Motionplanningof UAVgroupusing modifiedgyroscopic force forguidance and avoidance

It is comment that unmanned aerial vehicles （UAVs） have limitation on information cap- turing in reality applications. Therefore, online method of motion planning is necessary for such UA- Vs. Gyroscopic force （GF） is used for obstacle avoidance as an online method. However, classical GF has shortcoming in generating orbit for UAV with high velocity because the GF results in a time- varying turning radius. Modified gyroscopic force （MGF） given by function of velocity can overcome this shortcoming and help get a more practical control law for avoidance. MGF can also be used to implement the guidance of UAV by designing particular active conditions. Interactions in forms of stress function and damping force are introduced so that an UAV group can have coordinated motion. By combining controls of MGF and interactions, motion planning of UAV group in obstacle environ- ment can be implemented.

面向智能电网输电线路巡检的泛在物联网UAV研究

由于电网输电线路巡检传统的人工巡检方式效率低下,错误率高,该研究提出了新型的巡检方式。该技术采用泛在物联网无人机UAV巡检,构建出泛在电力物联网UAV巡检系统;以UAV群的形式在ZigBee无线传感器网络内实现电网输电线路的实时、在线数据采集,实现不同环境下各种复杂地貌中电网输电线路巡检的高效工作,解决了人力巡检工作带来的不便。试验表明,该方案数据通讯成功率高,巡检效果好,有利于推进智能电网输电线路巡检工作的进行。

无人机辅助MEC系统中基于最优SIC顺序的能耗优化方案

在基于上行非正交多址接入(NOMA)的无人机(UAV)辅助移动边缘计算(MEC)系统中,NOMA的连续干扰消除(SIC)顺序已成为限制上行任务卸载链路传输性能的瓶颈,为降低系统能耗,对SIC顺序进行了讨论,提出了联合信道增益与任务时延约束的最优SIC顺序。在满足设备给定任务时延、设备最大发射功率约束以及UAV轨迹的约束下,基于最优SIC顺序提出了最小化系统能耗的问题。由于该问题是个复杂的非凸问题,采取交替优化的方法求解该优化问题,以实现功率分配和UAV轨迹的优化;利用匹配理论,提出了低复杂度算法来得到不同时隙的最优设备分组。仿真结果表明,与其他SIC顺序相比,最优SIC顺序能够在相同的任务时延约束下实现更小的系统能耗;所提的低复杂度设备分组算法能够得到最优设备分组。

多无人机辅助NOMA网络的联合无线资源分配算法

为了满足高容量需求和通信质量,提出了一种多无人机(Unmanned Aerial Vehicle, UAV)辅助下行非正交多址(Non-Orthogonal Multiple Access, NOMA)网络的联合定位、用户调度、用户配对和功率分配优化算法。在基站位置固定的网络场景下,推导出通用最优用户配对和功率分配策略闭式解。针对多小区场景,将无人机的位置优化问题转化为一个局部合作博弈问题,并证明所提博弈是一个精确的潜在博弈,它至少有一个纯策略纳什均衡(Pure Strategy Nash Equilibrium, PNE),且最优的纳什均衡(Nash Equilibrium, NE)能够最大化网络和速率。设计了一种集中分布式学习算法寻找最优PNE。仿真结果表明,该算法优于现有方案,显著提高了网络效用。

新工科背景下面向智能测绘的无人机测绘课程群开发路径研究

随着新工科建设和智能化测绘的不断推进,测绘类相关高校应及时对测绘类专业的课程进行改革,但目前大多开设无人机测绘相关课程的测绘类高校教学重点没有突出新工科背景下面向智能测绘的相关技术在无人机测绘中的应用,该文从教学内容、实践教学方式、考核方式三方面出发,对相关教学体系进行改革,以期能够推进新时代无人机测绘课程群的开发进度,培养更多符合时代要求的测绘学科人才。

集群无人机激光充电策略

如今无人机(UAV)越来越趋向于群体运用,无人机群中的UAV数量也越来越多,但UAV的续航一直是限制其应用的原因。为了解决无人机群续航较短,充电效率低等问题,本文针对激光供电无人机群,提出一种同时充电的集群策略。利用圆中圆公式推导生成集群充电UAV的初始位置,后利用改进人工势场(IAPF)结合粒子群优化(PSO)算法对其位置进行优化,最后通过MATLAB仿真验证集群结果。结果表明激光光束为1束和7束情况下,集群最高效率为92.6%和91.9%,效率比优化前平均提升12.64%和10.41%,光斑外径下降7.06%和6.27%,有较好的集群效果。该集群充电策略能够解决传统充电方法在多数量无人机群时的调度问题,可以用在无人机群充电领域。

基于红外探测的无人机群结构特性感知方法

针对现有目标检测算法未考虑无人机群成员之间相互关系,容易出现漏检、误检群成员和未能感知无人机群队形结构特性的问题,提出了一种基于红外探测的无人机群结构特性感知方法。首先,为减少图像中无人机外观特征损失,设计了空间深度-通道注意力模块,该模块结合空间深度转换模块保留判别特征信息的优点和通道注意力关注通道间相关性的特点,提高了检测网络的特征提取能力;其次,为充分利用图像中无人机群成员的位置、边界框大小等结构信息,提出了群成员关系模块,将无人机的结构信息融入到无人机群成员之间的关联信息,提高了检测网络对无人机群成员的检测定位能力。最后,在自建的Drone-swarms Dataset数据集上开展实验验证。实验结果表明:文中提出的无人机群结构特性感知算法的mAP达到了95.9%,较原始YOLOv5算法的mAP提高了约7%,有效提高了无人机群成员的检测精度;同时,检测速度达到59帧/s,实现了无人机群目标的实时检测,进而实现了无人机群队形结构特性的感知。

基于加权处理的无人机群数传性能综合评价方法

将不同类型的情报信息高效回传至指挥中心是侦察型无人机的主要任务之一。针对不同类型的信息,须采用不同的传输体制,因此建立具有客观性、准确性、全面性的数据传输(以下简称数据传输)性能评价方法是保证机载信息高效回传的关键。鉴于现有评价方式更加注重提升指标、缺乏对传输体制的全面评估的问题,提出一种基于加权处理的无人机群数据传输性能评价方法。根据无人机信息的类型与特性,得到信息传输的侧重性指标、兼顾性指标以及次要指标,对不同指标进行权重分配,最终得到各项性能的得分以及综合得分。针对数据传输技术的几种典型方案,采用加权处理的方法进行综合性评价,更加直观地给出不同传输方案的优缺点。作为一种通用的评价方式,所提方法针对单一场景,能够对不同指标进行定量分析,指标的权值可根据实际需求灵活调整,综合得分结果更加直观且具有更高的可评估性,并且其评价方式具有对于多场景的推广性,可以通过改变权值大小的方式适应不同场景和不同信息类型下的评价需求,为无人机群在多场景下数据传输方案的选择和择优提供理论依据。

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。

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。

无人机辅助的NOMA网络用户分组与功率分配算法

为了提高传输的灵活性和应对应急通信的场景,提出了一种基于无人机辅助的非正交多址接入系统用户分组与功率分配联合优化算法。考虑基站最大发射功率约束与用户分组约束,构建了NOMA多用户和速率最大化的资源分配问题。为了解决该非凸问题,基于图论提出了最大割定理下的用户分组算法,实现了组内用户与无人机的相对距离最小。基于分组结果,利用辅助变量法,将原非凸功率分配子问题转化为凸优化问题求解。仿真结果表明,所提算法具有较好的和速率性能。

动态非线性智能体网络的渐近一致协议

提出了由一般非线性方程描述的多个智能体组成的网络达成渐近一致的概念,以及多动态智能体网络的渐近一致协议问题,介绍了表征网络信息流的图论知识,讨论了在一定的网络信息流拓扑结构情况下,使用非线性控制理论得出的多动态智能体网络最终达成渐近一致的协议的形式、计算方法及其存在条件。运用该一致协议对多无人机系统进行编队控制,其仿真结果表明了该一致协议的应用领域和有效性。

多无人机编队分组决策与一致性

针对现阶段分组一致性协议应用的局限性,提出了模糊C-均值聚类算法和考虑子编队之间信息交互的分组一致性控制协议。首先,构建了包含多无人机编队作战关键因素的无人机向量,基于模糊C-均值聚类算法实现了贴合实战需求的编队拆分分组。其次,针对现有分组一致性算法的局限性,提出了一种考虑子编队之间信息交互的分组一致性控制协议,并利用稳定性理论和矩阵论知识推导了相应判据准则。仿真结果表明,所设计的编队分组决策方法和一致性协议可有效实现编队拆分分组和子编队状态的分组一致性,仿真实验验证了判据准则的正确性。

警用多旋翼无人机在群体性事件现场处置中的应用

步入新时代,人民生活呈现出现代化、科技化、智能化的趋势,人民内部矛盾引起的群体性事件严重影响了社会的和谐与稳定。本文通过对群体性事件现场处置的现状研究,结合无人机的优势特点和5G技术的发展应用,探讨警用多旋翼无人机在群体性事件现场处置中的应用。

基于频率变化率测量的无人机单站无源定位技术的研究

为了将无人机更好的应用于侦察作战,针对传统的BO定位技术等定位系统,作战区域小,精度低,收敛速度慢等缺点,提出一种适用于无人机的机载单站快速无源定位技术;首先对无人机无源定位系统进行设计,建立计算多普勒频率变化率定位方法的无人机观测平台,提出一种脉冲群多普勒频率变化率的测量方法,最后对定位系统整体进行仿真。

无人驾驶飞机飞行控制新技术

分析了国外无人机飞行控制系统的发展现状和趋势,提出了无人机控制系统的发展方向为自主控制,以及其中的两个关键技术:个体层面上的故障诊断与自修复飞行控制和集群层面上的多机协同技术。并对实现这两种飞行控制系统所要研究的具体技术进行了阐述,为新一代飞控系统设计提供了参考。

基于聚类遗传的多无人机航迹规划

提出了一种在雷达和复杂地形环境下应用并行遗传算法进行多无人机三维航迹规划的方法。将K-均值聚类算法与多种群协同进化的方法结合起来,采用主从式并行进化的方案,提高了收敛速度且便于分布式处理。各子种群采用自适应的进化方法,在保持多样性的同时,保证了算法的收敛性。在根据数字地图建立无人机安全飞行曲面的基础上进行地形跟随和无人机间防撞设计。仿真结果表明,该方法能一次性快速得到各无人机的低空突防三维航迹。

面向无人机群目标探测架构和关键技术研究进展

无人机(UAV)在军事、商业和民用领域的应用日益广泛,随着无人机群数量的增加,对于安全、隐私和公共利益的影响也日益受到重视。因此,研究面向无人机群目标的探测技术显得越来越重要。目前国内外已经开展了多项无人机群目标的探测相关研究工作。本文研究了无人机群目标探测的研究现状以及面临的挑战;然后针对这些挑战讨论了无人机群目标探测架构技术的类型。针对集中式、单一手段难以满足无人机群精细化感知、态势评估需求,提供了面向无人机群目标的空地联合多域探测架构,该架构具体包括:组网雷达、分布式频谱被动监测设备、移动多光谱感知设备、移动频谱监测设备;结合了不同感知方式在不同距离、不同方位、不同粒度等维度的优势,通过级联、协同、融合方式突破了单域探测的局限性。最后对其中关键技术进行了分析与总结。

群无人机自组织资源分配方法研究

群无人机通过自组织能够完成复杂的任务,相比于单架无人机具有良好的鲁棒性、适应性、可靠性。资源分配的目的是提高群无人机侦察与攻击的效能。针对异构无人机资源分配问题,首先建立任务的能力函数,然后利用雅可比矩阵建立分配方案与能力函数的关系,最后根据能力函数的理想值来驱动无人机完成最优分配,同时解决了异构无人机的性能约束问题。仿真结果证明算法的有效性。

多无人机的组群飞行特性与控制分析

多无人机的组群飞行可以实现复杂状况下的作业,提升工作效率,但由于无人机自身的特殊性,这一工作方式也存在一些弊端。基于此,文章以多无人机的组群飞行特性作为切入点,简述通信干扰、航道重叠等问题。再以此为基础,重点论述多无人机的组群飞行的控制,并通过模拟实验证明控制策略的可行性,以期通过分析明晰问题、优化理论,为后续多无人机联合作业提供参考。