无人机协同的路径规划与通信保持优化策略

为降低无人机通信的信号中断、改进优化多无人机协同的搜索与路径规划质量,提出基于无人机自定位、改进蚁群遗传算法的组合算法,通过将多个无人机的地上目标旅行商航路规划（Multiple Traveling Salesman Problem,MTSP）问题,转换为多个独立路径的组合优化集合（TSP）问题,引入局部信息素的搜索优化算子,为避免路径寻址工作陷入过早收敛,设计与应用选择算子、交叉算子,对不同无人机路径规划的种群个体作出交叉操作。同时在无人机通信网络路由选择分析的基础上,通过调整无人机的路径规划方式,优化通信网络性能、降低通信延时,实现区域内多无人机目标的可靠信息传输。     

多无人机联合三维定位中的目标优化识别

在各领域无人机发挥的作用越来越大,也越来越受到重视.无人机进行三维定位其意义十分重大.在进行联合三维定位的时候,容易出现的问题是目标的高度离散性大,目标特征因此具有较大的随机性.本文就多无人机联合三维定位中的目标优化识别作简要阐述.     

距离相关噪声AOA协同定位下无人机路径优化方法

该文研究到达角度(AOA)协同定位下无人机路径优化问题.考虑实际AOA量测噪声方差是目标-传感器距离的函数,距离相关噪声特性使得AOA定位难度增加.为了更好地适应量测噪声随距离变化特性,该文提出一种变增益无迹卡尔曼滤波算法.随后,给出了距离相关噪声AOA定位下广义克劳美罗下界(GCRLB).在此基础上理论分析了无约束最优传感器位置分布和约束条件下最优传感器位置分布.以GCRLB的迹最小化为目标函数建立AOA协同定位下多无人机路径规划问题,采用罚函数和LM算法优化求解,仿真验证了所提算法的有效性.     

距离相关噪声AOA协同定位下无人机路径优化方法

该文研究到达角度(AOA)协同定位下无人机路径优化问题。考虑实际AOA量测噪声方差是目标-传感器距离的函数,距离相关噪声特性使得AOA定位难度增加。为了更好地适应量测噪声随距离变化特性,该文提出一种变增益无迹卡尔曼滤波算法。随后,给出了距离相关噪声AOA定位下广义克劳美罗下界(GCRLB)。在此基础上理论分析了无约束最优传感器位置分布和约束条件下最优传感器位置分布。以GCRLB的迹最小化为目标函数建立AOA协同定位下多无人机路径规划问题,采用罚函数和LM算法优化求解,仿真验证了所提算法的有效性。     

不确定环境下多无人机协同搜索算法研究

不确定环境下多无人机协同搜索是多无人机协同控制的一个重要研究内容。多架无人机同时对一个不确定区域进行搜索,目的在于获取搜索区域的信息,降低环境的不确定度,并尽可能发现隐藏在环境中的目标。针对这一问题,提出一种基于协同进化算法的多无人机协同区域搜索算法。首先,建立搜索概率图来描述搜索环境的不确定性,并使用贝叶斯准则更新搜索概率图,然后,使用协同进化算法,在线生成多UAV协同搜索的路径。仿真结果验证了算法的有效性。     

利用部分重叠信道的多无人机自主协同优化抗干扰

针对多无人机通信网络抗干扰中的功率和信道联合优化问题,考虑多无人机通信网络中的部分重叠信道切换、外部恶意干扰与网络内部互扰问题,通过构建Stackelberg博弈抗干扰模型,设计无人机用户和干扰机的效用函数,并提出了基于次梯度迭代的算法求解博弈的均衡解,获得无人机用户在干扰条件下的部分重叠信道选择和功率选择联合优化结果。仿真结果表明,所提算法能使多无人机用户获得良好的信道选择和传输功率策略,优化多无人机通信网络抗干扰性能。     

多源协同的电力线路恢复路径优化方法

传统恢复路径优化方法仅考虑单一维度下的恢复情况,对重要节点的负荷供电时间较短,为此设计一种多源协同的电力线路恢复路径优化方法。建立重构时间最短的目标函数模型,针对目标函数设计过电压约束、运行约束和启动时间约束等约束条件,修正电力线路非连通方案编码,提高电力线路恢复路径优化效率。实验结果表明,设计的恢复路径优化方法与传统方法相比,电力系统在多源协同下实现优化,重要负荷供电时间增长,一级负荷恢复供电的累计数量增加,验证了设计方法的有效性。     

面向多类型目标的多无人机协同搜索

搜索环境的复杂化使得多无人机(UAV)协同搜索需要面对各种类型的目标。针对各类型目标的运动特征,采用目标存在概率密度相关的搜索图方法,在考虑协同搜索问题特性基础上,建立合理的目标收益函数。采用集中式与分布式相结合的集散式控制框架,结合对搜索图的探测更新,通过预测控制及改进匈牙利算法进行多UAV的协同搜索决策。所用决策方法可在提高搜索效率的同时,有效避免多UAV间可能发生碰撞的问题。最后,通过与传统搜索方法进行仿真对比分析,验证了所提方法的有效性。     

一种多无人机分布式路径规划算法

为解决多无人机路径规划鲁棒性不足、收敛速度慢的问题,提出了一种分布式多无人机路径规划方法。首先,将机队成员视为具有本地控制器的非线性动态系统,并将多无人机控制视为在线优化问题构建路径优化成本函数模型。其次,通过将局部控制和分布式路径规划相结合,并使用粒子群优化算法将平移运动与旋转动力学解耦,以实现对多无人机的分布式路径规划和有效控制。最后,通过建立基于四元数的无人机动力学模型与其他两种方法进行对比仿真测试,并搭建由三架无人机组成的机队进行飞行测试,验证所提方法的有效性。实验结果表明,所提方法能够实现对多无人机的最佳路径规划和有效控制,并具有良好的抗干扰性能,且与其他对比方法相比具有更好的收敛性、鲁棒性和抗振荡性。     

基于GA算法的无人机卫星协同路径优化研究

对于无人机在侦察区域内的所需侦察点间有且仅有一次遍历所有侦察点的总飞行路径之和最短,文章以卫星提供的区域经纬度,确定区域具体坐标为前提,考虑无人机的续航航程及最远飞行距离建立路径优化模型。采用遗传算法的多次迭代求解对飞行路径进行优化,同时将数据代入SA算法作对比。算法结果表明,GA算法的结果更优,且其规划的路径具有较高的可行性,对无人机在城市内的侦察点间进行侦察作业具有实践价值。     

基于优选数据准则的空基多平台协同定位方法

在多无人机(unmanned aerial vehicle, UAV)协同定位地面固定辐射源的应用环境中,UAV编队中的各机利用携带的电子支援措施(Electronic Support Measurement, ESM)探测目标的方位角,并利用各观测机获取的辐射源入射角（arrival of angle,AOA）对目标实施协同定位。假设UAV所携带传感器设备测量精度相同,且测量误差服从正态分布,在此条件下,UAV编队的队形会对多机协同定位的精度产生影响。为了进一步研究编队队形与协同定位精度的关系,首先,利用两机的相对几何关系建立了基于AOA的双机定位模型,并在此基础上推导出基于测向交叉定位方法的多无人机协同定位误差模型;其次,基于该误差模型分别分析了观测机处于不同的观测点对定位误差模型的影响和不同的观测角组合对定位精度的影响,并给出UAV编队队形与定位误差关系的结论;最后,基于上述结论提出了基于测向交叉定位方法的多机数据融合优选定位数据对的优选函数,并利用该优选函数对多机协同定位方法进行了改进,仿真验证了改进算法的有效能。同时,本文得出的结论对于UAV机群的路径规划有一定的指导意义。      

多无人机任务集结合作博弈优化自组织协同控制

基于一致性理论的多无人机系统自组织协同作战是未来无人机应对突发任务的重要方式,任务集结是协同作战的首要行动和自组织协同控制的重要内容。为优化集结行动中系统任务状态协调过程能量最优性、协同控制动态响应性和集结行动时效性3个性能指标,采用基于快速一致性控制算法的协同控制结构,在合作博弈框架下给出多无人机系统自组织协同与优化控制问题描述,建立了优化控制输入的Pareto解集,采用Nash讨价还价方法给出基本合作博弈优化一致性控制算法。在基本算法中引入过去状态差值,并以优化目标构建适应度函数,采用遗传算法优化代价函数的加权矩阵,得到改进合作博弈优化一致性控制算法。理论分析和仿真实验验证了方法的可行性和有效性。     

基于多无人机协同网络的多运动目标监测

本文提出了一种基于动物群体感知的多无人机协同资源调度与任务分配方案,以及基于多数据源融合的运动小目标识别技术和定位跟踪模型,并在多无人机和传感器的监控下进行了多运动目标的识别与跟踪实验.     

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。     

三维多无人机系统协同任务规划关键问题综述

随着无人机技术的迅猛发展,人们对无人机技术的需求越来越广泛,已从单机简单任务向多机协同执行多个复杂任务、且自主协调、无人干预、群体合作的方向发展.而多无人机系统的协同任务规划技术,是无人机自主导航飞行和无人机之间自主协调配合共同完成任务的关键.这一任务规划决定了无人机各类资源的协调和执行目标的合理分配,无人机协调可飞飞行航迹的规划,以及在飞行过程中,取代人为干预,实时协调化解多机飞行时可能产生的各种冲突和问题.因此,对多无人机系统协同任务规划的关键问题,如目标分配、航迹规划、在线重规划等深入研究,是提高多机系统执行任务能力的重要环节.近年来,该领域的研究日益广泛,但还存在诸多问题需要解决,尤其迫切需要研究在三维战场环境下的多机协同任务规划方法.     

多无人机编队自主协同控制架构

提出了动态环境下多无人机编队执行不同使命任务的自主协同控制系统结构。按照分层递阶的思想,将多无人机编队作战系统分为两级分层控制结构和五层功能结构,从不同层级实现无人机群的自主控制,保证了机群指挥的统一性、控制的灵活性和系统的可扩展性;采用灵活的系统通信结构以应对战场环境的不确定性;个体无人平台之间局部相互作用引起的涌现行为及无人机功能编队之间的分布式任务规划,自下而上地驱动作战系统的资源优化配置,结合自上而下的系统指控组织动态适应性优化,优化了系统指控组织结构,有效地整合了战场资源。     

基于粒子群优化算法的多无人机多目标航迹路径规划

针对多无人机多目标航迹路径规划中容易陷入局部最优,机间碰撞以及时效低等问题.提出一种多无人机多目标下改进的粒子群算法（Multi UAV Multi-Objective Improved Particle Swarm Optimization, MUMOIPSO）.该方法将改进的粒子群算法与Dubins算法相结合.首先,通过目标置换以及粒子交叉等方法对粒子群算法中速度和位置更新方式进行改进;通过将自身速度引起位置变化的目标进行置换操作,将个体极值和全局极值影响自身位置变化的粒子进行交叉操作,使改进的粒子群算法适合多无人机多目标航迹路径规划.其次,应用反正切函数改进惯性因子,线性递减函数改进非负的加速度系数,在前期提高无人机全局搜索能力,在后期提高无人机局部搜索能力避免陷入局部最优.最后,采用Dubins算法结合Intersection Type方法规划出一条无碰撞的平滑路径.仿真结果表明,所提出的算法在保证良好稳定性的前提下,其搜索效果与路径规划方式更优,较对比其他算法在适应度函数和总航程方面分别提高16.3%和10.2%.     

空地协同下移动边缘计算系统的联合多无人机轨迹和卸载策略优化

针对基站和无人机的各自优点,地面用户通过空地协同的方式获取计算卸载服务,目的在于最小化地面用户的总能耗。该问题是非凸混合整数非线性规划问题,优化参数存在强耦合性,这将是一个复杂且具有很大挑战的问题。为此,一种联合多无人机轨迹和卸载策略优化的算法被提出以解决这个复杂问题。仿真结果表明空地协同下的移动边缘计算系统性能得到大幅提升,并且通过对无人机的轨迹和用户卸载策略的优化,地面用户的总能耗也大幅降低。