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。     

智能无人集群系统协同控制关键问题分析

无人机集群协同控制是智能无人机集群协同作战的技术基础,在复杂的动态环境和时间敏感态势下,可实现对各种信息快速有效地获取、处理、传输以及多平台的控制。针对智能化无人集群系统协同控制的关键问题,重点分析了复杂战场环境下多无人机系统的多级分布式协同控制体系结构以及具有时空约束的协同航迹规划问题,比较了采用三种不同算法的多无人机协同航迹规划的仿真结果;分析了集群编队控制中的协同控制策略和编队队形重构等关键问题,给出了多无人机编队运动轨迹和编队构型变化轨迹的仿真结果。最后从5个方面阐述了智能无人机协同控制技术的发展。     

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ABMS的全光化无人机集群体系贡献率评估方法

为研究具有复杂地形的未知战场环境中的全光化无人机集群作战概念，提出基于智能体建模与仿真的全光化无人机集群效能和体系贡献率评估方法。根据全光化无人机集群作战特点建立评估指标体系，给出各作战单元的模块化Agent模型。对超低空巡逻打击任务开展仿真，分析全光化无人机感知性能、通信性能、集群规模和集群配置对集群生存率、任务完成率、战损比和体系贡献率的影响。研究结果表明：全光化无人机能为作战体系带来新能力，有效提升体系作战效能；集群规模越大、全光化无人机占比越高，则体系作战效能越强，但全光化无人机性能提升带来的贡献并不明显。     

多无人机容错协同控制研究现状与展望

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。     

美国CODE项目无人机集群协同监控系统分析

为提高无人机集群协同作战人机交互能力,美国CODE项目开发的协同和应急规划监控系统是一款具有自主辅助决策的无人机集群协同监控系统。梳理了无人机集群协同监控系统的发展背景和历程,介绍了该系统的结构、每个组成模块的构成和主要功能。分析了该系统对无人机集群协同作战的决策辅助能力优势,以及对未来作战所带来的影响。     

攻击型无人机群协同自组织控制研究

无人机群利用协同侦察和攻击模式可以提高作战任务的成功概率,完成单架无人机无法完成的任务。论述了无人机群协同自组织控制的研究进展,主要包括：无人机群自组织控制流程、无人机群编队队形设计、无人机群编队飞行控制策略。     

国外无人机集群协同控制技术新进展

综述国外无人机集群系统内涵、发展阶段及典型应用的研究现状,着重梳理协同控制技术在无人机集群中的应用和发展。首先详细分析Leader-follower方法、基于行为法、基于一致性方法及虚拟结构法四种协同控制技术的国外研究现状,并归纳总结其优缺点;然后着眼于无人机的感知能力,从基于位置、位移及距离的编队控制方法视角,分析协同控制技术的发展历程及方向;提出了现阶段无人机集群协同控制亟待解决的问题及深入探索的方向。     

多无人机协同编队飞行设计方法

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。     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

面向空地协同作战的无人机-无人车异构 时变编队跟踪控制

本文研究了无人机自主伴飞协同侦察技术中的异构集群系统空地协同时变编队跟踪控制问题,要求多无人机与无人车在形成期望时变编队构型的同时,实现对领导者参考轨迹的跟踪。首先,对无人机与无人车进行单体运动学与动力学建模,并引入代数图论概念,建立异构集群系统的协同控制模型。然后,引入虚拟领导者刻画编队整体的运动轨迹,并基于对虚拟领导者状态的分布式观测器,对各无人机-无人车构造分布式编队跟踪控制器。进一步分析异构集群系统实现时变编队跟踪的可行性条件,给出编队跟踪控制器中各参数的选取方法。最后,给出了一个仿真例子来验证所设计控制器的有效性。     

基于任务规划平台的作战实体任务推演研究

介绍了任务规划系统的概念及任务规划平台的构成,并参考数据层、逻辑层、控制层、表现层的四层架构设计思想,围绕作战实体任务推演,提出了一种基于任务规划平台的作战实体任务推演引擎设计与实现方法,该引擎具备支撑二次开发的特征,能够扩展推演业务模型,可支持推演过程控制和可视化,提供推演数据池管理等功能。     

无人机集群智能涌现与演化建模论述

为研究无人机集群复杂性及智能生成机理,阐述无人机集群智能涌现与演化的概念及方法.针对无人机集群智能涌现的信息融合、在线任务规划、陌生环境下搜索与攻击优化和集群队形控制4个应用领域,论述其建模需求及原理,提出无人机集群智能演化的规则、算法和案例3个具体演化方向,并论述实现演化的建模途径,可对进一步研究无人机集群智能涌现和演化建模提供理论参考.     

基于协进化多子群蚁群算法的多无人作战飞机协同航迹规划研究

协同航迹规划是有效提高多无人作战飞机( UCAV)协同作战效能的关键技术之一。分析了多UCAV协同航迹规划问题中的空间协同约束、时序约束以及任务时间约束，建立了基于“协同系数”的协同航迹性能评价指标；在此基础上，通过引入蚂蚁子群间的协同进化策略，并对蚁群算法状态转移规则、信息素更新机制进行了改进，设计并实现了基于协进化多子群蚁群算法的协同航迹规划算法。仿真实验结果表明：本文方法能够很好地处理多UCAV协同任务中的各类约束条件，是一种有效的协同航迹规划方法。     

无人驾驶飞行器——现代军事备装的一个重要组成部分

简要介绍了无人机的用途和无人机执行海军任务时需解决的技术；为实现无人机之间的互操作，北约制订了标准协议；最后指出，作战无人机达到技术成熟还要经历一段时间。     

复杂环境下分层递阶多航迹协同规划研究

针对复杂环境下多无人攻击飞行器(UCAV)、多目标协同规划的特点,提出了复杂环境下多UCAV协同规划分层递阶体系架构。该架构可以将长航时精确制导多UCAV协同规划问题分解为若干个相对简单的子问题,有利于该复杂问题的求解。随后对任务层、空间域、时间域分层方法以及迭代求解逻辑流程进行了论述。最后,明确了该体系所需要解决的各项关键技术。     

智能无人机集群概念及主要发展趋势分析

对智能无人机集群的相关概念进行了解析和阐释,提出了无人机集群样式的描述方法,在对集群智能概念进行分析的基础上,指出无人机集群的智能化需求主要源自两个方面:一是"集群"概念本身的定义;二是减轻认知负担、提高决策效率。从功能结构、规模倾向、协同方式、智能化和自组织五个角度,对智能无人机集群未来的发展方向进行了剖析。研究内容为下一步开展智能无人机集群的建模仿真活动奠定了理论基础。     

美军无人机防空压制作战运用分析

基于无人机战术和技术特性,系统地梳理了美军无人机发展的现状。从联合作战、编组协同、作战时机及压制手段4个方面归纳总结了其在防空火力压制任务中的作战运用样式,并重点讨论了多无人机防空压制作战的3种主要战术运用手段:IADS扫除战术、新方式结合旧战术及集群战术。     

无人驾驶飞行器-现代军事装备的一个重要组成部分

简要介绍了无人机的用途和无人机执行海军任务时需解决的技术；为实现无人机之间的互操作，北约制订了标准协议，最后指出，作战无人机达到技术成熟还要经历一段时间。     

无人机集群协同免疫自学习围捕策略研究

针对非合作逃逸目标的围捕问题，提出了基于改进免疫自学习的协同策略。通过生物免疫系统机理与无人机集群协同围捕决策的映射关系，建立免疫自学习模型。仿照免疫应答的克隆选择、免疫记忆的过程，提出基于记忆总结、评价调节、学习进化的协同围捕算法CHS-IMEL。设计了综合围捕点分配与围捕无人机状态的抗体编码方式，构建包含围捕路径和包围效果的亲和度函数，迭代优化获得无人机的最佳航向角。仿真结果表明，在随机初始态势下，无人机集群能够利用所提策略通过协作实现对以不同策略逃逸的目标的围捕，且任务完成率最高提高11%，围捕成功时间减少了10.7%，证明了所提策略的有效性与优越性。