基于聚类和强化学习的多无人机协同侦察任务规划

针对多无人机协同侦察规划问题,由于自顶而下的研究方法有效降低了问题的求解难度,该方法逐渐成为主流研究方向。然而,当面对当前环境发生变化时,上述方法需要对问题进行重新优化求解,以至于实时性表现较差。为解决上述问题,文中提出基于聚类和强化学习的无人机群协同侦察任务规划,该方法将无人机荷载的探测半径考虑到侦察任务的聚类算法中,将探测半径作为范围限定,对整个任务区域进行划分,重新聚为K个子区域,并将子区域内的目标归类到一个中心目标,从而使得原始目标的聚类结果更鲁棒的同时有效降低任务的量级。此外,将影响协同任务的关键因素,例如无人机航行状态、存活几率以及环境变化等要素作为任务目标的约束项,构建协同侦察任务规划的优化模型;最后将奖励函数应用到协同任务求解中通过最大化奖励优化模型的性能,从而达到对环境等要素的良好适应性。     

基于冲突消解多无人机协同航路规划算法仿真

针对多架无人机同时攻击同一目标的问题,提出了一种基于冲突消解机制的航路规划算法.通过分析协同规划中的各种约束条件及任务要求,从规划终点同时、同步扩展每架无人机的飞行航迹,并采用不等步长扩展法反映每架无人机的飞行速度,在扩展节点的同时进行各项约束条件的检查和消除,保证多条航迹间的时空协同;最后通过数学仿真验证了该算法的可...     

可见光传感器无人机目标查证动态航路规划研究

针对有人机和无人机协同执行探测任务中,无人机使用可见光传感器对目标进行抵近查证的航路自动规划需求,基于对可见光传感器成像影响因素的分析,结合无人机传感器性能、飞行性能以及与有人机的通信约束、敌方威胁分布等因素,提出了利用可视图法避开敌方威胁区的无人机查证航路规划方法,并且能够在目标状态发生变化或者出现威胁等情况下,重新...     

基于群体智能的自组织运动控制综述

文中阐述了群体、群集、群体智能、群体控制以及群体系统等相关概念,综述了基于群体智能的自组织运动控制的相关研究工作和研究内容,包括群体控制系统模型的发展历程、群体控制中的各种群集控制策略和控制算法、群体控制系统的系统行为表现以及基于群体控制扩展的各类智能优化算法。最后文中提出了群体自组织运动控制研究的发展趋势。     

基于区块链的无人机群军事应用研究

介绍了区块链的技术特点和在无人机群军事应用上的技术优势,提出了面向无人机群军事应用的区块链体系架构。对基于区块链的无人机群军事应用研究现状做了全面梳理,并分析了当前区块链技术在无人机群军事应用上的挑战和解决方案,为未来无人机群基于区块链技术的军事化应用提供了研究思路。     

群智能优化算法在路径规划中的应用

本文对群智能的理论内涵进行分析,然后从人工鱼群算法、蚁群算法以及粒子群算法三个角度分析群智能优化算法在移动机器人规划中的应用现状,然后对以上三种算法的性能做比较。     

基于多智能体强化学习的无人车分布式路径规划方法

在危险系数较高的救援、勘察或补给等重要任务中,为避免人员伤亡,需要无人车具备自主探索并协同到达多个目标位置的能力.基于此,提出一种基于多智能体强化学习的无人车分布式路径规划模型,通过集中训练方式生成无人车的行驶策略.仿真结果证明了该方法的有效性.     

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.     

基于DTC和遗传算法的无人机-无人车任务规划方法

提出一种标准设计准则(Design to Criteria, DTC)和遗传算法相结合的任务规划方法。以任务分析和环境建模仿真模型语言描述无人作战飞机(Uninhabited Combat Aerial Vehicle, UCAV)/无人战车(Uninhabited Combat Ground Vehicle, UCGV)任务结构,基于DTC方法设计基于用户目标准则的效益函数来控制优化的过程,引入具有精英策略的遗传算法来求解UCAV/UCGV任务规划问题。任务规划过程中集成了路径规划,规划的结果是包含任务各项参数信息的动作序列。仿真结果表明,任务规划的结果能够满足不同需求,且有效融合了多项任务信息,在考虑异构平台能力差异性的基础上,提高了协同作战的整体效益。     

反舰导弹协同攻击航路规划与重规划

为解决反舰导弹预先航路规划无法应对战场态势变化的难题,提出了航路分段规划的思想,并基于该思想构建了反舰导弹协同攻击航路规划与重规划模型。将航路分为预先规划段和重规划段:前段以航程距离和航路点个数为优化指标,通过协调发射间隔达到多导弹时域协同的目的;后段以领弹、数据链、卫星定位技术为基础,考虑导弹飞行误差和目标位置迁移,以损失部分导弹航程为代价,重点关注协同时间指标。为了达到多弹协同的战术目的和满足航路规划的快速需求,提出了一种逆向动态节点规划方法,首先规划得到各弹多条较优航路,然后对航路进行空域和时域协同操作,以获取导弹编队整体最优航路。仿真结果验证了模型的有效性和算法的快速性。     

基于改进遗传算法的多无人机搜索航路规划

针对多无人机对特定区域内的目标搜索问题,提出了一种基于贪婪算法改进变异操作的自适应遗传算法。依据先验情报对搜索区域进行栅格化处理,并结合无人机性能约束建立基于状态更新周期的协同搜索模型;引入类0-1编码将无人机航向控制序列与搜索概率进行关联;考虑到机载雷达对某一区域的重复探测会在一定程度上提高搜索概率,提出加入贪婪算子的贪婪变异策略,并引入策略选择阈值实现依据搜索概率变化对变异策略的动态调整,提高算法后期的局部搜索能力。仿真结果表明,改进的自适应遗传算法整体性能较好,具有较强的搜索能力和鲁棒性。     

面向数据传输稳定性的无人机群频谱接入方法

针对频繁变化的无线通信环境中无人机群频谱资源使用问题,在保障无人机数据传输稳定的前提下,以降低无人机间用频冲突率、提升信道利用率和系统吞吐量为目标,设计了基于多用户非耦合排队频谱接入方法。该方法中无人机之间不需要信息交互和中心控制节点,仅需根据自身数据传输需求、互扰功率和历史信道使用状态信息来构建学习效益函数,生成频谱使用策略。仿真结果表明,所提方法在确保无人机数据传输稳定和兼顾无人机用频公平性的前提下,能有效降低无人机间用频冲突,提升无人机群吞吐量。     

战术航空侦察航路规划评价模型

介绍了进行战术航空侦察航路规划需要考虑的各个因素,从影响战术航空侦察任务的三个方面(战术生存性、飞行约束性、任务有效性)着手,建立了基于任务要求的侦察航路评价模型,解决了战术航空侦察航路规划中航路优劣的评价问题.     

遗传算法在无人机航路规划中的应用

随着无人机在现代战争中的作用日趋重要,对无人机航路规划的研究也越来越多。分析了无人机航路规划涉及的因素和处理过程,介绍了遗传算法的相关内容。根据无人机航路规划涉及因素多、计算量大的特点,采用遗传算法进行航路规划。给出了遗传算法编码方法以及算法参数、终止条件的设置方法,提供了一个应用示例,并给出了一些改进的建议。     

采用粒子群优化算法规划无人机侦察航路

研究了粒子群优化算法,提出了将该算法运用于无人机的航路规划.引入交换指数和变异子的概念,解决了算法的局部极值问题,给出了航路规划的方法和步骤.在Matlab仿真环境下得到了参考航路.结果表明,该算法简单有效,在很大程度上提高了无人机的侦察效率.     

生物导航机制启发的智能驾驶路径规划技术综述

随着人工智能技术的快速发展,智能驾驶系统备受瞩目。目前,智能驾驶技术已成为人工智能领域的热门研究方向之一,呈现出广泛而深远的前景。然而,现有的智能驾驶系统仍存在一些局限,例如路径规划技术需要大量计算资源,对大规模和动态环境的适应能力有限。随着神经科学的进步,生物导航和空间认知机制逐步被揭示。本文从生物导航的角度出发,综述了哺乳动物大脑的空间认知机制,并介绍了几种受空间认知启发的类脑导航算法。我们期望这些研究可以激发智能驾驶路径规划技术的创新,实现更智能更安全的路径规划,甚至能够选择未曾探索的捷径,从而实现灵活的导航。     

浅析无人机在未知环境下的航路规划

无人机具备在未知环境下实时航路规划的能力将成为今后无人机航路规划重要的发展方向。本文针对无人机执行任务的未知环境,给出了基于威胁目标存在概率的环境信息模型,并将环境概率模型用于航路代价函数,最后通过局部优化策略和滚动时域思想对航路进行了实时规划,将全局优化方法和局部优化方法有效地结合到航路规划中,为无人机的航路规划提供了有力支撑。     

干扰环境下基于博弈论的无人机群部署与组网方法

该文研究了干扰环境下基于博弈论的无人机(UAV)群部署与组网方法。首先,基于拥塞博弈,提出一种分布式无人机群部署算法(CUD)。每架无人机可以通过与邻近无人机的有限交互,实现自主的位置优化,以提高数据采集量,并增强干扰躲避能力。其次,基于联盟形成博弈,提出一种无人机群动态组网算法(USACF),可使无人机群在干扰威胁下实现分布式动态子网形成,提高数据传输质量,并增强无人机网络的鲁棒性和可靠性。此外,借助精确势能博弈,从理论上证明了所提博弈模型可以获得稳定的纳什均衡解。最后,仿真结果表明,所提算法相较于传统算法有明显的性能提升。     

采用威胁启发粒子群算法的无人机航路规划

针对复杂地形和威胁环境下的无人机航路规划问题,对粒子群算法进行了改进,提出了融入威胁启发机制的改进粒子群算法.充分利用无人机在任务区域中已知的威胁信息,将其作为威胁启发项,构成粒子群速度更新公式的一部分,有效丰富粒子群算法的搜索行为,增强粒子在搜索过程中的针对性和指导性.使用最小威胁曲面方法,降低粒子编码的维数,并采用...     

基于遗传算法的无人机航路规划

无人机在执行任务时需要装载根据战场环境预先规划好的最优路径,路径的优劣直接决定了无人机的作战效率。采用遗传算法进行无人机路径优化,算法利用极坐标描述威胁位置和航路点,将路径编码由二维缩减至一维,降低了搜索空间,提高了优化效率。对算法进行了相应的仿真,仿真结果表明,编码方式大大提高了优化效率,得到的航路有效地规避了威胁。