面向复杂多任务的异构无人机集群分组调配

针对复杂多任务下的异构无人机(unmanned aerial vehicle,UAV)集群分组调配问题,提出一种基于改进K均值和延迟接受(deferred-acceptance,DA)算法的先聚类后匹配方法。在任务聚类分组环节,通过离群点检测和固定初始聚类中心的方法来提高K-means聚类的精度,并设计余量裕度下的分组均衡性调整策略,在最优性的前提下提高分组的均衡性。在集群匹配分组环节,改进了DA算法,通过任务倾向的偏好列表快速生成预中选方案,并设计两阶段冲突消除来保证匹配的稳定性和收敛性。仿真实验表明,所提方法能够快速有效地解决复杂多任务下的UAV集群分组调配问题,具备良好的最优性和时效性。

基于层次分解的在线三维RRT^(*)协同航路规划

针对多机时间协同航路规划问题提出一种基于层次分解的在线三维规划方法。首先,将高维强耦合协同规划问题按3层分解为低维的简单优化问题。其次,提出基于反双曲正切函数的协同指标参数的优化方法,以解决各无人机时间间隔过大导致绕飞消耗的问题。然后,提出基于滚动时域的三维快速搜索随机树^(*)(three dimensional rapidly-exploring random tree^(*)based on receding horizon,TRH-RRT^(*))在线航路规划算法,用有偏随机样本增加采样点利用率,用人工势场法引导RRT^(*)节点生长并基于滚动时域的节点去除法减少非必要的扫描过程。最后,针对多机会聚攻击任务进行了仿真验证,结果表明所提方法在航路规划时间及规划结果方面具备一定优越性。

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。

基于顺序扩展一致性包算法的多无人机分布式任务分配

以异构多无人机协同执行复杂的耦合多任务为背景,提出一种求解分布式任务分配问题非死锁的顺序扩展一致性包算法.首先,建立考虑任务载荷资源、任务时序、威胁区等约束条件的时序多任务分配模型;其次,对一致性包算法的任务包构建过程和冲突消解规则进行扩展,并设计一种基于有向图深度优先搜索的方法进行任务方案的死锁检测和修正,以实现无冲突和无死锁的任务分配;然后,将关联任务之间的时序约束转化为软时间窗约束,利用顺序分层的策略进行求解;最后,为了提高任务分配结果的可靠性,采用Dubins曲线路径将航路规划耦合到任务分配中.仿真实验表明,所提出的算法能够快速有效地求解异构多无人机分布式耦合多任务分配问题,具备良好的最优性和时效性.