基于强化学习的旋翼无人机智能追踪方法

针对旋翼无人机追踪场景中常用的PID控制方法与视觉伺服控制方法的不足,该文尝试将视觉伺服控制与强化学习结合,提出了一种基于强化学习的旋翼无人机智能追踪方法。首先使用基于图像的视觉伺服实现旋翼无人机的闭环控制,然后建立使用Sarsa学习算法调节伺服增益的强化学习模型,通过训练可以使得旋翼无人机自主选择视觉伺服增益。该文设计了旋翼无人机在实物场景与仿真场景下的运动目标追踪实验,实验结果论证了该方法相对于PID控制与基于图像的视觉伺服控制方法具有更好的追踪效果。     

基于强化学习的雷达对抗侦察无人机航线规划

为了提高无人作战效率,将深度强化学习应用于雷达对抗侦察无人机的航线规划中．首先对雷达对抗的侦察行动进行分析,建立无人机飞行航线仿真与分幕评价侦察效果的模型;然后根据训练强化学习智能体的需求,对规划航线过程中所需信息进行了参数化,以雷达对抗侦察行动的特点设计了动作与奖励机制,给出了适用的智能体神经网络结构和训练算法．仿真结果表明,与两种固定航线的规划策略相比,采用本文深度强化学习的航线规划方法,在平均收益上提高了37%,完成既定侦察任务次数提高了超过1.5倍,完成任务平均消耗的航程减少了13%.     

基于非线性模型预测的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机轨迹跟踪控制器跟踪性能不稳定的问题,提出一种基于非线性模型预测控制(nolinear model predict control, NMPC)的轨迹跟踪算法。首先,建立四旋翼无人机的动力学模型,定义四旋翼无人机的位置和姿态为状态量,螺旋桨转速为控制输入量,建立非线性状态空间方程作为控制算法的预测模型。其次,定义最优化函数和四旋翼无人机控制约束,将轨迹跟踪控制问题转换为非线性最优化求解问题。最后,通过多重打靶法求解得到的最优控制量作为四旋翼无人机的输入信号。为验证NMPC算法的跟踪性能,在Matlab中搭建仿真平台进行对比实验,结果表明,与PID和串级模型预测控制(model predict control, MPC)及改进MPC方法相比,NMPC算法能够在满足约束的情况下完成轨迹跟踪任务,误差小、精度高,并具有抗干扰能力。     

强化学习无人机通信系统中的信息年龄优化

针对6G移动通信系统中信息新鲜度表征和优化问题,提出基于信息年龄的信息新鲜度表征方法,并形成无人机能耗约束下的最小化信息年龄优化问题.而离散的信息年龄优化目标和复杂能耗约束使得非凸优化问题难以求解,因此提出基于强化学习(RL)的无人机轨迹方法.该方法构建与信息年龄相关的奖励函数以快速实现智能化的无人机轨迹决策,从而降低...     

基于强化学习的无人机安全通信轨迹在线优化策略

物理层安全是无线通信实现安全通信的一种有效手段,无人机基站在存在地面窃听者的情况下向地面合法用户传输机密信息时,已有研究一般采用离线方法对无人机基站的飞行轨迹进行优化,得到的轨迹是固定的,保密传输缺乏应对通信环境变化的能力.针对该问题,本文研究无人机飞行轨迹的在线优化策略,使机密信息被安全传输的同时实现通信平均保密率最...     

基于NURBS的挖掘机器人时间最优轨迹规划

为提高挖掘机器人的工作效率,保证其运行轨迹平滑,提出了一种基于NURBS曲线的轨迹规划方法。利用5次NURBS曲线插值挖掘机器人关节位置,引入矢值函数,通过莱布尼茨公式求解NURBS曲线的高阶导矢,设定启停速度和加速度,得到经过指定关节位置加加速度连续的轨迹曲线。分析了NURBS曲线权因子在挖掘轨迹局部规划中的作用。采用序列二次规划方法求解约束条件下的非线性最小化问题,规划出时间最优轨迹曲线。仿真和试验表明:提出的轨迹规划方法能够得到满足物理约束的时间最优关节轨迹,且可进行轨迹局部优化。     

基于DDPG的无人机轨迹规划及功率控制算法

针对无人机辅助地面用户下行通信的场景,以用户的最小平均可达速率最大化为目标,提出了无人机轨迹约束、功率约束和用户接入调度的优化问题。考虑到约束条件的耦合性和优化问题的非凸性,将构建的优化问题建模为马可科夫决策过程,提出了一种基于深度确定性策略梯度(DDPG)的无人机轨迹规划和功率控制算法。仿真结果表明,所提算法能够有效地提高用户的最小平均可达速率。     

基于有向图的强化学习自动驾驶轨迹预测

轨迹预测作为自动驾驶中的重要组成部分,旨在对车辆进行行驶估计,以便车辆根据行驶估计进行路径规划,从而做出安全准确的决策。首先,为提升车辆轨迹预测精度,采用有向图方法构建高清驾驶场景地图,有向图方法将地图信息矢量化,以便有效提取地图拓扑结构;其次,采用生成对抗模仿学习(GAIL)通过生成器与判别器的对抗博弈学习数据集驾驶策略,从而根据当前状态采取对应驾驶行为;最后,通过采样遍历得到多模态预测轨迹方案。在nuScenes运动预测数据集上进行仿真,量化结果显示相比于其他方法,K=5时,最小最终位移误差MinFDE₅提高了10.8%;K=10时,最小最终位移误差MinFDE₁₀提高了17.53%,最小平均位移误差MinADE₁₀提高了9.52%,失误率MissRate₁₀减少了28.26%。评估结果表明：生成的轨迹多模态符合场景基本结构,且准确度得到提高。     

基于分层强化学习的多移动机器人避障算法

介绍了一种基于分层思想的强化学习方法,即将机器人的复杂行为分解为一系列简单的行为进行离线独立学习,并分别设计了每个层次的结构、参数及函数。这种学习方法能够减小状态空间并简化强化函数的设计,从而提高了学习的速率以及学习结果的准确性,并使学习过程实现了决策的逐步求精。最后以多机器人避障为任务模型,将避障问题分解为躲避静态和动态障碍物以及向目标点靠近3个子行为分别进行学习,实现了机器人的自适应行为融合,并利用仿真实验对其有效性进行了验证。     

软件实现的无人机故障注入系统

结合无人机的特点提出了一种基于软件的无人机故障注入系统实现方案,利用故障注入技术实时地模拟无人机机载设备的故障,演示机载设备在寿命试验中的快速失效过程;并构造了一个实用的故障注入工具UAVFI-01,考察无人机故障检测、隔离及系统重构的能力,测试其可靠性.在无人机动态测试过程中,故障注入试验结果表明了这种方案的正确性和可行性.     

基于伪谱法的小型超音速无人机轨迹优化

为了提高小型超音速无人机的经济性能,针对配备加力燃烧室导致设计复杂、油耗过大的问题,提出小型无加力燃烧室的超音速无人机. 利用马赫俯冲机动突破音障,基于hp自适应伪谱法的最优控制轨迹规划方法,求解达到超音速巡航飞行的最小油耗和最小时间2种轨迹最优化问题. 该方法将控制与状态变量离散化,结合无人机飞行的物理过程,将多约束最优控制问题转化为非线性规划问题. 将本文与传统飞行方案所得的结果进行比较,分析重要设计参数对最优轨迹的影响. 仿真结果表明,利用该方法能够有效地规划出无人机从高亚音速到超音速飞行过程中的可行轨迹,得到的最小油耗、最小爬升时间均优于传统飞行方案,最小油耗降低约11%,最小爬升时间降低约46%.     

一种改进蚂蚁算法的无人机多目标三维航迹规划

传统的标准蚂蚁算法及A*算法求解无人机多目标三维航迹规划存在需设置导航节点及构建VORONOI图等缺陷,针对这一问题,提出了一种改进的蚂蚁算法.该算法将导引因子引入到状态转移策略中,减少了蚂蚁局部搜索的盲目性,确保蚂蚁形成有效航迹,解决了将该算法应用于航迹规划的两个构造难题,即航迹节点不固定和局部搜索难以到达目标节点这两个难题.将雷达、导弹、高炮及大气威胁模型的最大作用距离和有效作用距离等约束条件引入代价函数及启发因子计算中,解决了航迹规划多约束求解困难等问题.仿真结果表明,该算法构造合理,蚂蚁算法无需导航节点及VORONOI图便可自主寻找到目标节点,且收敛速度满足航迹规划要求,生成的航迹代价较小.     

Vision algorithms for fixed-wing unmanned aerial vehicle landing system

Autonomous landing has become a core technology of unmanned aerial vehicle (UAV) guidance, navigation and control system in recent years. As a novel autonomous landing approach, computer vision has been studied and applied in rotary-wing UAV landing successfully. This paper aims to fixed-wing UAV and focus on two problems: how to find runway only depending on airborne front-looking camera and how to align UAV with the designated landing runway. The paper can be divided into two parts to solve above two problems respectively. In the first part, the paper firstly presents an algorithm of region of interest (ROI) detection, which is based on spectral residual saliency map, and then an algorithm of feature vector extraction based on sparse coding and spatial pyramid matching (SPM) is proposed, finally, ROI including designated landing runway is recognized by a linear support vector machine. In the second part, the paper presents an approach of relative position and pose estimation between UAV and landing runway. Estimation algorithm firstly selects five feature points on the runway surface, and then establishes a new earth-fixed reference frame, finally uses orthogonal iteration to estimate landing parameters including three parameters of distance, height and offset, and three pose parameters of roll, yaw, pitch. The experimental results verify the effectiveness of the algorithms proposed in this paper.     

基于Ricean因子的无人机自适应MIMO通信方案

为了进一步提升无人机的通信容量,针对无人机信道的特点,提出了一种基于Ricean因子的无人机自适应MIMO通信方案.该方案利用了波束赋形(beamforming,BF)和空分复用(spatial multiplexing,SM)两种MIMO技术,通过Ricean因子实现BF与SM的自适应切换,并推导出了切换门限值的闭式表达式.相较于传统的无人机通信,该方案获得了更大的通信容量,且在高信噪比时容量提升显著.而与最优MIMO方案相比,所提出的自适应MIMO方案降低了计算复杂度.仿真表明,所提出的自适应通信方案可以进一步提高无人机通信容量.     

Three-dimensional multi-constraint route planning of unmanned aerial vehicle low-altitude penetration based on coevolutionary multi-agent genetic algorithm

To address the issue of premature convergence and slow convergence rate in three-dimensional (3D) route planning of unmanned aerial vehicle (UAV) low-altitude penetration, a novel route planning method was proposed. First and foremost, a coevolutionary multi-agent genetic algorithm (CE-MAGA) was formed by introducing coevolutionary mechanism to multi-agent genetic algorithm (MAGA), an efficient global optimization algorithm. A dynamic route representation form was also adopted to improve the flight route accuracy. Moreover, an efficient constraint handling method was used to simplify the treatment of multi-constraint and reduce the time-cost of planning computation. Simulation and corresponding analysis show that the planning results of CE-MAGA have better performance on terrain following, terrain avoidance, threat avoidance (TF/TA²) and lower route costs than other existing algorithms. In addition, feasible flight routes can be acquired within 2 s, and the convergence rate of the whole evolutionary process is very fast.     

无人机上行链路数据传输方案

为保证无人飞机在动态环境下数据传输的稳定性和可靠性,提出了一种循环正交M元扩频上行链路数据传输方案。按此方案传输数据,发送信号不存在潜在的周期性,系统的抗干扰和抗截获性能得到了很好的保障。在动态环境中,由于载体具有较大的加速度,载波多普勒频移剧烈变化,普通接收机载波跟踪环极易失锁,故提出一种基于经验值查表的载波跟踪算法,在锁频环内引入经验值查找表,环路能自适应调整环路滤波器带宽,从而实现任意时刻的高精度载波跟踪。     

Robustness assessment for flight control system of an oceanographic unmanned aerial vehicle

A post-design robustness assessment for the longitudinal flight control system of an oceanographic unmanned aerial vehicle (UAV) is presented in this paper. Two novel systematic approaches of generating the linear fractional transformation (LFT) model directly from nonlinear equations are proposed for this particular robustness analysis problem. The closed-loop system combined with each controller is used to determine combinations of aerodynamic parameters that result in worst-case performance. Classical simultaneous gain and phase margin stability metrics currently used in the aerospace industry are introduced for the certification of robustness of this uncertain multivariable system. The results show that the control system remains stable and achieves desired performance for all possible parameter variations over a specified range in both frequency domain and time domain.     

双目立体视觉的无人机位姿估计算法及验证

针对无人飞行器在未知复杂环境下的导航问题,提出了一种基于双目立体视觉的无人飞行器位置和姿态估计算法。用双目摄像机采集立体图像序列,对图像进行立体校正后使用Harris算法提取特征角点,用NCC算法获取匹配特征点,导出摄像机坐标系下的特征点坐标,得到三维立体特征信息,使用RANSAC算法与L-M迭代算法得到无人飞行器姿态和位置估计值。实验结果表明,基于双目立体视觉的位姿估计算法能适应未知环境变化,计算结果与实际位姿量相比误差小,能满足无人飞行器导航要求,可为无人飞行器的导航实现提供一套新途径。     

改进决策树的无人机空战态势估计

针对无人机空战态势估计中存在的多参数、非线性、实时性问题,提出了一种改进决策树思想的态势估计推理方法.首先,通过结合无人机与敌机的状态参量作为决策树模型的输入,确保态势估计的依据中包含交战双方的信息,为无人机态势估计的结果的合理性提供理论依据;然后,建立4类态势结果作为决策树模型的输出,以满足态势响应快速性的要求,根据影响空空导弹攻击区的状态参量,对比相同状态参量下,无人机与敌机的评价指标值的大小,构建对应的空战态势分类指标.建立了空战态势分类规则,作为决策树的推理规则,在决策树的节点对态势不断细化.最后,针对决策树中未开发分支引入反推理规则,在未知情形下提高学习能力.通过对不同的典型空战场景:一对一、一对二和二对二,进行仿真验证,并将结果与贝叶斯推理法进行全面比较,通过分析,所提方法用时5.39 s,准确度为80%,贝叶斯推理法用时11.63 s,准确度为60%.准确的实验结果表明所提方法比贝叶斯推理方法的评估速度更快,准确度更高.