共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
介绍了多无人机协同搜索的需求和意义,在此基础上,分析了目前国内外多无人机协同的研究项目。围绕战场环境建模、协同体系结构、搜索策略、搜索算法四个方面对国内外的研究现状进行了分析和论述,并对多无人机协同搜索的发展趋势进行了展望。 相似文献
4.
为解决军事对抗训练中作战飞机协同编队飞行进袭态势的构建问题,提出一种多无人机协同编队飞行设
计方法。采用单机个体路径跟踪控制与多机群体集中控制的综合设计方法,设计多无人机协同编队飞行总体架构,
建立多无人机之间的相对运动关系模型,给出飞行实施的控制策略,通过仿真实例验证了多机协同编队控制效果。
仿真结果表明:多无人机协同编队控制方式能够实现跟随机对领航机航迹的跟踪,可有效解决在3 维空间的编队
控制。 相似文献
5.
6.
7.
针对需要远距突防的不确定区域运动目标的搜索问题,提出了多无人机(UAV)远距突防和协同目标搜索的路径决策。改进基本的二维扩散模型,建立考虑目标运动与地理环境限制条件下的不确定区域扩散模型,在此基础上基于电势场算法和滚动时域控制研究了远距突防与优化路径决策策略。综合考虑不确定性降低收益、平均不确定度与综合抗力,构建协同搜索收益函数,为协同搜索路径决策提供路径优化准则,进行仿真实验。仿真结果表明,本算法能够有效地应对突发威胁与不确定区域扩散,完成多UAV远距突防与协同目标搜索任务。 相似文献
8.
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。 相似文献
9.
10.
基于一致性的多无人机协同编队设计 总被引:1,自引:0,他引:1
《战术导弹技术》2017,(2)
考虑到编队队形和速度变化的实际情况,以二阶模型为研究对象,采用基于一致性算法研究多UAV的协同编队控制问题。首先,定量描述编队问题,定义与编队队形一一对应的编队向量;其次,研究遇到障碍时的UAV编队变形与变换问题;在经典一致性算法的基础上,引入编队队形和速度控制项,设计UAV个体的一致性编队控制律;最后,研究系统的稳定性和编队的收敛性问题,通过仿真分析验证编队能够形成并保持期望的编队队形和编队速度,且编队的变换不影响编队系统的稳定性和收敛性。 相似文献
11.
12.
13.
针对多UAV协同搜索问题,建立了基于搜索概率图的UAV环境信息描述模型,提出了一种基于多蚁群算法的协同目标搜索算法。该算法由多个蚂蚁种群构成,每个蚂蚁种群负责搜索一架无人机的路径。蚂蚁个体在搜索路径时通过其所在群体的信息素的引导以趋向最优路径,同时,受到来自其它种群的信息素的排斥作用进而避免无效搜索。实验结果表明,该方法能有效地实现多UAV之间的协同,实现路径搜索,减少路径交叠,提高了搜索效能。 相似文献
14.
针对时敏目标多无人机协同打击任务,在阐述了时敏目标概念及其时敏特性的基础上,介绍了其发展历史及研究现状,概述了协同搜索技术、航迹规划、协同任务分配、信息融合与处理以及试验与仿真等关键技术,总结出时敏目标多无人机协同打击任务的发展趋势。 相似文献
15.
无人机集群系统的故障与环境干扰对多无人机协同控制带来诸多挑战,对多无人机容错协同控制的研究具有重要意义。基于分层递阶方法,提出了包含决策层、编队层、本地层的无人机容错协同控制研究框架。分别从故障诊断与容错控制方法两方面综述了本地层容错控制理论研究现状。梳理了包含单机故障、通信拓扑故障、外部因素干扰下的编队层容错控制方法。概述了无人机在对抗环境下任务分配的研究成果。基于现有研究成果对多无人机容错协同控制的难点进行归纳,并结合智能化健康管理、无人机编队重构、分布式网络安全等技术提出发展建议。 相似文献
16.
17.
18.
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。 相似文献
19.
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Qtable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。 相似文献
20.
构建了无人机协同航迹规划的结构框架,并阐述了其发展,分析了无人机系统约束及威胁场约束,探讨了无人机航迹几何建模方法及协同规划算法的国内外研究概况,并着重分析了协同规划算法如遗传算法、神经网络及蚁群算法。最后,阐述了无人机协同航迹规划面临的关键问题及发展趋势。 相似文献