单步预测影响图法在空战机动决策中的应用

提出了一种基于单步预测的多级影响图法,并将该理论应用在单机连续空战机动决策系统建模中.在决策系统的建模过程中考虑了影响无人机机动决策的各要素,包括无人机动力学方程、决策者的偏好以及战斗双方态势的不确定性等.机动决策的态势基准是通过无人机动力学方程迭代获得,运动方程中的控制量通过求解单步预测影响图获得.该预测影响图算法,效能函数的起点不断向后平移,建立了离散空间空战决策的纳什平衡,通过求解效能函数的最大值就能获得每一步的最优控制解.最后仿真验证该方法有效性,元人机模型采用质点运动方程,使用VC++实现并机动决策算法.分析表明提供了一种新型无人机机动决策算法,发展了无人机自主空战机动决策系统.     

基于机动预测的强化学习无人机空中格斗研究

在无人机空中格斗过程中,由于无人机自身状态以及空战态势,敌我双方机动动作及行为策略的选择具有极强的不确定性。针对这个问题,将强化学习方法引入无人机空中格斗过程,建立无人机机动模型及动作集;将空战态势评估函数作为强化学习中的信号函数;采用概率神经网络(PNN)作为对敌机动预测单元;在敌我双方战场信息完全感知条件下,该算法能够不断学习,使无人机通过与环境的交互来掌握其最佳机动行为策略,实现无人机的一对一空中对抗。     

一种近似动态规划的无人机机动决策方法

针对空战机动决策时出现的“维数爆炸”问题,该文提出一种基于近似动态规划的群智能空战机动决策方法。首先建立无人机空气动力学模型和空战态势优势指标函数。其次,利用近似动态规划的思想,将空战过程按时间域划分为多个规划时域,在每个规划时域内,提出人工势场引导下的改进蚁狮优化算法快速逼近最优控制量,有效裁减搜索空间。通过与专家系统法进行仿真对比,表明所提方法解决高动态、实时性强的无人机机动决策问题的有效性和可行性。     

多无人机超视距空战博弈策略研究

多无人机超视距空战决策问题是现代空战重要的研究课题,针对多无人机超视距空战博弈问题进行了研究。首先根据敌我双方作战态势参数信息,建立敌我双方对抗支付博弈模型,然后给出了基于量子粒子群算法的空战博弈混合策略纳什均衡的求解方法,最后通过仿真验证了该方法的可行性及有效性,为解决在超视距下多无人机空战策略问题提供了一种较科学的方法。     

基于博弈论及Memetic算法求解的空战机动决策框架

针对现有机动决策模型体现空战对抗性不足的问题,基于博弈论构建机动决策模型并提出采用改进Memetic算法求解。基于双矩阵博弈构造空战机动决策模型;MA由粒子群优化算法和禁忌搜索算法组成,并引入模拟退火算法以保持粒子多样性。仿真表明更加符合空战实际,可对空战进行有效建模,求解算法满足实时性要求。     

基于模糊动态博弈的多无人机空战策略研究

不确定环境下多无人机空战决策问题已成为无人机作战系统的一个重要研究课题。首先通过分析无人机空战态势信息的不确定性, 建立模糊信息下的多无人机动态博弈的作战优势函数; 将动态扩展式博弈转化成静态策略式博弈, 构建基于模糊信息的双方博弈的支付矩阵。将模糊结构元方法和粒子群算法相结合, 给出模糊信息下动态博弈的混合战略的纳什均衡求解方法。最后通过仿真实验验证了该方法的可行性和有效性。     

基于对局迭代的无人机空战博弈研究

基于对局迭代对多无人机协同空战博弈决策问题进行了研究.首先,根据敌我双方作战态势和效能参数信息,利用矩阵对策法建立敌我双方对抗支付博弈模型,得到支付矩阵;然后,根据混合策略纳什均衡的定义及其推导过程给出了使用对局迭代求解空战博弈混合策略纳什均衡的方法与求解步骤;最后,通过仿真实例验证了该方法的可行性及有效性,为解决多无...     

基于Q学习算术优化算法的无人机三维航迹规划

针对传统方法求解无人机三维航迹规划易导致规划代价高、精度差和容易陷入局部最优的不足,提出基于Q学习算术优化算法的无人机三维航迹规划算法。为了提升算术优化算法的寻优精度,引入Circle混沌映射提高初始种群多样性和分布均匀性,引入Q学习根据个体状态自适应调整数学优化加速函数更新,均衡算法全局搜索与局部开发,设计最优解邻域扰动优化全局搜索能力。通过建立无人机三维航迹规划模型,将航迹规划转化为多目标函数优化问题,并利用改进算法求解无人机三维航迹规划,以综合考虑航迹代价、地形代价和边界代价的目标函数评估粒子适应度,对航迹规划迭代寻优。仿真实验结果表明,所提算法规划的航迹具有更低的总代价和适应不同复杂地形环境的稳定性。     

多级影响图在无人机群协同空战机动决策中的应用

现代空战多为机群对机群的空战。针对无人机群空战中协同攻防机动决策的问题,首先提出了针对单机对单机的在不确定环境下基于多级影响图的空战决策建模。在此基础上对无人机群进行分组,并根据无人机的空战能力划分角色,在空战初始确定小组内的长机与僚机。通过引入协同因子,对空战机动决策中的当前局势概率重新进行加权修正,很好地解决了单元内各成员协同配合的问题,从而将单纯的一对一空战引申为多机对多机协同空战。仿真结果表明所建立的决策模型能够有效地解决无人机群协同空战的机动决策问题。     

面向无人机网络的通信感知一体化的高效能波形选择方法

将感知功能集成入通信设备实现通信感知一体化功能，正在成为无人机通信网络的一个关键特征。现有通信感知融合方案集中于单一波形下的设计，缺乏对无人机飞行场景和波形的适配性研究；此外，无人机感知方式集中于雷达主动探测感知，无人机网络内存在较大的感知信息共享开销。基于此，首先梳理了典型通感融合波形的算法复杂度、载荷能力以及在高动态场景下的误码率性能等指标，引入综合效能指标以表征不同波形的综合能效特征，提出了一种基于感知信息驱动的通感融合波形选择机制，并针对该选择机制中所需决策算法进行了讨论分析，设计了一种“基于先验信息辅助的Q-Learning”波形决策算法，通过结合无人机事先已训练所得“感知信息-波形”先验信息映射与应用“Q-Learning”方法对实际飞行场景进行动态学习，实现在不同场景下无人机所采取通信方案的综合效能提升。为进一步降低主动感知无人机间系统开销，基于所提波形选择机制又提出了一种信号发送端主动感知与信号接收端被动感知相结合的主被动融合感知方案。最后通过仿真证明所提波形选择机制可以显著提高综合效能，验证了“基于先验信息辅助的Q-Learning”波形决策算法性能近似于理想判决，同...     

基于匈牙利融合遗传算法的多无人机不平衡目标分配

基于无人机和目标之间的态势,研究不平衡目标任务分配建模和求解问题。首先,分析空战战场下无人机和目标之间的态势,提出一种某时刻的态势评估方法,建立多无人机不平衡目标分配模型;然后,用匈牙利遗传算法的目标分配算法求解该模型;最后,构建仿真算例进行仿真实验。仿真结果验证了所提算法的有效性,同时也表明了匈牙利遗传算法能够提升模型的求解效率。     

基于人工势场法的无人机路径规划避障算法

随着无人机广泛应用于生产生活的各个方面,无人机的避障研究成为热点问题。为了提高无人机的避障性能,文中提出一种基于人工势场法的无人机路径规划避障算法。该算法通过生成预规划路径弱化了目标点对无人机的吸引作用,增加了路径的连贯性;在势场函数中加入了动态调节因子,可减少无人机轨迹不必要的转弯机动,减少机动能耗;该算法综合考虑无人机飞行中的安全性、平滑性和机动能耗,提出了一种新的代价函数,并通过使得代价函数最小化来选出最优路径。实验结果表明,该算法克服了传统人工势场的不足,在不同的飞行环境下均能够规划出安全、平滑、机动能耗小的路径,有效避开障碍物,且具有较好的适应性。     

多智能体强化学习飞行路径规划算法

为了减轻现代空战中大量信息处理给飞行员带来的负担,同时为了实现无人机航路自主规划,提出了一种基于多智能体强化学习理论的飞行路径规划算法.该算法采用多智能体强化学习的方法,采用两个功能不同的智能体,分别对应局部和全局路径规划.该算法对状态和动作空间进行划分和抽象,有效地减少了状态的数量,解决了强化学习维数灾难的问题.最后用Matlab对此算法进行了数字仿真,验证了算法的可行性,仿真实验结果显示该算法收敛速度快,能够解决飞行路径规划的任务.     

无人作战飞机空战自主机动决策研究

针对无人作战飞机自主空战的要求,通过空战机动方式的分析,提出一种基于风险型决策的空战自主机动决策算法。以对策论为基础,构建空战机动攻击阶段的对策模型,通过模糊决策分析找出最优机动策略。就不同条件下的实例进行仿真,仿真结果表明,该算法考虑空战机动决策的主动性和风险性,体现空战过程的对抗性,符合空战实际情况。     

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。     

多无人机协同搜索多目标的路径规划问题研究

多无人机协同搜索多目标的多旅行商航路规划问题(MTSP)是无人机协同作战的关键技术之一。在协同搜索背景下,多架无人机从同一个基地出发搜索附近的可疑目标,以最快速完成任务为目的,建立MTSP模型,提出一种聚类算法和遗传算法进行分步组合的优化算法。第一步,利用K-means聚类算法将MTSP问题分解成多个独立的TSP问题;第二步,改进遗传算法,引入2-opt算法作为优化算子,重新设计选择算子和交叉算子,分别求解多个TSP问题。通过具体算例验证了该算法的合理性,并同常用的分组遗传算法比较,分步组合优化算法具有更高的计算效率,求解结果更为可靠,尤其在求解大型MTSP问题时,优势更为明显。     

基于改进克隆选择的移动机器人路径规划

针对障碍物已知的全局路径规划问题,提出了一种基于改进克隆选择的移动机器人路径规划方法,详细介绍了该算法的主要设计思想与算法流程。采用栅格法建立机器人工作的环境模型,并对克隆选择算法进行了两处改进:对抗体进行接种疫苗操作,提高了抗体的亲和度,加快了算法收敛速度;引入了抗体浓度的概念,保证了群体在进化过程中的多样性。最后对算法进行了仿真实验,验证了其可行性;并与遗传算法进行对比,结果表明改进克隆选择算法规划出的路径质量更高,收敛速度更快,还能有效地防止早熟收敛与局部收敛。     

目标飞机自主空战战术机动仿真

建立了目标飞机飞行运动模型和基本飞行机动控制方法,根据现代空战特点、空中态势、威胁环境和机载武器性能等因素,设计了目标飞机进攻、防御战术机动动作,并采用机动动作链实现了战术机动动作的执行。同时建立了目标自主空战决策专家系统,实现了特定的空战态势和武器挂载条件下自主空战仿真,为模拟对抗训练提供了逼真的虚拟对手,也为态势估计、信息融合等研究工作提供了符合实际的目标信息。     

基于改进蚁群算法的无人机二维航迹规划和重规划

文中研究了一种改进蚁群算法在无人机二维航迹规划和重规划中的应用。为了克服基本蚁群算法容易陷入局部最优和迭代停滞的现象,文中通过引入伪随机状态转移规则对基本蚁群算法进行改进;并通过引入动态窗口这个概念进行无人机二维航迹重规划。最后给出仿真验证,从仿真结果看出来:文中改进蚁群算法在解的优越性和有效性方面全面优于基本蚁群算法,同时可以看出文中改进蚁群算法在重规划中具有很强的适应性。     

基于航迹点控制的无人机目标跟踪算法

由于运动速度的差异性,固定翼无人机跟踪机动目标时,需要规划特殊的航迹才能达到较好的跟踪效果。根据无人机的机动特性对系统进行了建模,设计了基于航迹点控制的固定翼无人机目标跟踪算法,并对该算法的性能进行了仿真,仿真结果表明该算法实时性强,当目标进行各种运动时都能有效保证无人机目标跟踪的可靠性。