基于加权的无人机集群组网分簇算法

在无人机集群组网中,节点的高速移动会造成网络拓扑结构更新频繁,使网络管理变得更加复杂。分簇能够增大网络容量,实现空间资源的复用,是优化网络管理的有效手段之一。针对大规模、高速移动的环境进行了研究,提出了一种多参数加权分簇算法。该算法将最大速度相似度分簇算法中的分簇指标引入到加权分簇算法中,并且对链路保持率、节点度差、节点剩余能量进行改进,综合考虑这四种参数,通过加权组合的方式选举具有最大权重的网络节点作为簇头。仿真结果表明,该分簇算法不仅能够减少簇的数量和簇间切换率,提高分簇的稳定性,而且能够延长最小节点生存时间,改善网络的整体续航能力。     

面向无人机集群路径规划的智能优化算法综述

无人机集群通过协同完成既定任务是未来智能化、无人化作战的重要方式.路径规划是协同执行任务的首要问题,考虑到无人机集群路径规划的复杂性和多样性,近年来,国内外学者针对该问题开展了大量的研究,本文首先介绍了无人机集群路径规划模型,包括常用的规划空间表示方法、规划目标和约束条件等,其次重点梳理归纳了基于智能优化算法的无人机集群路径规划相关研究,并阐述了不同类型智能优化算法在路径规划问题上的优缺点,最后,分析展望了基于智能优化算法的无人机集群路径规划未来发展趋势.     

一种自适应无人机集群网络恢复方法

为解决无人机集群网络因节点失效造成网络性能和网络可靠性下降的问题,提出了一种自适应无人机集群网络恢复方法。通过信号稳定性和链路负载度对集群内部的通信代价进行评估,并结合图论构建无人机集群网络通信模型。同时,通过鲸鱼算法对灰色滚动预测进行优化,利用优化后的预测模型对通信代价进行提前评估。算法根据通信代价矩阵的预测值找到待恢复节点之间的最短路径,并利用负载均衡算法对恢复后的路径进行优化,实现无人机网络的性能恢复。仿真结果表明,该方法在无人机集群网络失效时可以快速进行拓扑重构,恢复通信节点之间的链路连接,并使网络具有良好的生存性和抗毁性。     

基于动态簇粒子群优化的无人机集群路径规划方法

路径规划对于无人机（UAV）集群的任务执行十分重要,而且高维场景中的计算通常很复杂。群体智能为解决该问题提供了较好的解决思路。粒子群优化（PSO）算法具有参数少、收敛速度快、操作简单等优点,尤其适用于路径规划问题,但它在应用时存在全局搜索能力差、容易陷入局部最优的问题。为了解决上述问题以提升无人机集群路径规划的效果,提出了动态簇粒子群优化（DCPSO）算法。首先,利用人工势场法和滚动时域控制原理建模UAV集群路径规划问题的任务场景;其次,引入Tent混沌映射和动态簇机制进一步提升全局搜索能力和搜索精度;最后,使用DCPSO算法优化模型的目标函数,以获得UAV集群的每个轨迹点的选择。在单峰/多峰、低维/高维不同组合的10种基准测试函数下的仿真实验结果表明,与PSO、鸽子启发优化（PIO）、麻雀搜索算法（SSA）和混沌扰动鸽群优化（CDPIO）算法相比,DCPSO算法具有更好的计算最优值、均值和方差,搜索精度更佳,稳定性更强。此外,UAV集群路径规划应用实例仿真结果也验证了DCPSO算法的性能与效果。     

多无人机协同监测Ad-Hoc网络组网方法研究

以多无人机协同执行农业病虫害监测任务为研究背景,针对通信距离约束下多无人机协同执行监测任务时的组网方法进行研究,提出了一种权值优化有界节点度多无人机组网方法,然后采用所提方法与目前常用的最大节点度组网方法以及组合加权组网方法对协同监测效率的影响进行仿真分析。结果表明,文中所提组网方法在网络拓扑结构、负载均衡以及监测效率等方面具有更好的性能。     

针对固定翼无人机集群的快速任务规划算法

为解决固定翼无人机集群的快速任务规划问题,提出一种基于聚类算法和改进化学反应优化模型的快速集群任务规划算法,满足固定翼无人机集群对规划时间的限制和实际飞行中机载计算机工作场景。利用聚类的方式降低算法的计算负担,通过改进化学反应优化算法保证规划问题的可靠快速收敛,实现无人机集群的快速任务规划。数值仿真结果表明。在与同类算法的比较中该算法有更好的计算效率和收敛效果,通过硬件在环仿真实验模拟了算法在机载计算机环境下运行的效率和结果,验证了在真实场景下算法的可靠性。     

通信距离受限下无人机集群轨迹分布式滚动规划

针对通信距离受限下无人机集群轨迹规划时效性与安全性问题,本文构建了分布式滚动规划框架,提出了局部优先级解耦的序列凸优化方法 (local-priority-decoupled sequential convex programming,LPD-SCP),将集群轨迹规划问题分解为一系列短时域单机凸优化子问题,在保证求解效率的基础上确保了轨迹的安全性.本文推导了确保飞行安全的可行规划时域长度,设计了通信距离受限的局部优先级解耦机制,根据通信状态动态调整邻域内无人机规避优先级,实现通信距离受限下的机间避撞.更进一步,定制了轨迹时间一致协调策略,通过更新飞行时间下边界约束,实现邻域内无人机飞行时间一致性.理论分析了所提LPD-SCP能够通过多次滚动规划获得满足约束的集群轨迹.数值仿真试验结果表明:LPD-SCP能够在通信距离受限条件下规划出满足飞行动力学、机间避碰与时间一致约束的协同轨迹,且15架无人机短时域集结轨迹生成时间不大于4 s.     

一种高吞吐量的无人机轨迹规划方法

无人机由于具有完全可控的移动性以及快速部署等优点,成为无线通信领域的研究热点。研究一种无人机支持的多播信道,利用无人机作为移动发射机向多个地面节点发送信息,在无人机的有限任务通信时间内,设计一种连续圆飞行轨迹方法。面向随机分布的多个地面节点,设定距离阈值对地面节点进行分组,通过求解新型旅行商问题确定无人机对各个分组的通信顺序,在满足无人机与地面节点通信覆盖需求的情况下,对圆心、无人机的飞行速度以及飞行半径进行求解,确定各个分组的圆形飞行轨迹,进而生成连续圆飞行轨迹。为实现吞吐量最大化目标,基于连续圆轨迹,在轨迹、功率一定情况下进行功率和轨迹优化,并通过交替联合优化无人机轨迹和功率以提高无人机对地通信系统整体性能。仿真结果表明,与基准方案相比,该方法系统吞吐量明显提高。     

基于时间敏感网络的变电站通信网络低时延控制方法

以降低变电站通信网络时延为目标,基于时间敏感网络设计了一种低时延控制方法。首先,在变电站通信网络的站控层和过程层中,利用时间敏感网络交换机组建时间敏感子网络,再将不同交换机终端辨识为多个线性参数模型。然后,利用模糊控制方法控制交换机同步时钟的误差,根据模糊C均值聚类方法确定低时延控制的模糊规则前件,利用时间敏感网络的参数辨识获取模糊规则后件。最后,依据模糊控制前件与后件,结合模糊控制与广义预测控制,实现时间敏感网络时延的反馈校正。实验结果表明,采用该方法控制变电站通信网络时延量后,网络通信最大时延被控制在100 μs以内,最大时延抖动被控制在20 μs以内,说明该方法有效实现了设计预期。     

UAV swarm path planning with reinforcement learning for field prospecting

Applied Intelligence - There has been steady growth in the adoption of Unmanned Aerial Vehicle (UAV) swarms by operators due to their time and cost benefits. However, this kind of system faces an...     

基于改进粒子群算法的无人机路径规划

针对传统粒子群算法PSO求解无人机路径规划问题时存在极易陷入局部最优的问题,在PSO算法中引入细菌觅食算法BFO的趋化操作、迁徙操作,以提高其寻优能力。首先根据无人机飞行环境建立三维高程环境模型,并使用路径长度代价、障碍危险代价和航迹高程代价来构造适应度函数;然后在分析了粒子群算法和细菌觅食算法原理及特点的基础上,给出了算法的改进方法及其具体流程。最后,通过Matlab仿真验证表明：混合算法有效改善了粒子群算法的缺陷,在进行无人机路径规划时,相比于传统PSO算法,混合算法寻优精度和稳定性有明显改善。     

UAV path planning method for avoiding restricted areas

Intelligent Service Robotics - Recently, the industry of drone systems has come into the spotlight because a new potential market has been revealed. A considerable number of drones are deployed...     

基于混沌粒子群的多飞艇资源配置规划方法

对地观测具有任务繁多、约束复杂、资源有限等特点,对观测资源配置进行合理规划具有重要意义。面向多飞艇多载荷对地观测任务,结合经典粒子群算法,研究了满足任务完成度、分辨率要求和负载均衡度等多目标的资源配置规划方法。在经典粒子群算法的基础上利用混沌优化技术进行改进,并设计实现了原型系统。实验验证了该资源配置规划方法的有效性。     

面向无人机电力巡检航迹规划的语义服务方法

针对复杂环境下无人机电力巡检航迹规划问题,从信息处理角度提出一种语义服务方法.构建一个具有环境态势感知、航迹构造和语义策略图模型的语义服务框架;利用巡检关联比重对实体对象进行空间划分,通过OWL形式化表示和J ena推理刻画巡检航线特征位置的因果关系,提出语义空间距离计算和基于强化学习的路径选择机制.研发语义服务模拟演...     

基于公共物品博弈的无人机集群弹药分配方法

自主协同是无人机集群作战效能发挥的关键,针对无人机集群自主协同中的弹药分配问题,提出一种基于公共品演化博弈模型的弹药分配方法.首先提炼无人机集群弹药分配的自主性需求,结合多主体间资源分配的对立统一关系,建立面向无人机集群弹药分配的公共物品博弈模型;在此基础上,理论推导出模型的合作策略占优条件;然后,通过仿真实验,研究各参数对集群自主协同及弹药分配效能的影响;最后,依据理论推导及仿真结果,给出无人机群弹药分配的合理化建议.     

A modified particle swarm optimization for aggregate production planning

Particle swarm optimization (PSO) originated from bird flocking models. It has become a popular research field with many successful applications. In this paper, we present a scheme of an aggregate production planning (APP) from a manufacturer of gardening equipment. It is formulated as an integer linear programming model and optimized by PSO. During the course of optimizing the problem, we discovered that PSO had limited ability and unsatisfactory performance, especially a large constrained integral APP problem with plenty of equality constraints. In order to enhance its performance and alleviate the deficiencies to the problem solving, a modified PSO (MPSO) is proposed, which introduces the idea of sub-particles, a particular coding principle, and a modified operation procedure of particles to the update rules to regulate the search processes for a particle swarm. In the computational study, some instances of the APP problems are experimented and analyzed to evaluate the performance of the MPSO with standard PSO (SPSO) and genetic algorithm (GA). The experimental results demonstrate that the MPSO variant provides particular qualities in the aspects of accuracy, reliability, and convergence speed than SPSO and GA.     

基于RTOS的小型无人机飞行控制系统

一种基于RTOS的小型无人机飞行控制系统的设计与实现。该系统基于C8051F120单片机和USOS Ⅱ嵌入式实时操作系统,通过使用实际飞行获取的飞行参数,采用PID控制律实现了姿态控制;通过使用GPS提供的方位信息,实现了无人机的轨迹控制。同时,该控制系统还提供了飞行参数的存储。     

拉格朗日松弛的无人机路径规划

提出了基于城市建筑物遮挡模型的无人驾驶飞行器（简称无人机）路径规划方法,主要包含两方面的内容：一是利用圆柱体虚拟城市的建筑物环境,使建筑物对无人机的遮挡面积可计算,另外,由于建筑物的相对位置会相互遮挡,不可以进行简单的面积加法。采用程序实现了无人机的遮挡总和的计算,即每个建筑物遮挡面积的并集。二是在计算出无人机飞行的水平平面上（x,y）点的遮挡曲面值的基础上,给出了无人机基于拉格朗日松弛算法的优化路径规划,即走一条遮挡面积最小的路径的方法。给出matlab仿真结果,实验结果表明该方法是十分有效的。     

基于集成约束无人机两步制航迹规划方法

无人机航迹规划是一个富含地形威胁、雷达威胁和自身可飞性等多约束的优化问题.采用两步制的规划框架,提出一种基于集成约束的无人机航迹规划方法.规划第1阶段采用基于多种群策略的差分进化优化方法,规划第2阶段采用海洋捕食者算法的Lévy运动优化;集成约束机制在搜索过程中动态更新约束策略来补偿可行解数量骤减,抑制搜索停滞.与典型算法和约束处理策略进行对比,实验结果表明,所提出无人机航迹规划方法收敛性好、稳定性强,能够有效地求解复杂多约束无人机航迹规划问题.