无人集群博弈对抗系统仿真验证及决策关键技术综述

无人集群博弈对抗是一种新兴的作战样式,在智能化战争扮演着至关重要的作用,其核心是自主生成博弈对抗决策序列,为集群“赋能”。分析了无人集群博弈对抗系统仿真验证的进展;从基于专家系统和博弈论的技术、基于群体智能和优化理论的技术,以及基于神经网络和强化学习的技术三个方面论述了自主决策关键技术,以及课题组在自主决策上开展的相关工作;提出了无人集群博弈对抗的发展方向。

跨域无人集群协同反潜搜索方法研究

针对海上反潜搜索问题,提出一种将无人艇作为无人机的通信中继的跨域无人集群协同搜索方法,采用数字网格地图表征任务区域,构建了跨域平台的运动学模型;提出了跨域无人系统的协作方法,设计了无人系统之间的分布式信息融合机制;设计了异构平台的搜索目标函数,引导无人系统在搜索任务中实时决策。仿真结果表明:所提方法能够有效适用于文中反潜搜索任务想定,跨域平台之间能够通过优势互补提高搜索效能。

无人集群试验评估研究现状分析及理论方法

无人集群试验评估是促进无人集群技术从理论走向实践的重要桥梁。与传统的作战系统相比,无人集群系统具有自主协同、能力涌现、智能对抗等特点,这已大大超出传统作战系统试验评估的范畴。针对上述现实需求,本文旨在综述美国和中国在推进集群试验评估方面所进行的开创性工作的基础上,主要对无人集群试验评估的概念内涵、发展现状进行了讨论分析;结合课题组在航空集群作战领域的研究基础,探讨无人集群试验评估的主要内容和可行的技术路线,为军事装备的信息化升级和智能化转型奠定基础。

通信距离受限条件下的无人机集群协同区域搜索

针对通信距离受限条件下的无人机(unmanned aerial vehicle,UAV)集群协同搜索任务,考虑防相撞约束,定制了一种能够在搜索过程中根据机间距离切换交互方法的UAV交互决策机制,实现了动态环境中的搜索航迹规划。首先,运用栅格化方法建立包含3种属性的环境认知地图对任务区域进行表征。其次,考虑多种搜索任务需求,以最大化搜索效率为目标建立UAV集群协同搜索模型。然后,根据机间有效通信距离定义了UAV协同搜索过程中的通信状态,设计了一种能够在通信完全有效、局部有效以及完全失效3种典型场景下切换信息交互方法的信息交互与决策机制。最后,采用滚动时域优化方法,实现集群各成员的自主决策与交互行为。仿真结果表明,所提算法能够在通信距离受限条件下有效完成协同搜索任务,在完成覆盖搜索任务时能够有效兼顾对动目标的搜索。

有向通信拓扑下海上无人集群分布式编队控制

[目的]为解决海上无人集群在有向通信拓扑条件下的编队控制问题,对无人艇(USV)和无人机(UAV)集群编队跟踪控制问题进行研究。[方法]采用内/外环分层编队控制结构进行系统建模,利用离散时间系统对海上无人集群编队控制问题进行描述,以提高编队控制方法对异构集群的兼容性和实用性。基于虚拟领航者思想,采用基于邻居位置和速度误差反馈的分布式编队控制协议,给出海上无人集群能够实现期望构型和航迹跟踪的充要条件。[结果]仿真结果表明,当通信拓扑存在有向生成树,且在控制协议参数和控制器更新周期满足给定约束条件的情况下,海上无人集群能够实现稳定的编队控制。[结论]所提方法能够适用于海上无人集群在有向通信拓扑条件下的编队控制,具有一定的应用价值。

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。

多约束条件下无人艇和无人机集群协同航迹规划

[目的]为实现海上无人集群在执行任务过程中的安全航行和通信保持,开展无人艇(USV)和无人机(UAV)集群协同航迹规划问题的研究。[方法]采用禁入和禁出地理围栏进行场景建模,将规避威胁和障碍问题转化为地理围栏约束。针对平台之间的碰撞冲突和通信连接问题,提出基于时序检测的碰撞冲突和通信保持约束判断准则。以集群平均航行时间为航迹优化函数,将多约束条件转化为惩罚函数,采用自适应差分进化算法进行优化求解。[结果]仿真结果表明,所提方法能够在威胁和障碍环境中保持无人艇和无人机集群的安全航行和通信连接,并在满足多约束的条件下实现集群平均航行时间最短。[结论]该方法可用于海上无人集群面对威胁和障碍环境时的离线航迹规划,具有一定的应用价值。

未知环境下无人机集群协同区域搜索算法

针对无人机集群在无先验信息的未知环境中协同搜索的问题,提出了一种以覆盖率为实时搜索奖励的无人机集群协同区域搜索算法。首先建立覆盖分布地图(CDM)来描述任务环境,并采用Hadamard积实现CDM的快速更新,继而基于CDM计算覆盖率来定量描述实时搜索效果。将无人机集群视为一个控制系统,基于分布式模型预测控制理论建立系统的预测模型,并将预测周期内最大覆盖率增量设为奖励函数,采用差分进化算法进行求解,得到最优解作为系统的最优输入。仿真结果表明,所提算法能够对区域进行覆盖搜索,在出现突发情况时,覆盖率远高于平行搜索方法。

战斗识别系统研究启示与空战需求分析

战场态势感知与识别是作战决策的基础,发展适应未来创新作战概念的战斗识别系统对于提升体系作战能力至关重要。在原有战斗识别概念的基础上,提出了适应未来战争和装备发展的战斗识别新概念,从信息主导、分布感知、手段齐备、标准互通、群智汇聚5个角度阐述了未来战斗识别系统的特征,并概述了战斗识别系统支撑未来作战的功能,基于此提出了空战场对战斗识别的需求,为未来战斗识别系统发展提供参考。

有向通信拓扑和时延条件下的无人机集群时变编队控制

针对无人机(UAV)集群在有向通信拓扑和存在通信时延条件下的时变编队控制问题进行了研究。建立了无人机集群二阶离散时间系统模型,基于无人机自身实时信息和相邻无人机带通信时延的状态信息,设计了分布式编队控制协议。通过理论分析,得到了无人机集群能够实现时变编队的充要条件,给出了可行的期望编队的表达式。在集群通信拓扑有生成树的条件下,分析了控制协议中待定参数和状态更新周期满足的耦合约束条件,并给出了参数设计的流程。仿真结果表明:即使在较大的通信时延下,所设计的控制协议也能实现无人机集群时变编队控制,验证了理论分析的正确性和有效性。

基于信息素决策的无人机集群协同搜索算法

针对无人机(UAV)集群在未知环境中无先验信息条件下的搜索问题,提出了一种以信息素为决策机制的无人机集群协同搜索算法。首先,考虑无人机通信约束,建立了有外部节点的星型网络通信和无外部节点的自组织网络通信2种形式的搜索模型。其次,通过环境地图向信息素地图映射的方法建立任务环境模型。将任务过程分为3个阶段,在搜索阶段,无人机通过不断地移动实现本机信息素地图的更新;在通信阶段,通过通信网络实现多机信息素地图的融合;在决策阶段,根据局部信息和全局信息做出决策,并将栅格信息素浓度作为决策函数来引导无人机的位置更新。基于信息素地图覆盖率来定量描述搜索效果。最后,仿真结果表明,所提算法能够对区域进行覆盖搜索,表现为搜索效率高、抗毁性强、受集群的初始位置影响小。

基于模糊神经网络的无人机实时避障算法

针对模糊控制避障算法在障碍物信息未知的环境中适应性不强,难以有效规避“凹多边形”障碍物的问题,提出了一种基于模糊神经网络的无人机实时避障算法。采用等效夹角对模糊控制器的输入变量进行优化设计,克服了单一角度或距离在障碍物表征方面的局部片面性。基于BP神经网络理论设计了模糊控制器的初始隶属度函数和模糊神经网络架构;将模糊控制器在多个未知环境下生成的有效避障数据作为训练数据集,对模糊神经网络进行训练。仿真结果表明:所提出的模糊神经网络方法与模糊控制器相比具有更强的适应性,在面对未知复杂障碍物时避障更加灵活、路径更短,避障成功率更高。

无人机单目视觉AOA三维定位方法

针对目前无人机单目视觉定位研究中对先验背景信息依赖性强、环境变化导致精度波动等问题,提出基于到达角(AOA)的无人机分时异地单目视觉三维定位方法,无人机搭载单目CCD相机依次飞行至目标周围多个位置进行目标成像和数据采集,并基于AOA原理完成对目标三维坐标的估计。建立单目视觉和AOA三维定位量测模型,依次采用二维伪线性估计和三维加权最小二乘算法与非等角分布的量测点进行AOA三维定位并设计任务流程,通过算法仿真与实验,在无环境与先验信息的条件下实现对目标的三维定位,验证方法有效性。

双层优化的多无人机合作式冲突探测与解脱

为解决多无人机基于航向的合作式短期冲突探测与解脱问题,提出一种局部集中双层优化的合作式方法.首先将既有冲突约束与潜在冲突约束视为同一类型约束,以保证多无人机冲突问题在最大范围内求解,并设计了基于采样的冲突探测方法;通过旋转局部坐标系减少了搜索的可行区域数量,且分析了终点约束与切线约束两种解脱约束条件;然后运用图论的方法对多无人机冲突问题进行冲突关系划分,将由机动导致的无人机额外飞行距离作为解脱代价设计了机动代价函数,为求解所设计的机动代价函数这个非线性优化问题提出了双层优化策略,即先利用随机并行梯度下降法(stochastic parallel gradient descent,SPGD)搜索航向解脱的初始可行解,再运用序列二次规划(sequential quadratic programming,SQP)求得最优解以进行最优的航向解脱.最后运用蒙特卡洛法对算法进行了可靠性评价.结果表明,本方法能够满足在线规划的需要,在解脱开始距离D avo=τ×v i(τ=25 s)的情况下能够实现100%的冲突解脱,该方法能够在保证多无人机冲突解脱安全性的基础上减少机动消耗.

切换通信拓扑条件下的无人机集群构型变换控制

研究了在切换通信拓扑条件下的无人机集群构型变换控制问题。基于一致性控制理论,对具有2阶积分特性的无人机集群设计了构型变换控制协议,为使无人机集群能够实现特定构型变换并保持特定速度,在控制协议中引入编队参考向量。给出了在通信拓扑切换情况下无人机集群实现特定构型变换并保持特定速度的充分必要条件。在通信拓扑图保持连通的条件下,利用Lyapunov稳定性理论证明了无人机集群系统稳定性,并利用代数黎卡提方程理论给出了控制协议中参数矩阵的设计方法。数值仿真结果验证了所设计的控制协议有效性。

基于模糊PID的无人机空中加油轨迹跟踪控制

提出了无人机空中加油优化流程及基于状态-事件-条件-动作规则的自主决策规则;针对无人机空中加油对接段的轨迹跟踪问题,从无人机单机控制出发,采用模糊控制方法,通过模糊化、确定隶属度、模糊规则推理、解模糊处理得到修正后的PID参数,实现PID参数的实时调整,最终使无人机快速、平稳到达对接位置。通过仿真,验证了自主决策规则及模糊PID算法的有效性,简化无人机的控制逻辑,提升无人机的飞行稳定性,提高飞行品质和作战效能。

海上无人系统时间协同航迹规划

[目的]为解决复杂环境下海上无人系统(UMS)时间协同航迹规划问题,提出一种基于差分进化(DE)算法的时间协同航迹规划方法。[方法]首先,建立空中、海上和水下的自然环境与敌方威胁模型,构建多约束条件下的航迹规划目标函数,提出一种时间协同策略,解决在约束条件下异构平台出发时间和地点不同而同时同地到达的时间协同问题;然后,采用DE算法进行优化求解,研究航迹点数量对规划成功率的影响。[结果]结果显示,在合理选择航迹点数量的基础上,DE算法可在威胁及障碍多的复杂环境下为海上无人系统规划出满足时间协同约束的航迹,使其到达目标的时间最短;航迹点数量过多或过少都会降低航迹规划的成功率。[结论]研究表明所构建的模型和约束条件合理,使用的算法能够解决海上无人系统离线航迹规划的时间协同问题,具有一定的实用价值。