基于改进势场和一致性的无人机编队避障方法

针对无人机编队在执行任务时存在的机间碰撞、与障碍物碰撞及编队通信等问题,将无人机动力学方程视为二阶积分模型,提出一种人工势场法和一致性理论相结合的协同避障控制策略。首先建立变增益函数来降低超调和稳态误差,并由此设计虚拟领航结构下的无人机编队一致性控制方法;然后应用分段思想,增加回环力、机间防碰撞力等来改进传统人工势场法,以解决局部最优和编队安全问题,从而实现编队避碰和避障;最后将一致性控制方法和改进后的人工势场法相结合,提出编队协同避障控制律,并利用小增益定理对其进行稳定收敛性分析。仿真结果表明,无人机编队可以实现精准避障后恢复预期编队队形,最终稳定到达目标位置。

微多普勒辅助的城市环境无人机编队检测方法

针对城市复杂环境下电磁环境复杂、多径杂波和干扰信号密集等现象,传统的无人机(UAV)检测方法通过获取回波信号提取目标多普勒信息进行检测,易受到环境影响导致检测效果不理想。该文提出微多普勒辅助的城市环境无人机编队检测方法,充分利用无人机的微动特征,能够在复杂环境下提高检测精度。首先,参数化建模表征城市复杂环境下无人机旋翼的雷达回波微多普勒信号,利用YOLOv5s检测微多普勒闪烁脉冲,有效提取位置信息;然后,引入雷达信号分选方法的脉冲重复间隔(PRI)变换,分类获得无人机编队数量;最后,利用Kmeans算法验证无人机编队检测方法的准确性。结果表明,所提方法在信噪比2 dB时7架无人机的检测精度高于90%,能够用于城市复杂环境存在干扰脉冲、多径效应、局部脉冲丢失的无人机编队检测。

多因素影响下无人机编队任务可靠性模型构建研究

针对多因素影响下无人机(unmanned aerial vehicle,UAV)编队任务可靠性问题,提出了无人机编队任务可靠性双层模型。首先,基于故障树分析方法,构建了无人机编队任务可靠性下层模型,描述无人机编队的故障状态;其次,基于Markov模型构建无人机编队任务可靠性上层模型,描述无人机编队任务过程中,阶段及状态的转换;最后,建立任务可靠度求解的双层模型对无人机编队任务可靠度进行仿真模拟。设定应用场景仿真验证,仿真结果表明:在起飞/爬升阶段和巡航阶段,本文方法与传统故障树法所计算的任务可靠度结果一致;在侦察阶段,本文方法比传统故障树法的任务可靠度计算结果高0.012 5,给定显著性水平,本文算法的可靠度结果均落在置信区间内,验证了计算结果的可信性。

改进APF的无人机编队避障最优一致性控制方法

针对传统人工势场(Artificial Potential Field,APF)解决避障问题时出现的局部极小值、目标不可达等缺点,提出了一种结合APF和具有协同避障效果的最优一致性控制方法。基于固定无向通信拓扑的双积分器无人机编队模型,引入具有避障代价函数的最优一致性控制协议,解决APF避障的局限性问题,同时对多无人机进行编队控制,使无人机编队控制系统的一致性性能指标、控制消耗性能指标和避障性能指标达到最优解。此外,通过对每架无人机构建虚拟斥力势场,防止在避障过程中出现机间碰撞。仿真结果表明,与改进APF的非最优一致性控制相比,本文提出的改进APF的最优一致性控制能够缩短任务用时32%,且能够极大程度上保持队形完整性,减少避障所造成的一致性消耗和控制损耗。

考虑网络攻击的多无人机编队事件触发分布式弹性控制研究

针对存在拒绝服务攻击的多无人机编队系统,提出了一种基于观测器的编队事件触发以及自触发分布式弹性控制设计方法,降低了控制器的更新频率,提高了系统应对DoS攻击的韧性,并降低了多无人机间通信网络的数据传输压力,通过仿真对比证明了两种编队弹性控制方法的有效性和降低机间通信频率的先进性.

基于JAYA算法的紫外光通信无人机编队路由优化

紫外光通信由于其灵活性高、安全性好和全天候工作等优点,被认为是应急通信用无人机编队(UAV)的有潜力通信解决方案。为了提升紫外光通信无人机编队的有效作业时间,该文基于低功耗自适应集簇分层(LEACH)算法,并结合JAYA智能优化算法提出一种新颖的路由优化算法(RJLEACH)。该方法被用来改善紫外光通信无人机编队的有效操作时间。应用该算法对不同结构的紫外光通信无人机编队路由优化,并与其它算法得到的结果进行了比较分析。结果表明,RJLEACH算法在簇首选举阶段降低了无人机节点间的剩余能量方差,并且通过搜索最优路由降低了簇间通信的能量消耗。最终使网络出现第1个死亡节点和出现1/2死亡节点的时间相比经典LEACH算法分别延长了31.8%和13.8%,同时明显提高了能量利用率,能够为灾区救援和应急通信等任务争取宝贵的时间。

利用离散时间聚合图的无人机编队最短时延路由协议

针对传统的无人机编队路由算法无法有效利用拓扑变化的可提前预知特性、以发送探测包的方式获取链路的连接情况会导致开销大等问题,该文引入时变图模型,提出了基于离散时间聚合图的无人机编队最短时延路由协议。首先,利用无人机编队网络的先验知识,如节点的运动轨迹以及网络拓扑变化情况,使用离散时间聚合图对网络的链路资源和拓扑进行表征。其次,基于该图模型设计路由决策算法,即在路由探索阶段将链路时延作为链路权重求解网络的源节点到目的节点的最短时延路由。最后,性能仿真结果表明,该路由协议与传统按需距离矢量路由协议相比提高了网络的分组投递率、降低了端到端时延和网络的控制开销。

基于多智能体协同的无人机编队控制研究

无人机的应用在各方面越来越受到大家的重视,特别是应用在复杂多变的战场中,其具有独特的优势。但是战场中单架次无人机作战能力非常有限,只能完成单一任务且效率较低。多无人机编队协同,可以充分发挥无人机编队的优势,实现更广泛的任务覆盖、更高效的任务执行能力。首先分析了多智能体组网、无人机编队协同动态组网的应用背景和应用场景,提出了“空-天-低空-陆地”联合通信的域,可以实现不同空间层次之间的信息数据传输,达到战场统一指挥和协同作战,提高作战效率;然后,分析之后建立了单个无人机的数学模型,设计了单个无人机的飞行控制器,且通过仿真得出翻滚角、俯仰角和偏航角响应时间分别为0.5 s,0.3 s和2.5 s;之后,基于AirSim插件、Matlab/Simulink、Python等工具设计了无人机编队协同控制系统,可以实现任务场景仿真、各无人机飞行数据的收集和处理;最后,为了解决各个无人机之间的数据交互和决策等问题,设计了协同通信控制模块,并且给出了具体的硬件原理、数据交互的通信协议等,通过仿真和实验完成了无人机编队协同控制系统,为现代战争中趋于无人作战提供一定的理论和实际参考意义。

四旋翼无人机编队变换能耗优化仿真教学

针对四旋翼无人机编队变换能耗优化仿真教学,该文以多无人机编队切换应用中存在无人机能耗不平衡的案例作为典型教学内容,提出了基于无人机编队能耗优化的仿真教学模式,设计了无人机集群编队队形变化能耗最优仿真教学总体方案,阐明各个无人机无碰撞地驶向目标点的实现思路。搭建的仿真教学实例有效地解决了无人机编队飞行时间短的问题。此设计已经用于研究生“无人机控制技术”的课程教学,可激发学生在传统算法上进行优化的创新思维。

基于自适应郊狼算法的四旋翼无人机编队航迹优化方法

四旋翼无人机编队需要在飞行过程中执行多项任务,而这些任务对编队航迹有不同的要求,导致编队需要花费更长的时间进行飞行,从而影响四旋翼无人机的运行寿命。本文提出了基于自适应郊狼算法的四旋翼无人机编队航迹优化方法。建立双坐标轴,分析四旋翼无人机编队受力情况,计算其姿态角度,构建四旋翼无人机编队运动学模型。根据四旋翼无人机编队的状态变量,设置约束条件。使用危险区对四旋翼无人机的排斥力函数,规划四旋翼无人机编队路径。采用自适应郊狼算法,减少四旋翼无人机编队的期望距离与实际距离之间的误差,实现四旋翼无人机编队航迹优化。实验结果表明,本文方法在优化后,无人机飞行时间平均为8 s,能够有效提高飞行效率,优化效果更好。

基于改进势函数与动态约束的无人机编队重构方法

针对无人机编队重构中变换过程复杂以及响应速度慢的问题,提出基于改进人工势函数与动态约束的编队重构方法。首先,改进人工势函数并建立虚拟力场以及无人机编队模型;其次,使用受动态队形约束的动力学模型描述编队运动将编队运动,建立含有拉格朗日系数的约束动力学方程;然后,采用罚函数法代替拉格朗日系数的方法求解无人机编队的运动学方程;最后,设计二维平面以及三维空间中编队重构场景,开展仿真实验。结果表明,三维空间中编队在0.48s后完成队形变换,扩展编队2.78s后完成队形变换,且变换前后均保持队形稳定。

基于YOLOv8的无人机编队领航者检测算法

基于视觉的无人机编队方法具有不受通信拒止影响的优点,与传统编队算法相比有更强的鲁棒性,逐渐成为了领域内的研究热点。在Leader-Follower无人机视觉编队模式中,跟随者通过对领航者执行实时目标检测,并解算出领航跟随者之间的相对位置关系来完成编队控制任务。基于YOLOv8n目标检测模型提出了一种改进的实时目标检测算法:在Neck模块中加入可变形卷积模块;加入多头注意力机制增强特征提取;在训练过程中进行数据增强。为验证所提算法的性能优势,进行了2次对比测试,实验结果表明,改进算法比原始算法的特征提取效果更强,检测精度更高。最后,将改进的领航者检测算法应用于无人机编队任务中,证明了所提算法的实际应用价值。

基于领航-跟随的无人机编队避碰飞行控制

为实现多无人机之间队形的动态保持,针对从机对主机轨迹的实时追踪和主从机之间航向角的准确同步问题,设计一种以无人机之间距离和角度为变量的领航-跟随算法,在此基础上设计一种误差比例控制器以实现编队队形动态保持;在解决无人机内部避碰的问题上,建立一种球类避碰算法,避免无人机之间因碰撞而影响队形。通过Matlab仿真平台验证无人机集群编队算法,实验结果表明:改进的领航-跟随算法能够稳定地操控多架无人机,实现编队飞行;改进的无人机避碰算法能够有效维持编队的队形,并确保编队成员之间有足够的安全间距;算法的改进不仅提高了无人机编队控制的稳定性,而且能够应对更加复杂的环境条件。

无人机编队模糊约束分布式模型预测节能控制

针对无人机(unmanned aerial vehicles,UAVs)在编队形成过程中节省能量的问题,提出一种具有模糊约束的分布式模型预测控制算法。首先,用模糊数学理论把僚机相对长机的状态误差空间划分成多个模糊集,根据各僚机的状态误差设计速度和航向角指令的模糊约束;其次,把各僚机相对长机的模糊约束作为自身在分布式模型预测控制算法中的约束条件,以降低速度和航向角的变化幅度,使UAV在编队控制中节省能量;最后,与无模糊约束的分布式模型预测控制算法对比仿真。统计结果表明,该方法可缩减飞行路程、减小速度与航向角的变化累计值,起到节省能量的效果。

基于强化迭代学习的分布式无人机编队控制研究

在无人机飞行过程中,基站主机所定义的编队信息会对与飞行器相关的转向行为造成一定的影响,故为保证无人机飞行器的稳定飞行状态,基于强化迭代学习对分布式无人机编队控制算法展开研究;计算强化学习函数的具体数值,通过迭代处理的方式,实现对迭代值概率系数的分布表示,完成强化迭代学习模型的设计;以此为基础,定义无人机编队拓扑结构,并求解信息迁移指标的具体数值,实现基于强化迭代学习的无人机编队信息迁移;在无人机编队控制器的配合下,建立分布式编队信息集合,并联合其中的编队数据样本,求解UAV控制参数,以便后续实现对分布式无人机编队的精准控制;再根据行进编队建模条件,完善控制算法执行流程,完成基于强化迭代学习的分布式无人机编队控制方法的设计;实验结果表明,在强化迭代学习模型的影响下,无人机偏航角始终保持在0°~90°的数值范围之内,表示飞行器按照基站主机所定义的编队信息飞行,能够始终保持较为稳定的运动状态,符合实际应用需求。

无人机编队无源定位技术概况

无人机编队是指多架无人机协同完成一项任务的过程,其历史可以追溯到20世纪初,在当时,无人机主要用于侦察和目标识别。在这些任务中,由于当时的技术原因无法使无人机组成编队去完成任务,所以无人机通常是单独执行命令。到了20世纪60年代,经过几十年的发展,无人机编队开始成为一种趋势。

一种无人机编队参考点飞行运动预判方法

为了实现无人机编队领机/虚拟参考点飞行运动的准确预判,提出了一种基于RBF神经网络的领机/虚拟参考点加速度估计方法。设计神经网络实际权值的更新方式,并运用改进的智能水滴算法获取神经网络高斯径向基函数中心(c_(1max),c_(2max))。其中,上述算法中水滴的速度和加速度模拟无人机的速度和加速度;根据水滴位置偏差、速度偏差组成的矩阵的范数以及网格土壤含量,更新水滴所处网格位置;在满足计算停止条件时,土壤含量最少网格处的(c_(1max),c_(2max))作为基函数中心输出。仿真表明,无人机编队能够快速响应机动飞行,队形变换结束后各机位置偏差和速度偏差足够小。可见,对领机/虚拟参考点加速度估计足够准确,估计方法有效。

基于改进人工势场的无人机编队防碰撞控制方法

针对无人机编队飞行过程中的机间防碰撞、障碍物规避问题,提出了基于改进人工势场的防碰撞控制方法。利用一致性理论,引入了通信拓扑和通信权重的概念,给出了改进的机间人工势场函数和作用区域。定义了无人机与空域障碍物的斥力势,构建了受二者相对运动速度影响的辅助斥力势,使无人机高效地规避障碍物,并给出了机间防碰撞、障碍物规避的总速度场。提出了防碰撞控制算法,给出了速度、俯仰角、偏航角等防碰撞指令;设计了一种飞行控制器来跟踪防碰撞指令,构建了含防碰撞控制算法、飞行控制器的完整编队系统。三维飞行仿真结果表明:所提编队防碰撞控制方法可以快速实现机间防碰撞,并能有效规避空域障碍物。

有人机/无人机编队协同攻击任务分配方法研究

任务分配方法直接决定协同作战效果。针对有人机/无人机编队协同空战的任务分配问题进行研究,给出时序约束下的任务分解方法,采用改进的合同网协议建立任务分配模型,通过引入熟人库来提高任务分配的效率,通过引入任务有效性和黑板机制来实现对时序任务的处理,最后对任务分配算法进行仿真。结果表明任务分配方法是可行的。

无人机编队协同任务规划仿真系统研究

针对使用真实无人机进行编队协同任务规划实验的成本和风险较高的问题,设计了一种基于VR-Forces的分布式的无人机编队协同任务规划仿真系统。设计了系统总体框架和各个子系统的功能模块,实现了其中的关键技术,针对一种协同搜索任务场景进行了仿真实验。研究表明,该仿真系统能够仿真多种任务场景下的无人机编队协同任务规划过程,以帮助验证不同类型的协同任务规划算法,仿真展示度高。