人工智能无人机区域侦察方法分析与研究

区域侦察是无人机的重要作用之一,但受到任务和环境复杂性的影响,需要无人机在区域侦察时有着更快运算速度和智能自动控制能力,通过人工智能算法规划出航迹来实现最大侦察覆盖率,准确、快速地获取侦察目标.文章先对无人机区域侦察存在问题进行分析,再对启发式算法、深度强化学习研究情况进行分析,最后对人工智能无人机区域侦察发展方向进行...     

无人机多目标侦察航迹规划方法

针对侦察型无人机在任务区域对多个任务目标进行侦察时的航迹规划问题,提出了一种基于改进帝国竞争算法(ICA)的无人机多目标侦察航迹规划方法。首先,把任务区域多个目标的侦察顺序问题转化为旅行商问题(TSP)模型,然后通过改进智能单粒子优化(ISPO)算法快速计算每种顺序的最优航迹,以与航迹长度和航迹复杂程度有关的值为国家权力大小,最终通过ICA对其求解。仿真结果表明,该方法能够顺利计算出近似最优的侦察顺序和满足飞行性能约束的航迹。     

基于混合蚁群算法的无人机航迹规划

由于传统方法在无人机航迹规划实际应用中规划的航迹长度较长,文章提出基于混合蚁群算法的无人机航迹规划。由山峰模型和天气模型组建无人机航迹环境数学模型,描述无人机飞行航迹环境情况,以无人机航迹代价最小建立目标函数,并对无人机航迹长度、高度、速度、转弯角度进行约束,采用混合蚁群算法对目标函数求解,求出最优航迹规划策略。实验证明,文章设计方法规划的航迹长度最短为1 032.58 m,规划航迹长度较短,在无人机航迹规划方面具有良好的应用前景。     

多无人机协同侦察任务规划方法研究综述

由于军事侦察任务的复杂性不断提高,且侦察方式逐渐向多无人机协同的方向发展,而任务规划是无人机执行侦察任务的关键技术,因此研究多无人机协同侦察任务规划方法具有重要意义。根据侦察对象的不同将其分为“点对点”协同侦察和“点对面”协同侦察两种任务模式。对于“点对点”协同侦察,对其目标分配算法与航迹规划算法的原理、优势与不足及改进方法进行了分析,介绍了航迹平滑的常用方法。对于“点对面”协同侦察,从环境信息是否可知的角度对当前的侦察方法进行了分析并总结。最后指出了未来多无人机协同侦察的发展趋势为多无人机携带多种载荷对环境未知的区域进行多角度覆盖侦察。     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

基于在线支持向量机的无人机航路规划技术

研究了一种基于在线支持向量机的无人机航路规划方法,以保证无人机在完成任务时候能以最小的被发现概率以及最短航程安全到达目标点。首先建立多约束的无人机航路规划数学模型,并进行分析。应用A*算法产生初始航迹获取样本数据,在此基础上应用在线支持向量机具有在线训练、模型精确度高、需要样本少、泛化能力强等特点,实现无人机航路优化。最后将所研究的方法应用于无人机的航路规划仿真,仿真结果表明所研究的基于在线支持向量机的无人机航路规划方法是有效的。     

基于BP神经网络的气象威胁度建模和评估方法研究

对执行非作战任务的无人机航迹规划而言,气象要素是必须考虑的主要因素之一.重点针对气象要素对无人机航迹规划的影响进行分析,给出了8种严重影响飞行安全的气象相关因子.结合BP神经网络算法建立了气象威胁度模型,并对气象威胁度进行了仿真评估分析.仿真结果表明,该气象威胁度模型简单实用,评估方法具有良好的效用,能较迅速、准确地反...     

基于队形变化的多无人机航迹规划算法

针对多无人机在复杂环境下的航迹规划问题，文中提出基于队形变化的多无人机航迹规划算法。利用领航-跟随的无人机拓扑结构，设计了一种以时间与航程作为衡量指标的代价函数，求解出最优的编队集结点。采用改进的Informed-RRT*算法求解出领航者的渐近最优航迹，结合队形变化策略实现了跟随者的航迹规划与避障。在定义队形变化量、路径长度比、航向稳定性性能指标的基础上，文中进行了仿真实验并对生成航迹进行评价与对比。仿真结果表明，无人机编队实现了在复杂环境下航迹规划与避障，同时为跟随者规划出最优航迹，与领航者最优航迹长度相差不到1%,验证了该算法的实用性与有效性。     

基于Voronoi图和离散粒子群优化的无人机航迹规划

航迹规划是根据任务目标规划出满足约束条件的飞行轨迹,是实现无人机突防攻击的关键技术.由于无人机航迹规划的复杂性,提出了一种无人机分层航迹规划的方法,该方法首先由Voronoi图生成初始航路,然后考虑各约束条件,赋予各航路相应的权值,最终应用离散型粒子群算法搜索出满意的规划解.仿真结果表明,该方法规划效率高,占用内存少,...     

基于连续聚类算法的5G站址敏捷规划方案

目前5G站址规划方法主要基于人工规划或者简单的密度聚类算法输出,人工规划方法虽然准确度较高,但是需投入大量人力资源,较大程度依赖规划设计人员的经验和学识等,耗时长且过程繁琐.因此人工规划方法只能适用于小范围(补点)的站址规划,无法适用于5G大范围及全网的站址规划.针对上述问题,本文提出一种基于栅格密度的连续聚类算法,通...     

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BP神经网络的RSSI测距优化算法

基于接收信号强度指示(received signal strength indication, RSSI)测距的研究和应用领域很广泛,一直是物联网研究的热点. 为降低传统基于反向传播(back propagation,BP)神经网络的RSSI测距误差,文中提出一种基于K-means聚类算法对样本数据进行预处理的BP神经网络测距算法,来解决由于RSSI值衰减程度不同引起的不同距离区间RSSI值和真实距离之间映射关系不均匀的问题. 将K-means聚类算法应用于BP神经网络模型中,对样本数据进行距离区间划分,然后将已经分类好的数据分别输入BP神经网络建立网络模型并进行实验仿真. 结果显示:传统基于BP神经网络的RSSI测距算法的均方根误差为1.425 7 m;而经过K-means算法改进后的BP神经网络测距算法的均方根误差为1.288 7 m,降低了测距误差,并优化了目标RSSI值与真实距离的映射关系.     

基于数据分析算法的多目标覆盖无人机网络布局方法研究北大核心CSCD

多目标叠加是一个新的综合性概念,它能满足多个约束条件和性能指标,同时具有多个独立于系统的目标函数,在军事、航天、工业等领域有着广泛的应用。同时,可以满足不同情况下对系统资源和安全性的各种要求。本文首先分析了数据分析方法在无人机网络布局方法中的应用,主要是对采集到的数据进行数据筛选、数据预处理、决策树分类,然后利用决策树分类进行无人机网络规划;其次介绍了无人机传感器多目标覆盖模型,并介绍了两种常用模型;最后,本文研究了基于数据分析算法的多目标覆盖无人机网络布局方法。     

Method for optimal allocation of network resources based on discrete probability model

The method for optimal allocation of network resources based on discrete probability model is proposed. In order to take into account multiple coverage of the monitored points, the method constructs the discrete probability perception model of the network nodes. The model is introduced into the solution of the node coverage area, and the optimized parameters of the sensor optimization arrangement are used to optimize the layout of the multimedia sensor nodes. After setting the node scheduling standard, the interaction force between the sensor nodes and the points on the curve path is analyzed by the virtual force analysis method based on the discrete probability model At the same time On this basis, the path coverage algorithm based on the moving target is used to optimize the coverage of the wireless sensor network node in order to achieve optimal configuration of network resources. The experimental results show that the proposed method has good convergence and can complete the node coverage process in a short time. The introduction of the node selection criteria and the adoption of the dormant scheduling mechanism greatly improve the energy saving effect and enhance the network resource optimization effect.

     

面向多层次、多指标的光网络规划与评估方法

首先深入分析了影响业务可靠性的关键指标,并建立了面向可靠性和建设成本的网络规划模型,然后设计了自适应免疫算法以求解网络规划方案。进而,建立了面向多层次、多指标的网络规划方案评估模型,并使用神经网络算法获得指标权重,实现对网络规划方案的全面、有效评估。通过仿真可知,提出的面向多层次、多指标的光网络规划与评估方法能够提高光缆资源利用率和站点成环率、降低网络建设成本以及保障网络可靠性,有助于提高运维人员的工作效率和运维水平。     

无人机在抢险救灾中的优化应用

针对在抢险救灾中的多无人机路径规划问题,文中采用遗传算法通过对无人机群的巡航矩阵进行编码组成染色体,设置不同个体数目和最大遗传代数优化巡航轨迹,同时采用0-1规划和非线性规划建立无人机终端流量传输矩阵,为每一个用户分配恰当的功率,使得无人机完成所有任务的时间总和最短。遗传算法分析结果:当从H 和J两处各派出3架无人机时至少需要11.37 h才能完成对7个重点区域的生命迹象搜索,此时巡航总距离为3 808 km,从H处派出3架无人机携带通信装备,并向灾区内的72个地面终端发送不同内容,至少需要25.81 h才能完成所有任务,此时巡航总距离为1 547 km。     

基于卷积神经网络的反无人机系统图像识别方法

针对无人机的无证飞行和随意飞行严重影响和威胁公共安全的问题,提出了反无人机系统。识别无人机是反无人机系统实现的关键之一,为此提出了一种基于卷积神经网络的图像识别无人机方法。运用自制光学系统采集设备采集了不同型号的无人机图片以及鸟类图片,设计了针对无人机小样本识别的卷积神经网络和支持向量机。运用设计的卷积神经网络分别对MNIST数据集、无人机图片以及鸟的图片进行了识别,同时也运用支持向量机识别无人机和鸟的图片,进行了对比实验。实验结果表明,设计的卷积神经网络在MNIST数据集上识别准确率为91.3%,识别无人机准确率为95.9%,支持向量机识别准确率为88.4%。对比实验表明,提出的方法可以识别无人机和鸟以及不同类型的无人机并且识别结果优于支持向量机,可用于反无人机系统识别无人机,给同类研究提供了借鉴。     

一种新的红外机动目标识别算法

为了改善因红外图像中目标轮廓模糊造成的识别率低,提出一种适用于红外机动目标的识别算法。通过自适应步长的细菌觅食算法对BP神经网络进行优化,利用图像中目标的最左点和最右点及两极点上部的目标边缘信息构造以局部面积比组成的特征向量,通过神经网络对目标分类识别。实验结果表明本文提出的识别算法不仅提高了BP神经网络的收敛速度和计算精度,同时有效地提高了对机动目标的识别率,当目标部分区域被遮挡时也有很好的识别效果。