最后,在获取其他无人机意图的基础上进行再决策。仿真结果表明,所提算法能够在通信带宽受限情况下,完成多无人机对任务区域的协同覆盖搜索任务,并实现了对威胁区域的规避。     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

基于改进一致性算法的无人机集群饱和攻击

针对无人机一般难以单独打击空防严密的高价值目标问题,采用低成本无人机集群饱和攻击技术,提出协同控制下的三阶段一致性饱和攻击策略,根据不同阶段的任务特点,设计对应的改进一致性算法,并在满足饱和攻击任务多条件协同的基础上,加入Dubins曲线增加飞行轨迹约束,平滑无人机飞行航迹,缩短航程.此外,在高精度队形保持的任务环境下,设计改进的二阶一致性控制器,确保飞行精度,加快收敛速度.最后,将各阶段改进算法的实际效果与传统算法进行对比,在验证改进算法有效性的同时,检验算法延展性.仿真结果表明,该算法可应用于大规模无人机集群并具有良好的效果,为饱和攻击战略决策部署与战术实现提供了依据和参考.     

基于聚类和强化学习的多无人机协同侦察任务规划

针对多无人机协同侦察规划问题,由于自顶而下的研究方法有效降低了问题的求解难度,该方法逐渐成为主流研究方向。然而,当面对当前环境发生变化时,上述方法需要对问题进行重新优化求解,以至于实时性表现较差。为解决上述问题,文中提出基于聚类和强化学习的无人机群协同侦察任务规划,该方法将无人机荷载的探测半径考虑到侦察任务的聚类算法中,将探测半径作为范围限定,对整个任务区域进行划分,重新聚为K个子区域,并将子区域内的目标归类到一个中心目标,从而使得原始目标的聚类结果更鲁棒的同时有效降低任务的量级。此外,将影响协同任务的关键因素,例如无人机航行状态、存活几率以及环境变化等要素作为任务目标的约束项,构建协同侦察任务规划的优化模型;最后将奖励函数应用到协同任务求解中通过最大化奖励优化模型的性能,从而达到对环境等要素的良好适应性。     

复杂环境下多机器人协同覆盖搜索路径规划

为提高复杂环境下多机器人协同搜索的覆盖效率及适应性,提出一种多机器人协同覆盖搜索路径规划策略。首先,在目标区域中利用协同进化粒子群优化(CCPSO2)算法进行传感器位置部署;其次,利用改进的K-means方法对传感器部署点进行聚类,实现有效的任务区域划分;最后,以部署的传感器位置为路径点求解旅行商问题(TSP),获取每个机器人的封闭路径,从而实现协同覆盖搜索。实验结果表明,所提算法能够在保证良好避障和覆盖周期最小化的同时,为每个机器人获得更均匀的覆盖路径,实现多机器人的有效协同覆盖搜索,且能够有效适应外部复杂环境,具有良好的鲁棒性。     

基于最大可知度的无人机协同搜索控制方法

针对不确定环境下无人机（ Unmanned Aerial Vehicles，UAVs）协同搜索问题，为实现最优化目标，分别对不确定环境、无人机平台、网络通信关系以及协同搜索探测更新建立数学模型，提出一种基于最大可知度（ Uncertainty Val－ue Reducing Maximization）的控制算法。采用该算法解决多无人机不确定环境下协同搜索问题，并证明控制算法的相关数学特性，最后从不同角度对协同搜索控制算法进行仿真。仿真结果表明，该算法不仅能够有效实现协同搜索，且能保证搜索区域覆盖性和时间优越性。     

改进粒子群算法的多无人机航迹优化

针对多无人机协同搜索多运动目标航迹优化问题,建立基于搜索概率图的信息环境模型,提出了一种基于人工势场与自适应参数调整粒子群优化的搜索算法(APF-APSO算法),用于不确定环境中的动态目标搜索。利用人工势场中无人机与山体之间、无人机之间的虚拟排斥力进行有效避障,以及无人机与目标之间的虚拟吸引力加快目标搜索;通过非线性的指数函数参数调整法对粒子群参数进行调整,并根据无人机搜索过程中得到的栅格单元信息确定度和目标存在概率对搜索概率图进行实时更新,来引导无人机对目标进行搜索。仿真结果表明,与其他算法相比,所提算法在搜索目标方面具有很大的优势,缩短了路径长度;避免了陷入局部最优解,具有较好的收敛性;能够有效地实现多无人机之间的协同搜索,提高了搜索效率。     

基于动态预测目标轨迹和围捕点的多机器人围捕算法

为使围捕机器人快速地围捕移动目标,提出了一种基于动态预测目标轨迹和围捕点的多机器人围捕算法.随着目标的移动,动态更新采样点,用多项式拟合预测短期内目标可能到达的位置,并建立目标的安全域以禁止围捕机器人进入,从而避免目标主动逃逸.采用协商法为各机器人分配合适的期望围捕点,各机器人采用多侦查蚁协作算法迅速前往期望围捕点从而...     

不确定环境下多无人机协同搜索算法研究

不确定环境下多无人机协同搜索是多无人机协同控制的一个重要研究内容。多架无人机同时对一个不确定区域进行搜索,目的在于获取搜索区域的信息,降低环境的不确定度,并尽可能发现隐藏在环境中的目标。针对这一问题,提出一种基于协同进化算法的多无人机协同区域搜索算法。首先,建立搜索概率图来描述搜索环境的不确定性,并使用贝叶斯准则更新搜索概率图,然后,使用协同进化算法,在线生成多UAV协同搜索的路径。仿真结果验证了算法的有效性。     

无人机空对地多目标攻击的满意分配决策技术

任务分配是多无人机协同控制的重要内容。建立了多机协同多目标攻击排序的数学模型、并提出基于满意决策的攻击分配算法, 根据参与目标分配的每架无人机完成任务的预估效益和预估代价提出满意集, 建立拒绝函数和选择函数从而获得满意分配结果, 最后在Matlab环境下进行了数值仿真。仿真结果表明, 所研究的基于满意决策的多无人机协同攻击的目标分配方法是有效的。     

基于多目标MSQPSO算法的UAVS协同任务分配

针对无人机系统协同作战过程中存在多任务类型时序约束以及单目标优化决策欠佳问题,提出了一种利用多策略融合量子粒子群算法进行多目标优化的解决方法.在建立任务分配模型过程中,考虑不同类型任务的时序约束和多无人机协同约束,并抽象出无人机执行不同类型任务的能力,使模型更加符合实际作战情况.利用佳点集构造理论、变尺度混沌因子、量子变异操作与动态惯性权重对量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）进行改进.最后通过采取多目标优化决策来选取相应的分配方案,仿真结果验证了所提算法的有效性与优越性.     

基于三维点云处理的交联聚乙烯电缆接头反应力锥参数测量算法

针对交联聚乙烯（XLPE）电缆接头反应力锥参数测量问题，本文结合XLPE电缆接头结构特征与三维点云处理提出了一种XLPE电缆接头反应力锥参数测量算法。该算法先对点云进行去噪及坐标摆正预处理；之后根据XLPE电缆接头的结构特征，得到反应力锥及其相邻区域的目标点云；然后使用依据目标点云中各点与坐标轴的夹角信息及高度信息提出的点云空间划分方法，实现对目标点云的条状划分及块元划分；接着根据条状点云上块元法向量的轴线夹角及改进的凹凸性准则求得各条状点云不同区域的局部点云；在此基础上，使用随机采样一致性（RANSAC）算法及拉格朗日乘数法求取相邻区域拟合平面的相交线，再根据条状点云上各点到相交线的距离，得到初步测量结果；最后，基于残差估计对初步测量结果进行误差校正，得到最终的测量结果。使用尺寸标准及表面具有缺陷的两类电缆接头点云进行测量实验，测量结果的绝对误差分别小于0.2 mm与1.0 mm，相对误差分别小于0.5%与1.5%，说明所提算法具有较高的鲁棒性与测量精度。     

基于改进遗传算法的多无人机搜索航路规划

针对多无人机对特定区域内的目标搜索问题,提出了一种基于贪婪算法改进变异操作的自适应遗传算法。依据先验情报对搜索区域进行栅格化处理,并结合无人机性能约束建立基于状态更新周期的协同搜索模型;引入类0-1编码将无人机航向控制序列与搜索概率进行关联;考虑到机载雷达对某一区域的重复探测会在一定程度上提高搜索概率,提出加入贪婪算子的贪婪变异策略,并引入策略选择阈值实现依据搜索概率变化对变异策略的动态调整,提高算法后期的局部搜索能力。仿真结果表明,改进的自适应遗传算法整体性能较好,具有较强的搜索能力和鲁棒性。