拒止环境下无人机集群安全通信问题分析

近年来发生的几场局部战争表明，具有自主协同功能的无人机集群协同作战将是拒止环境下无人作战的主要发展方向。为提升无人机集群在拒止环境下安全通信的能力，首先对拒止环境下无人机集群的任务阶段进行了划分，而后结合无人机集群在各任务阶段的网络拓扑结构，总结了无人机集群通信网络所面临的通信安全问题，提出了相对应的安全防护技术和策略，为保障拒止环境下无人机集群通信网络安全提供参考。     

面向多模异构任务的无人机集群自主协同优化

针对无人机集群同时遂行多个异构模式、异构价值、异构需求任务时的自主协同优化问题,构建了集群遂行多模异构任务协同优化模型,提出了一种基于重叠式联盟博弈的分布式协作算法。通过综合考虑任务模式、任务价值、任务需求,以及集群中不同无人机成员的资源情况,基于不同任务类型下联盟内任务成功率和效能计算,优化无人机任务选择和资源分配并实现算法收敛和系统稳定,以及优化的分布式多机协同。仿真结果表明,所提方法能有效提高系统效用和任务成功率,并能在不同环境下实现面向异构任务目标的高效协同。     

基于地图重构的蜂窝连接无人机在线路径规划方法

为了减少无人机在复杂实时信道状态下与地面蜂窝网络的连接中断，并且降低无人机在飞行任务过程中的能量消耗，针对蜂窝连接无人机系统，提出了一种基于无线电地图重构的无人机在线路径规划方法。无人机首先从目标区域中稀疏采样并计算采样点中断概率，随后利用基于深度图像先验的算法对无线电地图进行重构。基于重构的无线电地图，以最小化无人机任务执行的能耗为目标，建立了无人机路径规划优化问题，并提出了一种基于深度强化学习的路径规划算法进行求解。仿真结果表明，所提出方法能够在确保无人机与蜂窝连接性的前提下减少无人机的飞行能耗。     

无人机集群联合拓扑控制的智能路由规划方法

针对现有无人机集群路由协议拓扑适变能力弱,易产生包重传、能量空洞和高时延,严重恶化了数据路由性能的问题,针对无人机集群中集群拓扑与路由的耦合特性,提出了一种联合拓扑控制的智能路由规划（IRPJTC）方法。该方法由基于虚拟力的自适应拓扑控制（VFATC）和基于近端策略优化的地理路由规划（PPO-GRP）组成。其中,VFATC使各无人机根据邻居运动状态信息自适应调整与邻居的距离,保证集群中链路的稳定连接;进一步,PPO-GRP引入VFATC中的链路稳定性指标,并结合端到端时延与能耗指标,设计多目标奖励函数,采用深度强化学习中的近端策略优化算法训练路由策略。仿真实验结果表明,IRPJTC相比于现有路由方法,能在保证分组传输成功率的同时,使端到端时延降低12.11%,无人机集群能耗降低4.56%,且具备更强的能耗均衡能力。     

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。     

面向群体快速融合的仿生无人机集群架构

摘 要：无人机集群作战是未来战场的重要组成部分。集群内的无人机通过协作，进行载荷的互补与任务协调，以提升系统整体性能。自然界中如蚂蚁、狼、鸽子、鱼等群体，其个体与单架无人机行为类似，而蚁群、狼群、鸽群又能依靠个体间的规则，通过协调与组织实现更为复杂的行为。不同生物集群展现的能力不同，在战场上能承担的任务也各不相同。从生物集群的群体特征出发，考虑生物间的拓扑和交流机制，提出了一种仿生无人机集群的融合架构。不同种类的仿生无人机集群自由地融合，增强了无人机集群的异构性，提高仿生无人机集群架构的协调能力。     

基于信干噪比的无人机集群分布式编队控制算法

编队控制和组网通信是无人机集群保持队形稳定和执行协同任务的前提条件。现有的编队控制算法侧重于队形控制,往往对无人机之间的通信因素考虑较少。针对无人机集群组网编队问题,设计了基于信干噪比(Signal to Interference plus Noise Ratio,SINR)的分布式编队控制算法。该算法兼顾接入覆盖与网络连通性要求,以SINR为参考构建虚拟作用力,能够使无人机以分布式控制的方式自主移动到通信质量更优的位置并维持稳定的拓扑结构。仿真结果表明,该算法可以适用于不同场景,能够在保证网络连通稳定的前提下优化目标区域用户的通信质量,并且具有较高的接入覆盖率和编队稳定性。     

面向无人机频谱侦察的频谱采样性能研究

在部分频谱侦察应用中，无人机集群的采样率必须保持一致。然而在采用无人机自组网(Flying Ad Hoc Network, FANET)作为频谱数据回传方案时，由于无人机间的带宽受限，因此频谱采样率存在上限，超过此上限将导致网络丢包，从而在控制中心观测到不一样的采样率。为了研究影响频谱最大采样率的因素，搭建了基于商用仿真平台EXata的仿真场景，评估了在不同网络场景下各潜在因素对频谱数据采集任务的影响，性能指标包括分组交付率、平均端到端时延和最大频谱采样率，总结出不同场景下的性能差异，以期增加对频谱侦察无人机集群在复杂环境下的性能理解，提高无人机在复杂环境下的效率和生存能力。     

一种飞行器集群管理和任务分离的组网方法

组网是卫星、无人机等飞行器集群实现协同的基础。传统自组织组网技术针对地面随机移动场景设计,不适用于拓扑和传输根据任务变化的飞行器集群场景,为此设计了一种管理与任务分离的组网方法,将网络分为管理面和任务面两个逻辑层面,管理面负责拓扑发现、路由建立、任务规划等基础组网功能,任务面负责任务执行过程中的数据传输功能。管理面和任务面实行不同的组网策略,从而使得网络的传输性能根据管理和任务执行的不同需求进行优化,以减少协议开销及降低传输自干扰。     

无人机编队信息交互拓扑多目标优化

无人机编队信息交互拓扑优化对于提高无人机集群任务执行的协同性和通信传输效率具有重要意义。首先,提出无人机编队剩余能量不均衡度指标,在编队通信链长的基础上,将网络延迟影响因素、剩余能量不均衡度纳入无人机编队信息交互拓扑的生成体系中,综合考虑多个目标优化无人机集群信息交互拓扑;然后,通过构建满意度偏差隶属度函数,建立目标规划模型实现多个目标的综合;同时,在拓扑生成中采用多叉树结构进行分级,并改进人工蜂群算法求解模型,可以支持较大规模无人机的协同;最后,通过16架无人机组成的编队进行仿真分析,验证了模型的合理性及算法的有效性。     

应急搜索UAV集群协同任务规划策略

目前应急搜索无人机(UAV)集群存在搜索效率低、覆盖完整性低、多机组网稳定性差等问题.对此,该文提出一种基于优化模糊C聚类算法(O-FCMA)结合优化混合粒子群算法(O-HPSO)的终端-路由UAV区域搜索任务规划策略.以UAV监测区域范围为基础,通过建立搜索区域的空间模型,进一步运用O-FCMA进行区域几何划分,并采...     

基于智能算法的无人机航迹规划

文中针对多无人机在复杂约束条件下编队协同、巡航范围内覆盖率高的问题,基于K-means算法和Hop-field神经网络算法实现了一种无人机整体航迹规划方法。对任务要求的禁飞区域、目标区域建立任务区域的数字地图模型,进行模型分解合理的将有效区域分解为多个子目标点。随后采用K-means算法对无人机巡航的目标点进行聚类,并结合Hop-field神经网络算法对同类子目标点进行无人机航迹规划。以无人机在抗震救灾中的真实数据为实例,通过仿真实现了巡航区域90%的覆盖率,验证了文中方法的鲁棒性和有效性。     

基于Faster R-CNN算法的自主空中加油锥套识别

随着无人机技术的发展,自主空中加油技术增加了无人机飞行半径和有效载荷,提升了无人机的作战效能.本文针对复杂环境下无人机软管式空中加油的精确引导技术,在无人机自主空中加油近距离对接阶段过程中,对油机锥套识别这个关键环节展开研究.利用深度学习和图形处理,提出一种基于Caffe框架的Faster R-CNN神经网络深度学习的...     

Seamless Routing and Cooperative Localization of Multiple Mobile Robots for Search and Rescue Application

In particular, for a practical mobile robot team to perform such a task as that of carrying out a search and rescue mission in a disaster area, the network connectivity and localization have to be guaranteed even in an environment where the network infrastructure is destroyed or a Global Positioning System is unavailable. This paper proposes the new collective intelligence network management architecture of multiple mobile robots supporting seamless network connectivity and cooperative localization. The proposed architecture includes a resource manager that makes the robots move around and not disconnect from the network link by considering the strength of the network signal and link quality. The location manager in the architecture supports localizing robots seamlessly by finding the relative locations of the robots as they move from a global outdoor environment to a local indoor position. The proposed schemes assuring network connectivity and localization were validated through numerical simulations and applied to a search and rescue robot team.     

一种基于风险感知策略的多节点任务调度方法

为解决无人机(UAV)集群任务调度时面临各节点动态、不稳定的情况,该文提出一种面向多计算节点的可尽量避免任务中断且具有容错性的任务调度方法。该方法首先为基于多计算节点构建了一个以最小化任务平均完成时间为优化目标的任务分配策略;然后基于任务的完成时间和边缘计算节点的存留时间两者的概率分布,将任务计算节点上的执行风险量化成额外开销时间;最后以任务的完成时间与额外开销时间之和替换原本的完成时间,设计了风险感知的任务分配策略。在仿真环境下将该文提出的任务调度方法与3种基准调度方法进行了对比实验,实验结果表明该方法能够有效地降低任务平均响应时间、任务平均执行次数以及任务截止时间错失率。证明该文提出的方法降低了任务重调度和重新执行带来的额外开销,可实现分布式协同计算任务的调度工作,为复杂场景下的无人机集群网络提供新的技术支持。     

基于网络连接性的移动网格任务调度算法

针对移动网格任务调度过程中,移动资源的移动性和网络连接的不确定性问题,通过改进全局搜索能力强的遗传算法过程以适应于移动网格的调度场景,提出一种基于移动性和连接性的移动网格任务调度算法。通过理论分析和仿真验证,该算法能有效避免因网络失效导致的资源浪费,提高了资源利用率,同时,能精确任务调度的完成时间,提高用户满意度。     

Energy‐aware dynamic task offloading and collective task execution in mobile cloud computing

There is a good opportunity for enlightening the services of the mobile devices by introducing computational offloading using cloud technology. Offloading is a process for managing the complexity of the mobile environment by migrating computational load to the cloud. The mobile devices oblige the quick response for the offloading requests; it is dependent on network connectivity. The cloud services take long set‐up time irrespective of network connectivity. In this paper, new system architecture for the dynamic task offloading in the mobile cloud environment is proposed. The architecture includes the offloading algorithm that concentrates on energy consumption of the tasks both in the local and remote environment. The proposed algorithm formulates a collective task execution model for minimizing the energy consumption. The architecture concentrates on the network model by considering the task completion time in three different network scenarios. The experimental results show the efficiency of the suggested architecture in reducing the energy consumption and completion time of the tasks.     

有人/无人机混合编队协同任务分配方法

任务分配方法是任务控制过程的重要组成部分,是协同作战指挥决策的关键。本文在多无人机协同任务分配的基础上,分析了有人/无人机编队协同作战的突出特点,着重研究飞行员工作状态对参与任务分配的各无人机作战效能的影响,建立了基于飞行时间和工作负载的飞行员工作状态评价模型,并对传统无人机作战效能函数的数学模型进行改进,提出了有人机飞行员工作状态影响下的无人机效能评估模型。针对有人/无人机混合编队协同作战想定,进行了仿真计算。仿真结果表明：飞行员工作状态会对无人机的任务效能和编队的任务分配结果产生显著影响, 同时说明在有人/无人机混合编队的效能评估和任务分配过程中,飞行员的工作状态影响是不可忽略的因素。     

Inter Vehicle Distance Based Connectivity Aware Routing in Vehicular Adhoc Networks

Connectivity in vehicular traffic environment has witnessed significant attention due to the direct impact on the performance of most of the traffic safety applications of intelligent transport system. Various parameters such as density, speed, direction, link quality and inter vehicle distance (IVD) have been utilized for measuring connectivity. IVD has greater impact on connectivity and controls the impact of other parameters. Usage of real time IVD for measuring connectivity has not received sufficient attention in VANETs. This paper proposes IVD based connectivity aware routing (Ivd-CAR) for enhancing connectivity aware data dissemination. IVD calculation is robust and can effectively handle instantaneous GPS failure. Two localization techniques; namely, cooperative localization and Geometry based Localization are developed. Standard deviation of real time IVDs of a forwarding path is derived. Distribution of IVDs of a forwarding path is employed for estimating connectivity. Segment vehicle based next hop vehicle selection is utilized for incorporating network load, link quality and direction into consideration while selecting forwarding path. Simulations are carried out in ns2 to evaluate the performance of Ivd-CAR in realistic traffic environment. Comparative analysis of simulation results attests the superiority of Ivd-CAR to the state-of-the-art techniques: CSR and A-CAR.