面向复杂障碍场的多智能体系统集群避障模型

针对在地面战场中机器人集群执行任务时的避障问题,建立复杂障碍场中多智能体系统集群避障模型。障碍体采用多边形进行几何建模,减少最小外接圆(球)描述时造成的通道变窄或堵死的概率。基于人工势能方法,给出智能体与智能体、智能体与障碍体、智能体与目标相互作用的数学模型和求解流程:以智能体外心与多边形障碍体内心、外心、边的相互关系,确定障碍体的排斥边和排斥区域;以智能体外心、多边形障碍体边以及目标的相互关系,确定多边形障碍体的捕获边和智能体的临时目标,解决智能体被多边形障碍体边捕获的问题。仿真结果表明:不论静态目标还是动态目标,该模型都可以实现多智能体系统的集群避障控制,验证了其实用性和有效性。     

基于多领导者的群体控制避障算法

为解决传统蜂拥控制算法改变拓扑或者群体宏观形状需要克服智能体间吸引力的问题,设计群体拓扑结 构易于改变的多智能体集群运动避障算法。基于包含控制协议与人工排斥势能函数,通过理论分析证明算法的稳定 性,并在Matlab 环境下进行群体避障仿真实验。结果表明：该算法能够顺利通过由障碍物构成的狭窄通道,具有良 好的群体队形可塑性。     

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.     

基于蚁群算法的舰载机避障路线分析

为了使舰载机编队在突破飞行过程中保持最大的生存概率,针对具有不同威胁程度的威胁体的舰载机避障路径规划问题,提出了一种不同于V图的初始路径构图方法,通过蚁群算法得到了模型中舰载机遭遇各威胁体的避障方式,以及相同威胁度与不同威胁度情况下的避障路线,并进行仿真验证.仿真结果表明:该方法给出最优的避障路线能有效解决V图只能对相同威胁体进行规划的难题,在威胁度与距离2个问题上取得平衡,可进一步推广应用于不同威胁体的多机协同路径规划,为舰载机飞行中过程中的路径规划问题提供了理论依据.     

基于人工势场和RRT算法的机器蛇水下三维避障算法

为提高多自由度多冗余度的机器蛇水下环境适应能力,使机器蛇在海洋中有效避开岩石、鱼群、珊瑚和其他悬浮物,实现机器蛇在水中复杂环境灵活运动并准确到达目标位置,提出了一种基于人工势场和快速扩展随机树搜索算法的机器蛇水下三维立体智能避障算法,利用MATLAB建立三维随机障碍模型。在全局避障方面,通过快速扩展随机树搜索算法解决机器蛇路径被锁死的问题;在局部避障方面,利用人工势场方法避免了难以找到最短路径的不足。由此实现机器蛇以最快速度、最短路径的原则寻找躲避障碍到达目标点的路径。仿真结果表明,机器蛇能够有效避开复杂环境中或大或小、或疏或密的障碍,算法对实现机器蛇进行海洋探索有着重要的意义。     

基于安全强化学习的多智能体覆盖路径规划

覆盖路径规划的目的是为智能体找到一条安全的轨迹，其不仅可以有效覆盖任务区域，而且可以避开障碍物与邻近智能体。在执行覆盖任务时，复杂的大面积任务区域总是不可避免的。如何在保证智能体安全的前提下加强智能体之间的协同合作，以改善集群任务效率低、能力不足的缺点是值得探索的问题。为此，利用栅格地图建立离散的覆盖路径规划数学模型，提出一种基于值分解网络的安全多智能体强化学习算法，并通过理论证明论证其合理性。该算法通过分解群体价值函数以避免智能体的虚假奖励，有助于加强智能体之间协同覆盖策略的学习，以提高算法的收敛速度。通过在训练过程中引入屏蔽器以修正智能体的出界和碰撞等行为，保证智能体在整个任务过程中的安全。仿真和半实物实验结果表明，新算法不仅可以保证智能体的覆盖效率，同时还能有效维护智能体的安全。     

基于碰撞圆锥的无人机SLAM避障技术研究

为解决无人机在同时定位与地图创建时的障碍规避问题,采用基于碰撞圆锥的避障策略,通过建立一个碰撞圆锥,判断无人机避障的时机,以无人机的两维运动模型为例,对该算法进行仿真验证。结果表明,该算法不仅完成了无人机SLAM的功能,估计出无人机和障碍物中心的位置,而且达到了较好的避障效果。     

智能协同干扰技术作战应用分析

基于传统干扰机技术特点,针对未来认知电子战下的智能电子战设备需求和复杂战场环境下的协同作战需求,分析了在未来干扰机集群作战中智能协同干扰的实现方法和思路,形成了认知目标侦察、智能干扰实施算法思想,以及基于多智能体的干扰机群协同干扰任务决策方法结构模型。梳理了智能协同干扰的基本作战模式,提出了双干扰机智能协同模式和干扰机集群智能协同模式,以及后续研究的关键技术,为进一步深入开展智能协同干扰技术研究奠定基础。     

无人集群作战任务的多智能体强化学习卸载决策

近年来，任务卸载作为保障无人集群高效协同作战的关键技术之一，正成为研究热点。任务卸载旨在克服单平台算力不足、能量有限等约束，将计算任务卸载到边缘网络的服务器上进行处理，以达到降本增效的目的。以无人集群辅助的天地一体化协同侦察为作战场景，考虑战时复杂多变的电磁环境以及集群组网拓扑时变性，利用Lyapunov优化把长期任务卸载解耦为在线马尔可夫决策过程。为解决混合动作空间收敛难、学习效率底的问题，结合凸优化和多智能体深度确定性策略，分层求解功率分配和任务分配问题，提出数据-模型双层优化驱动的多智能体强化学习卸载决策算法。数值实验结果表明，新算法能够根据时变的战场环境自适应调整智能体任务卸载策略，达到提升传统算法性能和优化复杂多维目标的目的。     

多AUV编队协调模糊控制策略

针对海域不同障碍环境,从运动学特性出发,提出了一种多自主水下航行器(AUV)编队避障策略.该策略是在领航-跟随法的基础上,利用编队队形的几何关系,引入虚拟AUV,再采用模糊控制避障策略,使编队能顺利通过障碍物,到达目的地.同时该策略有很好的柔性性质,能够根据障碍环境信息的不同,编队系统能保持初始编队队形运动或者适时改变编队队形运动.仿真结果表明,该策略能有效引导AUV编队系统避障.     

虚拟环境下自主水下航行器的避障研究

为了在虚拟环境下模拟自主水下航行器的水平面避障过程,基于软件平台MultiGen Creator和Vega,在HP工作站上开发了自主水下航行器避障视景仿真系统。提出了一种前视声纳的仿真方法,利用Vega提供的碰撞矢量函数和自定义的Volume碰撞方式,模拟前视声纳的功能,并根据声纳所测得的障碍物相对于自主水下航行器的位置关系设计一个模糊推理系统来求解其避障角度,实现了虚拟环境下自主水下航行器的水平面避障。仿真结果表明,该视景仿真能够使仿真系统更加逼真和接近于实际情况,并且满足系统仿真的实时性要求。     

基于双目视觉的UUV避障半实物仿真系统

由于无人水下航行器（UUV）避障研究的实物海洋试验成本高且风险较大,故针对在试验室进行UUV自主避障规划的需求,利用双目视觉展开了UUV避障半实物仿真试验系统的设计研究,包括多自由度运动台架模拟UUV的运动,双目摄像机代替前视声纳作为避障传感器。阐述了实物双目视觉子系统的关键技术和UUV模型子系统的软件实现方法,以及系统的体系结构、数据交换方法,并进行了基于规则的避障仿真联调试验,结果表明,该系统结构简单,试验实施便利,可作为演示、验证和评估避障路径规划正确性和有效性的实用手段。     

障碍物环境下的多AUV主从式编队控制

针对当环境中存在障碍物时,Leader-Follower编队控制中的Follower可能会与障碍物相撞的问题,提出了一种障碍物环境下的多自主水下航行器（AUV）主从式编队控制方法。首先,提出了一种通过改变AUV编队目标点的避障方法,并对其进行数学模型的建立和解析。然后,在Leader-Follower编队控制中,基于级联方法,研究了欠驱动AUV的编队控制问题。将Follower跟踪系统分解为相互级联的位置跟踪系统和航向角跟踪系统,推导出保证系统全局一致渐近稳定的控制参数。仿真结果表明,该方法具有良好的避障和编队控制效果,控制设计可以保证闭环系统渐近稳定,是有效的和可行的。     

多传感器信息融合技术在无人平台避障中的应用

为获得可靠准确的环境信息,采用多传感器信息融合技术。介绍无人平台避障系统组成、避障信息处理和避障控制模型及策略,通过对超声波传感器、红外传感器等多种传感器的数据融合,研究多传感器信息融合技术在无人平台自主避障行为中的应用。实验结果表明,该技术可以实现无人平台准确、快速避开障碍物,为无人平台在各种复杂的、动态的、不确定或未知的环境中工作提供了一种技术解决途径。     

非结构道路场景下轮式无人车辆避障算法

针对非结构化道路下轮式无人车辆的避障问题,提出一种基于模型预测控制的避障算法。在没有离线地图和参考轨迹的非结构化场景下,通过优化方法直接获得车辆运动的轨迹、前轮转角与参考纵向加速度,同时满足车辆运动约束与避障功能。利用车辆感知信息,根据非结构化道路场景将避障问题划分为分段最优控制问题;明确最优控制问题各段的车辆约束与评价指标,并将约束转换为与车辆横纵向控制相关的形式,进而对最优控制问题进行求解。实车测试结果表明,该算法在非结构道路中实现了轨迹规划,规划结果满足车辆约束并使得车辆实现避障。     

AUV前视声纳模拟及避障研究

基于软件平台MultiGen Creator和Vega,在虚拟环境下模拟自主水下航行器的避障过程,在HP工作站上开发了自主水下航行器避障视景仿真系统,提出了一种前视声纳的仿真方法,利用Vega提供的碰撞矢量函数和自定义的Volume碰撞方式,模拟前视声纳的功能,并利用声纳所测得障碍物的数据实现了虚拟环境下自主水下航行器的避障。仿真结果表明,该视景仿真能够使仿真系统更加逼真和接近于实际情况,并且满足系统仿真的实时性要求。     

人机共存环境下巡检机器人自主移动与避障方法

为提高人机混杂环境中移动机器人自主巡检效率,提出一种基于模糊逻辑理论的避障方法。通过分析人 类的社会行为规则,结合机器人的运动特性,建立移动机器人系统的数学模型,将人机距离、人的行为模式和人与 机器人间的相对速度参数进行模糊化处理,得出基于模糊推理方法的机器人速度变化决策,利用模糊控制规则,实 现模糊逻辑控制,并通过穿越和相遇2 种运动行为进行了实验验证。仿真结果验证了该方法具有抗干扰性和良好的 避障性能。     

基于模糊控制的仿生机器鱼避障算法

在具有复杂性与不确定性的水环境下,针对无法建立精确的水下机器人控制数学模型问题,提出基于模糊控制的仿生机器鱼避障算法。将视线导航原理与模糊控制思想相结合,进行水下机器人路径规划。通过专家经验,设计一个模糊控制器,实时调整水下机器人的运动方向,并通过仿真实验验证该算法的有效性。仿真及实验结果表明：该算法能实时、稳定地提供水下机器人的运动路径,有效躲避障碍物,安全达到目标点。