面向多节点同步协同的并发任务分配方法

当前无人机集群在电磁频谱监测中得到了较为广泛地应用，为提升无人机集群可同时执行的电磁频谱监测任务数量，基于时分复用的思想，提出了一种面向多节点同步协同的并发任务分配方法。通过构建任务帧实现了监测任务的并发执行，并利用自适应学习的粒子群算法对任务帧进行优化，进一步提升了无人机集群的并发任务执行能力。此外，通过基于优先级的任务帧局部重优化策略，在兼顾优化质量的同时提升了重优化的速度以适应快速变化的电磁监测任务需求。仿真结果表明，所提方法能够有效提升无人机集群的并发任务执行能力和动态适应能力。     

面向多点侦察和通信服务的多无人机协同任务分配

针对多无人机对多个异构任务目标进行侦察和通信服务的协同优化问题,通过考虑不同目标的任务要求和价值,以及多机协同增益与任务行为制约关系,构建斯坦伯格博弈模型,将上层无人机建立为博弈领导者,下层无人机建立为博弈的跟随者,并提出一种分布式策略更新迭代算法,实现了多无人机任务分配方案的稳定收敛以及系统任务收益优化.仿真结果显示,所提方法能有效提升多无人机系统同时完成多个任务的效益,并能在不同环境下实现面向异构任务价值的高效协同.     

多无人机协同航路规划研究

提出了一种基于路径均衡蚁群优化的航路规划方法.首先,针对环境的复杂性和多机航行的碰撞威胁,引入阻塞因子以解决无人机之间的空间协同问题;其次,利用可变协同航程同步各无人机的航行时间,解决无人机之间的时间协同问题;最后,在满足时空协同要求的前提下,为无人机编队选择总体航行代价最小的优化航路.仿真实验结果验证了复杂环境下所提方法的可行性和有效性.     

MIMO雷达空时编码和接收权联合稳健设计

针对基于多进多出雷达的空时自适应处理方法的检测性能对目标参数估计误差敏感从而导致系统检测概率稳健性较差的问题,提出一种改善多进多出空时自适应检测性能的发射波形和接收权联合稳健设计方法。首先推导了多进多出空时自适应输出信干噪比的数学表达,而后构建了目标空时频导向矢量估计误差模型。在此误差模型、波形恒模特性、旁瓣以及杂波抑制等约束下,基于最大化最差情况下输出信干噪比准则,提出了改善多进多出空时自适应检测性能的发射波形相关阵和接收权联合稳健优化问题。为求解所得复杂非线性优化问题,提出一种迭代方法,其中每一步都可转化为半定规划问题,因而可获得高效求解。仿真结果表明,与现存主要的稳健方法、非稳健方法及不相关波形相比,所提方法可显著改善多进多出空时自适应检测概率的稳健性能。     

解非线性互补问题带线搜索的非单调自适应信赖域法

基于Fischer-Burmeister(FB)函数将非线性互补问题等价地转化为求解无约束优化问题。结合自适应信赖域半径方法和基于函数平均权重的非单调技术,提出一个求解非线性互补问题的非单调自适应信赖域方法。在适当的假设条件下,证明了该算法的全局性和超线性,数值结果表明该算法是可行的。     

基于强跟踪H-/H∞优化的无人机系统故障检测

针对一类无人机飞行控制系统故障检测问题,提出基于强跟踪H_-/H_∞优化的故障检测方法。将无人机飞行控制系统的执行器与传感器故障描述为加性信号,在考虑风扰动的情况下,建立无人机纵向飞行控制系统的非线性故障模型。将残差产生器的设计归结为扩展H_-/H_∞最优问题。受强跟踪滤波器的快速收敛性的启发,在设计故障检测滤波器时将强跟踪滤波器与扩展H_-/H_∞最优问题相结合实现无人机飞行控制系统的快速故障检测。以无人机升降舵部分失效故障与空速管堵塞故障为例进行仿真试验。结果表明,提出的方法能够快速实现无人机飞行控制系统的故障检测。基于强跟踪H_-/H_∞优化的故障检测方法可用于无人机飞行控制系统的故障检测。     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。     

喷气式无人机总体参数优化方法研究

提出了喷气式无人机总体参数优化方法，并建立了用于喷气式无人机总体设计的综合模型及相应的计算机软件，该方法能够以无人机的起飞质量最小为目标，以最大速度、盘旋过载、单位剩余功率、最大航 设计约束，对机翼面积、机翼展弦比、机翼尖削比、机翼后掠角及机翼平均相对厚度等参数进行优化并可进行参数敏感性分析。     

一种改进多目标灰狼优化算法的多无人机任务分配

针对多无人机对空中移动目标协同执行多任务问题,本文提出了一种基于并行机制的多目标灰狼优化算法.结合无人机空中态势模型,以最小化执行代价和最小化时间代价为双目标函数,建立了多无人机协同多任务分配模型;将多个无人机视为并行的灰狼子群,对每个子群分别采用分层编码和多目标优化算法保留其最优个体;通过档案室共享策略获得整个群体的...     

基于蚁群算法的多无人机协同任务规划研究

现代战争中,无人机对战前情报收集、重要空域控制、重点目标监视和打击等起着关键作用.随着攻击方参战无人机的规模增加,相应防御方的防御力度也在提高.无人机群的作战任务面临的是多目标多雷达的防御群.因此,多无人机协同任务规划的研究主要集中在任务分配和路径规划.基于蚁群算法建立了针对目标群简化的数学模型,解决了侦查无人机滞留防御方雷达探测范围内的时间总和最小的航线优化问题,完成了无人机侦查任务拟制最佳路线和调度策略,实现了多无人机的协同任务规划.     

一种基于区域权重平滑的弱监督目标定位方法

由于图像类别标签的弱监督目标定位方法存在定位区域仅覆盖目标最具有显著性类别信息部位的问题,同时,区域的类别信息响应受到关键权重的影响,且关键权重的不均衡导致了定位区域响应的稀疏性,因此,提出一种基于区域权重平滑的弱监督目标定位方法.文章设计了自适应标准差正则项,以缩小关键权重差异,从而在保留网络分类能力的同时平滑定位区...     

一种临近空间MIMO雷达空时自适应处理方法

鉴于MIMO雷达多信号问正交性和天线阵列结构影响其动目标检测性能,提出了基于遗传算法优化提高自相关峰值并降低互相关峰值方法,从而实现了多信号间良好正交性,基本抑制了盲速的影响．基于得到最大连续孔径思想,给出了一种阵列结构,在不显著增加天线阵列长度奈件下,与正交信号结合,实现了MIMO空时自适应处理（STAP）．仿真实验表明,基于正交信号和收发阵列设计,MIMO STAP可实现良好动目标检测性能．     

一种改进博弈学习的无人机集群协同围捕方法

针对无人机集群对单智能化目标协同围捕问题,文中提出一种改进博弈学习的无人机集群协同围捕方法。根据集群和目标的运动学关系,建立了一种结合博弈论与阿波罗尼斯圆的协同围捕模型;依据集群之间的相互合作关系和追逃双方的博弈关系,基于Q-Learning算法和学习到的奖赏均值动态调整贪婪因子以构建和完善状态-动作矩阵;根据状态-动作矩阵求解支付矩阵的纳什均衡解,完成集群对单目标的协同围捕。研究结果表明：通过该协同围捕方法各围捕无人机获得的平均奖赏值较传统Q-Learning算法分别提高了48%,32.4%,50.8%,完成围捕任务所需的平均行走步数减少了58.7%,能够有效对单目标进行围捕,且围捕时效性更强。     

基于自适应权重AD-Census变换的双目立体匹配

针对AD-Census变换采用固定权重将AD变换代价与Census变换代价合成的双目立体匹配代价无法体现像素点区域特征的问题,提出一种基于自适应权重AD-Census变换的双目立体匹配算法。算法首先通过增加相邻像素点的灰度差阈值条件改善十字支撑自适应窗口;然后以每个像素点的十字支撑自适应窗口的最短臂长为自变量,利用指数形式的函数,进行AD变换代价与Census变换代价合成权重的自适应设置。由于像素点十字支撑自适应窗口的最短臂长能够反映像素点的区域特性,因此自适应设置的权重大小与像素点的区域特性直接相关,计算图像边缘区域像素点的匹配代价时,AD变换的权重大;计算平滑区域像素点的匹配代价时,Census变换的权重大。Middlebury第3代双目立体匹配评估平台的结果显示,基于自适应权重AD-Census变换的双目立体匹配性能与基于AD-Census变换的双目立体匹配性能相比,所有图像集的全部像素点的视差平均误差减小了25%,非遮挡像素点的视差平均误差减小了20%,性能得到了提升;平台上包括Adir在内的多个图像集的匹配结果表明基于自适应权重AD-Census变换的双目立体匹配更适合含纹理丰富、存在重复区域的图像。     

基于群体智能算法的无人机蜂群拓扑构型方法

面向特定任务场景，无人机蜂群需要通过拓扑构型自主形成特定的拓扑形状以实现高效群体协同机制。拓扑构型通常包含从初始拓扑到目标拓扑的最佳映射和最优拓扑构型位置这两个问题，它们相互影响并直接关系到无人机蜂群的全局能量消耗。基于全局能耗最小化为目标的无人机蜂群拓扑构型联合优化模型，建立了基于群体智能算法的一般化求解框架，给出了基于灰狼优化算法(GWO)、均衡优化算法(EO)和穷富优化算法(PRO)的具体求解方法，并讨论了基于群体智能算法求解优化模型的加速收敛策略。仿真结果证明了该无人机蜂群拓扑构型方法的有效性。在典型拓扑构型场景下，该优化方法在8次迭代内即可实现算法收敛。     

动态神经元网络的直接自适应控制与应用

本文对一类未知的非线性多变量系统，提出了用动态神经网络实现直接自适应控制的策略；基于Ｌｙａｕｎｏｖ理论，获得一个稳定且连续的学习律，避免了递归训练过程；闭环系统被证明是稳定的。这种方法的是，不需要离一学习阶段；对非线性电机仿真的结果验证了提出的动态网自适应控制算法的有效性。     

基于改进布谷鸟搜索的Web集群自适应负载均衡算法

为了解决Web集群中的高并发访问和资源异构引发的负载不均衡问题,提出了一种基于改进布谷鸟搜索的负载均衡算法。该算法建立了自适应负载分配权重模型,使用基于目标函数的布谷鸟搜索算法寻找最优权重。首先,根据集群任务调度特性定义了负载分配权重,并建立了集群调度的目标函数。其次,将负载分配权重编码为布谷鸟种群个体,使用布谷鸟搜索算法寻找最优个体,结合目标函数进行评估。另外,通过混沌变异增加初始种群的均匀度和离散度,并通过在布谷鸟搜索中引入反向学习,加速了最优权重的输出,根据最优权重将任务调度至集群中的各节点。结果表明:负载均衡算法使得整个集群的服务响应时间降低60%左右,在高并发请求情况下可显著提高异构集群的服务容量和负载均衡度。     

基于稀疏A~*遗传算法的无人机三维航迹规划

针对基于自适应遗传算法无人机三维航迹规划寻优性能较低的问题,提出了一种基于稀疏A*遗传算法的无人机三维航迹规划方法;建立了稀疏A*遗传算法的仿真模型,利用稀疏A*搜索新航迹点的方法,提高了初始种群质量;通过引入禁飞区域代替威胁区域、安全区域、保密区域,可使本算法适用于民用无人机航迹规划。仿真实验表明,与自适应遗传算法规划无人机三维航迹相比,该算法具有更好的寻优性能。     

用多目标FSQP算法实现涡扇发动机多变量非线性控制

涡扇发动机是一个复杂的非线性系统，用常规的多变量控制方法难以获得理想的控制效果。提出了一种自适应变权重的多目标FSQP(Feasible Sequential Quadratic Programming)算法，以及基于此算法的涡扇发动机多变量非线性控制方法。该控制方法可以有效地解决涡扇发动机的多变量非线性控制问题，同时在满足控制过程中各项约束的前提下，达到调节时间最短的目标。仿真结果证明了该控制算法的可行性和良好的控制效果。     

未知环境下多自主水下航行器目标搜索方法

针对未知复杂环境下,传统搜索模式或离线设计全局优化航迹的自主水下航行器搜索方法中,搜索效率低,定位精度不稳定,环境适应能力差等问题,本文提出一种基于动态预测的多自主水下航行器协同自适应目标搜索方法,该方法分为3种模式:有目标模式,根据获取声呐视域中的目标信息进行自适应的实时目标搜索;无目标模式,利用分区域策略辅助区域搜索覆盖、协同规划任务;避障模式,利用改进的动态窗口法实时面对复杂的障碍威胁;根据不同的水下环境,3种模式间交替切换执行,完成未知水下环境的目标搜索。仿真结果表明:该方法能够应对未知水下的不确定信息,保障目标状态信息的可信区间,具有环境适应性和搜索高效性。