基于动态能耗的多无人机协同任务分配

针对多无人机物流配送存在的空载率高、能源利用效率低等问题,考虑同时送取货的多无人机配送场景和无人机实时能耗变化,提出了无人机动态能耗模型,进行了多无人机同时送取货任务分配问题的研究。用遗传算法对问题进行求解,针对经典遗传算法对初始种群的依赖性、易早熟、局部搜索能力弱等特点,设计了一种混合初始化方法,引入了食肉植物算法繁殖机制,并结合问题特性设计了内交叉策略和反馈变异策略,同时引入了过程精英策略,对遗传算法进行了改进。实验结果表明,改进的遗传算法可以有效求解基于动态能耗的多无人机任务分配问题。     

改进PSO算法在多无人机协同任务分配中的应用

针对多无人机协同任务分配越来越复杂的问题,采用一种改进的阶层分级粒子群优化算法（HGIWPSO）获得最优分配方案。首先,根据粒子适应度值将种群动态划分为三个不同阶层,依据不同阶层粒子特性选择合适的学习模型,并引入独立权重思想调节惯性权重大小,平衡算法全局与局部搜索能力,提高算法性能;然后,建立协同多任务分配问题模型,采用多余负载竞拍方案减少非法劣解,通过实数编码建立粒子和实际分配方案之间的映射关系,解决实际分配问题。实验结果表明,该算法能够有效解决复杂约束条件下多无人机协同任务分配问题,得到最优分配序列,具有一定的理论以及实际意义。     

改进自组织映射的多无人机协同任务分配方法

针对现有算法对多无人机（UAV）协同进行多任务分配时存在负载均衡和执行效率方面的不足，提出一种改进的自组织映射（ISOM）算法。该算法根据飞行时间和任务执行时间设计了UAV的负载均衡度，以提升任务完成的效率；还设计了新的非线性变化的学习率和邻域函数保证ISOM算法的稳定性和快速收敛。然后，在不同任务环境对ISOM算法进行了有效性验证。实验结果表明，与结合遗传算法的粒子群优化（GA-PSO）、Gurobi和ORTools算法相比，ISOM算法的任务完成时间可分别减少15.5%、12.7%和7.3%；在TSPLIB数据集的实例KroA100、KroA150、KroA200上进行航迹长度减小的有效性验证时，与杂草优化（IWO）算法、改进的单亲遗传算法（IPGA）和蚁群单亲遗传算法（AC-PGA）的对比结果表明，ISOM算法在无人机数量为2、3、4、5、8时，均获得了最小的航迹长度。由此可见，ISOM算法在解决多UAV协同多任务分配问题时效果显著。     

分布式容错系统的任务分配算法

文章提出了分布式容错系统的任务分配算法,该算法考虑了系统任务的周期性、冗余性特点,以处理机负载平衡为目标,通过三步静态分配实现了任务在处理机中的冗余分布,在系统执行过程中的处理机故障,通过冗余任务动态唤醒实现系统重构。     

基于改进麻雀搜索算法的多无人机任务分配

针对异构多无人机任务分配不合理、速度慢的问题，在经典麻雀搜索算法的基础上引入Logistics混沌初始化，并利用Pareto最优解求解多目标优化问题，加快算法前期的求解速度并避免算法陷入局部最优。利用多种算法研究同一场景下的无人机完成目标任务，通过改变其数量并进行任务分配，使用改进麻雀搜索对算法结果进行对比，结果表明改进麻雀搜索算法在解决多无人机任务分配时的速度和精度都有明显提高。     

基于Memetic算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键问题.多无人机协同任务分配问题的难点在于复杂多变的环境下存在多个彼此冲突的目标,如何获得多目标问题的最优解,一直是学术界和工程界关注的焦点.根据多无人机任务分配的特点,针对扩展的混合整数线性规划的任务分配模型,将一种多目标文化基因算法应用于多无人机协同任务分配中并进行仿真,结果表明,提出的算法具有较强的全局搜索能力和快速收敛性,并且验证此算法解决多无人机协同任务分配问题的有效性.     

基于分布式优化的协同干扰任务分配研究

为保证目标区域干扰覆盖和最小能量消耗的优化目标,建立协同干扰任务分配模型。在分布式协同优化框架下,将集中式任务分配问题,转换为各个虚任务区内小规模的分布式优化问题,采用分解-协调优化模式和启发式遗传算法相结合的方法,实现对各个子区域优化问题的二次迭代求解。仿真结果表明,分布式协同优化方法能够有效降低协同干扰任务分配问题的求解规模,避免“维数灾”,具有可行性。     

同构型分布式计算机系统的启发式任务分配算法

本文讨论一种启发式任务分配方法，称之为改进的ｌｉｓｔ分配方法，它适用于分配一组具有先后关系和通信延迟的任务集到同构型分布式计算机系统上。文中描述了此分配方法的原理和算法，给出相应的仿真流程图，并对具有不同拓扑结构，任务运行时间和通信时间满足多种概率分布的任务集进行了分析和仿真。结果表明，当处理器个数小于任务集的并行度，任务粒度大于５时，任务分配效率大于８０％。     

基于SEAD任务特性约束的协同任务分配方法

以多异构无人机执行SEAD任务为背景,开展协同任务分配问题建模、算法设计和仿真分析.采用图论的方法完成问题的建模,将无人机本体等效为Dubins Car模型,并对其在相应目标处执行侦查、打击、评估任务时的进入角度进行约束,通过Dubins路径完成对无人机飞行路径的等效,采用分布式遗传算法完成对问题的快速求解.研究结果表明,带有路径末端角度约束的任务分配问题具有较好的实用意义,分布式遗传算法可有效处理实时任务分配问题,完成任务空间的快速决策.     

无人机非确定性等价自适应容错飞行控制

针对存在执行器复合故障的固定翼无人机跟踪控制问题,本文提出一种基于非确定性等价原理的自适应容错飞行控制策略.该策略能够有效地估计无人机纵向动态中执行器的失效及漂移故障,保证故障发生后闭环系统的最优性能指标.在自适应容错飞行控制设计中,通过引入辅助系统并动态调节因子,构造非确定性等价原理中偏微分方程的近似解,以简化自适应律设计复杂度.此外,借助Lyapunov稳定性分析方法,证明了在所设计的自适应容错控制器作用下闭环系统的稳定性.最后,仿真验证表明所设计的控制方法能够保证故障无人机的闭环系统性能.     

基于市场机制的无人集群任务分配研究综述

类市场机制的方法数学推导严谨,理论解释清晰,算法计算量小,对网络规模和拓扑结构限制少,适合未来军事领域大规模无人集群任务规划问题。围绕基于市场机制的无人集群任务分配的拍卖法和合同网法两类方法,详细梳理了该研究领域的经典文献和近年来的相关研究;从该方法的基本原理、改进研究进展、应用背景和使用局限性等方面进行了详细介绍和全面总结;最后提出了类市场机制任务分配研究中的关键问题和未来研究趋势。     

Distributed output-feedback formation tracking control for unmanned aerial vehicles

This paper considers the output-feedback formation problem of tracking a desired trajectory for a group of networked unmanned aerial vehicles (UAVs). By introducing a state observer, the controller for the non-holonomic UAV model can be designed without linear and angular velocities measurements. The formation robustness can be improved by applying the virtual structure and synchronising the path parameters. It is proved that, with the proposed control strategy, all the closed-loop signals are bounded and the formation tracking errors asymptotically converge to zero. Simulation results are given to illustrate the effectiveness of the proposed control strategy.     

有向切换通信拓扑下多无人机分布式编队控制

本文对多无人机分布式时变编队控制问题进行了研究. 无人机之间的通信拓扑假定是有向和切换的. 基于 自身状态与邻居状态的相对局部信息构建了分布式编队控制器. 通过引入一个恰当的编队误差向量, 将有向切换 通信拓扑下的多无人机编队问题转化为一个切换系统的镇定问题. 基于Lyapunov稳定性分析方法得到了达成编队 的充分性条件. 仿真实验结果验证了结论的有效性.     

复杂环境下多无人机协作式地面移动目标跟踪

针对多无人机(UAV)协同地面移动目标跟踪问题展开研究.提出一种基于主动感知的问题求解框架,建立多UAV协同目标跟踪问题模型;在此基础上,采用分布式无色信息滤波实现目标状态融合估计与预测;然后,基于预测目标状态,结合滚动时域控制与遗传算法设计一种多UAV在线协同航迹规划算法.仿真结果表明:结合预测目标状态在线优化UAV...     

基于同步的多旋翼无人机非线性模型自适应参数辨识

针对多旋翼无人机的非线性模型,提出了一种基于同步理论的自适应参数辨识方法.其主要思想是通过设计一种"从系统",在实现状态与原有非线性系统同步的同时,设计自适应更新律,使得对参数的估计收敛到真值.所提方法能够适用于以非线性形式存在的参数,其渐近稳定性由李雅普诺夫方法和拉塞尔不变性原理予以证明.仿真实例可以验证,合理选择自适应增益,即便真值发生突变,所提方法也能保证估计值快速收敛到最新的真值.     

Flocking control of a fleet of unmanned aerial vehicles

Current applications using single unmanned vehicle have been gradually extended to multiple ones due to their increased efficiency in mission accomplishment, expanded coverage areas and ranges, as well as enhanced system reliability. This paper presents a flocking control method with application to a fleet of unmanned quadrotor helicopters (UQHs). Three critical characteristics of formation keeping, collision avoidance, and velocity matching have been taken into account in the algorithm development to make it capable of accomplishing the desired objectives (like forest/pipeline surveillance) by safely and efficiently operating a group of UQHs. To achieve these, three layered system design philosophy is considered in this study. The first layer is the flocking controller which is designed based on the kinematics of UQH. The modified Cucker and Smale model is used for guaranteeing the convergence of UQHs to flocking, while a repelling force between each two UQHs is also added for ensuring a specified safety distance. The second layer is the motion controller which is devised based on the kinetics of UQH by employing the augmented state-feedback control approach to greatly minimize the steady-state error. The last layer is the UQH system along with its actuators. Two primary contributions have been made in this work: first, different from most of the existing works conducted on agents with double integrator dynamics, a new flocking control algorithm has been designed and implemented on a group of UQHs with nonlinear dynamics. Furthermore, the constraint of fixed neighbouring distance in formation has been relaxed expecting to significantly reduce the complexity caused by the increase of agents number and provide more flexibility to the formation control. Extensive numerical simulations on a group of UQH nonlinear models have been carried out to verify the effectiveness of the proposed method.     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

无人机电源地面测试系统设计

为了实现对某型无人机电源系统的快速检测,设计了一种基于Labwindows/CVI的无人机电源地面测试系统。测试系统的硬件部分能够实现数据的快速采集,软件部份分为数据采集软件和数据处理软件。实际应用表明,该系统测试结果达到设计要求,具有运行稳定可靠、操作方便、维护简单的特点,能够满足无人机电源系统的维护保障需要。     

一种双无人机协同跟踪地面移动目标方法

针对通信延时情况下双无人机协同跟踪地面移动目标问题进行研究, 构建了基于分布式遗传算法和滚动时域优化结合的目标跟踪航迹规划算法模型。考虑到通信延时会增加目标状态信息数据融合时的误差, 导致无人机跟踪任务效果变差, 结合递推最小二乘滤波和加权最小二乘估计设计了融合方法, 来融合处理目标状态信息; 考虑到无人机对目标的观测效果与未来时刻的目标状态信息密切相关, 采用递推最小二乘滤波预测目标的状态信息, 结合分布式遗传算法和滚动时域优化设计了双无人机目标跟踪航迹规划算法。适应度函数考虑了无人机和目标之间的距离、无人机之间的通信距离、无人机之间的通信角度。仿真结果表明：该协同跟踪方法能够较好地完成跟踪任务; 与一架无人机跟踪相比误差明显减小, 并且可以减小通信延时带来的跟踪误差。