多目标情况下无人机编队持续侦察能力的仿真

无人机(UAV)编队的规模即UAV的数量、UAV探测能力和目标强度的变化都会对UAV编队的持续侦察效能产生影响。针对水平面内常采用的交叉线搜索方式,在拟定假设条件和效能指标的基础上对UAV编队侦察体系进行建模与仿真分析。采用基于Agent的建模方法对UAV编队在多目标的情形下的持续侦察效能进行仿真分析。通过设计一组实验分析UAV规模、UAV探测能力和目标强度对UAV编队持续侦察效能的影响。结果显示UAV的规模和UAV探测能力对UAV编队的持续侦察能力影响比较大。最后根据分析的结果在相关方面提出建议。

一种多无人机集群持续侦察分层控制框架及关键算法

持续侦察作为多无人机集群的一种典型应用模式,持续侦察过程中无人机集群的动态部署,尤其是时敏环境下的自适应调整一直是该领域研究的难点问题,本文聚焦于此,提出了一种多无人机集群持续侦察的分层控制框架及其关键算法。该框架将时敏目标特征和集群侦察效果用一种可演化、可交互的数字草皮人工势场表征;将各栅格的数字草皮势函数作为数据点权重,设计了一种基于栅格的加权动态数据聚类方法,自适应调整无人机子群辖区和子群无人机数量。案例研究表明,该方法能够有效提升多无人机集群的侦察效率和工作载荷均衡度。

一种持续侦察无人机集群规模自适应调控方法

无人机集群(unmanned aerial vehicles,UAVs)持续侦察是多无人机协同控制中一个重要的研究方向.随着任务环境和使命需求越来越复杂,对无人机集群可重构性和柔性的要求也越来越高.其中,对于自适应可重构无人机集群,无人机的规模数量是最基本的控制要素之一.然而,目前大部分无人机集群的研究都侧重于特定任务背景下的路径规划,而集群规模的动态调整则未被考虑.针对传统无人机集群侦察设计中,集群的数量难以自适应调整以匹配不同侦察环境、不同侦察态势的问题,提出了基于区域信息熵的"数字草皮"及其植物量变化模型,模仿草皮-食草动物生态系统中的动态平衡机制,设计了目标区域-无人机集群持续侦察体系中的规模控制方法.在此基础上,研究了侦察体系达到稳定时群落矩阵和平衡点的情况,探讨了在不同任务环境中、不同效能约束限制下,无人机集群规模的自适应调控方法,并利用仿真和可视化手段对平衡点的存在性和系统的收敛性进行了验证.

无人机集群复杂战场环境下持续侦察智能决策框架

针对无人机集群在复杂战场环境下执行侦察任务的特点,对关键因素进行建模研究,从数学角度探讨问题的科学规律,从均衡侦察收益和代价两个角度对侦察任务的持续性问题提供了智能决策方法。从优化侦察行为、降低数据风险角度,提出无人机集群行为策略集,以及策略集决策框架,形成了一套无人机集群在复杂战场环境下持续侦察智能决策框架体系。