一种基于多舰协同侦察的优化布站方法

相较于传统岸基超视距雷达、侦察飞机和侦察卫星等侦察定位手段,舰载超视距侦察定位系统具有布站灵活、成本低廉以及预警范围广等优点,但其相对于目标的位置会影响多舰对目标定位的精度。针对上述问题,文章提出了一种基于改进的粒子群优化算法的多舰布站优化方法,以测向交叉定位的几何精度因子作为适应度函数,进而循环迭代出最优的布站方法。在多舰协同侦察场景下,通过比较该算法与标准粒子群优化算法的优化结果,仿真分析2种方法在本场景下的寻优效果和迭代次数,该方法具有收敛速度更快、优化结果更好的特点。

基于信息预处理的无人机集群协同电子侦察

为了提供长期有效的电子侦察能力,高机动性无人机电子侦察平台需要组成1个多无人机电子侦察网络。多无人机电子侦察网络在面对复杂电子侦察任务时,需要具有对不同平台电子侦察结果判别和整合的能力。针对传统基于证据理论(Dempster Shafer,DS)的协同电子侦察方法中,因为电磁环境的复杂性和基于DS合成公式对不可靠信息缺少必要的筛除而导致的证据悖论问题,文章提出了基于电子侦察信息预处理的无人机集群协同电子侦察融合判决新方法。该方法对每架无人机的电子侦察信息进行预判断,得到每架无人机电子侦察信息的可信度权值,提出信息融合算法,对预处理后的电子侦察信息进行融合判决。仿真结果表明,该方法可以有效提升对多无人机电子侦察信息的甄别能力,提高无人机集群协同电子侦察性能。

无人机多机协同侦察系统关键技术

无人机作为信息战中的核心平台之一已经广泛应用于情报侦察、战场监视以及地形测绘等领域,同时随着未来战争向信息化、网络化、体系化对抗的发展,单架无人机已无法满足情报侦察和战场监视任务中对复杂环境下信息、空间、时间的宽覆盖以及高分辨率需求,因此,无人机多协同或无人机与其他平台协同侦察将是未来战场上重要的军事侦察行动方式之一。回顾了无人机多机协同侦察的发展现状,讨论了多机协同侦察发展需要突破的关键技术。

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。

基于改进粒子群算法的多无人车协同侦察路径规划

为了解决多无人车协同侦察任务中的路径规划问题,采用一种改进的粒子群算法。传统的粒子群算法因为其收敛速度较慢,容易陷入局部最优,所以采用混沌初始化和自适应参数调节等方法来提高算法的收敛性、运算速度和精确度。通过对复杂地形条件下无人车协同侦察路径的模拟,验证了该算法能够迅速产生高精度侦察路径,满足无人车协同侦察的实际需要。

无人机多侦察载荷协同侦察效能评估

多侦察载荷协同侦察已经成为当前和未来无人侦察机主流工作方式。根据电子信号侦察设备、合成孔径雷达(SAR)和长焦距倾斜CCD相机3种机载侦察载荷的侦察特点,分析了影响机载多侦察载荷协同侦察效能的因素和指标,在各分项评估模型的基础上采用线性加权算法建立了无人机多侦察载荷的协同侦察效能模型。最后分别在不同强度的电子对抗环境下,对以上3种机载侦察载荷两两协同的侦察效能进行了计算和分析,验证了模型的可用性。

多基地多无人机协同侦察问题研究

充分考虑侦察目标的侦察分辨率要求和侦察时间窗约束,以及位于不同基地的无人机(UAV)的侦察性能和可用数目,首次建立了更加贴近军事应用实际的多基地多UAV协同侦察问题(M-MUCRP)的数学模型,并提出了解决该模型的多基地多UAV协同侦察进化算法(M-MUCREA)。M-MUCREA的染色体数据结构有效地表达了问题的解,有利于交叉、变异等进化操作;充分利用与目标侦察分辨率要求以及目标位置和时间窗约束相关的启发信息,构造初始种群,避免进化过程收敛太慢;基于Pareto最优概念的选择算子确保解在多个目标上的有效优化;精英策略避免了丢失进化过程中产生的非劣解,加快算法收敛;变异和交叉算子在保证有效解的前提下,实现了解的多样性,避免了算法陷入局部最优。仿真实验验证了算法能够有效解决M-MUCRP。

无人机的协同侦察航路规划

无人机将成为侦察卫星、有人驾驶侦察机的重要补充与增强手段 ,成为未来战场上广泛应用的一种侦察工具。为了提高无人机 (U AV)的侦察效率 ,在执行侦察任务前必需规划设计出高效的无人机侦察飞行航路。针对这一问题 ,提出了一种侦察效率指标评估的计算方法 ,解决了航路规划中的侦察效率量化问题。考虑在大范围任务区域内进行侦察航路优化存在计算的复杂性和收敛等问题 ,采用遗传算法对侦察航路进行了优化处理。通过该方法得到的侦察航路可以有效地提高无人机的侦察效率。

无人机编队协同侦察效能研究

以无人机编队执行对地侦察任务为背景,从目标探测、识别和侦察时间3方面研究了编队协同侦察模型;构建了协同侦察效能函数;结合具体实例和仿真结果,分析了编队组成结构、规模和信息共享机制对协同侦察能力的影响,为进一步对编队配系结构与共享机制优化打下了基础。

动基地多无人机协同侦察问题研究

综合考虑舰载无人机对目标进行侦察的侦察时间约束,及无人机发射和回收平台运动对无人机回收的时间窗约束,建立了更加贴近无人机作战运用发展的带时间窗约束的动基地多无人机协同侦察问题(M-MUCRP)模型。采用周期进化遗传算法进行求解,随机生成初始解,保证了所有状态的遍历,同时改进遗传过程中的交叉、变异的进化操作,增大了解的多样性,避免了陷入局部最优。仿真说明动基地的侦察模型较之前的多基地侦察模型,更符合舰载无人机侦察问题的实际应用特点。

卫星与浮空器协同侦察任务规划方法

针对卫星和浮空器协同对地侦察任务规划问题,提出了一种分阶段任务规划方法,将卫星与浮空器协同任务规划分为任务聚类、任务组分配和任务排程3个相继的阶段。使用层次聚类算法进行任务聚类,通过聚类形成多个任务组;给出了任务组分配的规划模型,将任务组与平台资源进行匹配;建立了任务排程的混合整数规划模型,并使用粒子群算法进行求解,将任务最终分配到相应的平台上。仿真结果表明,所提出的方法可行且有效。

基于改进粒子群算法的多UAV协同侦察任务规划

针对多无人机(UAV)协同侦察的任务规划问题,充分考虑侦察目标的侦察分辨率和时间窗约束,建立了数学模型;提出了一种改进的粒子群算法,使得粒子群能够较均匀地在问题空间内搜索,避免陷入局部极值,在保持传统PSO算法快速收敛的同时,加强了算法局部搜索能力。基于该模型和优化算法,制定了合理的多UAV协同侦察任务计划,使得多UAV协同侦察任务在满足任务要求、平台性能和战场约束的条件下具有最小代价和最优作战效能。

多基地多无人机协同侦察规划模型和模型求解方法

建立多目标、多基地、多无人机、目标有侦察时间窗口和侦察器材限制的无人机协同侦察规划模型,并给出模型求解方法。对无人机起飞基地、所携带的侦察器材类型以及所侦察的目标序列同对进行优化,寻找所需元人机数量最少的协同侦察方案。将单含方案的生成过程分为两步,分别为初步方案生成和详细方案生成;按照主次关键字对方案进行排序;给出基于遗传算法的协同侦察方案优化方法。计算实验表明,可以得到高品质的协同侦察方案。

多舰协同侦察的无源测向时差定位方法

实现空中目标的无源时差定位一般至少需要4站,而测向交叉定位只能对平面目标进行定位,文中提出了改进型的无源测向时差定位方法。该方法在测向定位的基础上增加了目标到达舰载侦察雷达的时差信息,两舰之间通过测向交叉和时差计算能实现对目标的定位,通过两两配对则可以获得多组目标位置的测量结果,然后对这些结果进行简化加权最小二乘点估计,从而获得一个比较理想的定位结果。最后,根据不同的舰艇编队队形情况进行三舰测向时差定位的GDOP分析,并对仿真结果进行了分析。

基于MMTSP算法的多无人机协同侦察路径优化

针对多无人机协同侦察路径优化问题,构建了一种有返回的多旅行商、多出发地的MMTSP数学模型。首先将敌方目标的雷达监控区域外边界进行离散化并确定出基地到外边界离散点、外边界离散点到外边界离散点、目标到外边界离散点、目标到目标之间的有效路径;然后根据有效路径以及相关的约束条件,建立以无人机滞留于敌方雷达侦察区域内时间和最小为目标的MMTSP优化模型;最后利用2次遗传算法对MMTSP模型进行求解,并通过实例分析说明了该模型和方法的有效性。

双站协同侦察雷达信号分选新方法

针对复杂信号环境下雷达对抗情报侦察面临的信号分选问题,提出一种基于双站协同侦察的雷达信号分选新方法。根据不同位置雷达的脉冲信号到达两个侦察接收站的时间差不同进行信号分选。在满足误差的要求下,求解该方法的分选模糊区域,分析分选性能。调整布站,优化分选性能,提高分选准确性。理论分析和计算机仿真表明,该方法可以较好地解决制约雷达对抗情报获取中的信号分选瓶颈难题。

基于多Agent无人机协同侦察任务规划模型

建立了多无人机协同侦察任务规划模型,在考虑侦察时间间隔约束和目标载荷需求基础上,给出了位于不同基地的无人机优化部署和调度策略,并提出了基于多Agent的优化搜索仿真算法,利用Matlab实现了无人机优化配置和任务规划模型,得出了无人机优化配置和任务规划方案,最后分析了模型算法存在的某些不足,提出了模型改进的方向。

攻击型无人机协同侦察/压制路径规划方法

探讨了攻击型无人机多机系统协同侦察/压制航路规划问题。通过分析问题的实质,建立了4个子问题的数学模型。首先给出了求解一路巡弋飞行时最短航路,并易于计算机实现的解法,该解法同样适用于其他子问题的求解,然后按照原问题的不同要求,分别给出了其他问题的解答。结果表明,该算法能有效求解多无人机组、多航路点协同巡弋飞行问题,对实际作战中充分利用无人机资源,提高无人机机群的作战效能,具有实际意义。

基于遗传算法的无人机协同侦察航路规划

无人机将成为侦察卫星、有人驾驶侦察机的重要补充与增强手段 ,成为未来战场上广泛应用的一种侦察工具。为了提高无人机 (UAV)的侦察效率 ,在执行侦察任务前必需规划设计出高效的无人机侦察飞行航路。针对这一问题 ,本文提出了一种侦察效率指标评估的计算方法 ,解决了航路规划中的侦察效率量化问题。考虑在大范围任务区域内进行侦察航路优化存在计算的复杂性和收敛性等问题 ,本文采用遗传算法对侦察航路进行了优化处理。通过该方法得到的侦察航路可以有效地提高无人机的侦察效率。

多舰协同侦察的目标探测概率

分析了原有的多舰对目标的发现概率模型的不足,提出利用决策中心进行综合判断的解决方式,确定了并行模式、串行模式和混合模式三种不同侦察协同方式,根据极小化平均代价的决策规则,分别建立了不同侦察协同方式下的目标发现概率计算模型和虚警概率计算模型,最后构建了应用实例,并对实例结果进行了分析。