基于Stackelberg博弈的有人机/无人机混合集群辐射功率控制算法

研究了基于Stackelberg博弈的有人机/无人机混合集群辐射功率控制算法。首先,基于Stackelberg博弈理论,将有人机作为博弈领导者(Leader),将各无人机作为博弈跟随者(Followers),各无人机雷达工作于同一频段并以辐射功率为单位支付给有人机相应的费用,而有人机则通过调整单位辐射功率价格,控制各无人机载雷达的总辐射功率,以获得最大收益。同时,各无人机与目标之间根据有人机制定的价格,进行合作博弈功率分配。在此基础上,分别设计综合考虑目标探测性能、无人机辐射功率及敌方截获接收机接收到无人机辐射功率的各博弈参与者效用函数,并建立基于Stackelberg博弈的有人机/无人机混合集群辐射功率控制模型。最后,采用牛顿迭代法获得各无人机的最优辐射功率迭代公式,并证明纳什议价解的存在性和唯一性。仿真结果验证了该文所提算法的正确性和有效性。

复杂环境下无人机集群运动一致性的群体熵度量

针对无人机集群在多障碍物或空间受限等复杂环境中协同飞行时无法实现群体自主的协同演化及适应环境、态势的变化,导致整个群体运动产生振荡、失控等一致性差的问题,提出一种无人机集群运动一致性的群体熵度量理论。通过建立群体运动行为稳定程度的熵度量函数,作为个体之间协同运动的适应度值指标,实现复杂环境下无人机集群运动一致性的自适应调节。最后进行仿真实验,相比传统无人机集群算法,引入群体熵度量的无人机运动集聚收敛速度提高30%,复杂环境中集群运动的熵值波动范围下降21.8%,有效证明群体熵度量对于无人机集群运动一致性的提高。

无人机集群协同控制技术综述

协同控制技术作为多智能体分工合作完成任务的关键核心技术,能解决无人机集群编队、队形重构和避障避碰等问题,是无人机集群正常运作的基础。针对近几年国内外无人机集群协同控制技术的发展历程,概述3种控制结构原理及其优缺点;分析了基于3种控制结构的编队控制方法及其优缺点;从无人机集群协同编队控制技术出发,分析基于编队控制的避障方法;指出了现阶段无人机集群协同控制技术面临的瓶颈问题,并对协同控制技术的未来发展方向进行了展望,为无人机集群编队控制和避障方法研究提供一定的借鉴。

基于混合策略纳什均衡的无人机集群火力分配研究

针对无人机集群作战中的火力分配问题,提出了一种基于混合策略纳什均衡的集群火力分配方法。依据无人机集群作战的火力分配需求,考虑战争的对抗特性,构建集群火力分配的博弈模型,使用优化的粒子群算法求解模型的混合策略纳什均衡。以无人机集群对地攻击任务为想定进行计算验证,证明了模型方法的合理性与可行性。研究成果可为无人集群的火力分配决策提供方法手段支持。

意图驱动的无人机集群网络:管理架构、关键技术与未来展望

作为空天地一体化网络的重要组成部分,无人机集群已在紧急搜救、攻防对抗、情报侦察与监视等复杂任务中展示出广阔的应用前景。无人系统技术的升级革新和多机协同智能应用的日益丰富对无人机集群网络的信息交互能力提出新的要求。意图驱动网络架构下,无人机集群自主管理网络,简化了网络管理的复杂性。将意图驱动网络引入无人机集群系统,亟须突破智慧自治网络技术,提升智能群体面对高动态性和不确定性环境的适应能力,这为无人机集群的协同操作和智能决策提供了新的视角和方法。围绕意图驱动的无人机集群网络管理架构、关键技术和未来展望展开了深入的分析和讨论,旨在为无人机集群网络的未来发展提供坚实的理论基础和技术参考。

基于相依网络的无人机集群通信系统鲁棒性分析

作为地震灾害救援和侦察战场等的主力设备,无人机集群通信系统的鲁棒性是抗毁性的重要指标,本文借助复杂相依网络理论建模无人机集群通信系统,引入相对网络效能比作为通信系统网络整体鲁棒性的指标,准确地反映节点之间的相互依赖关系,为评估通信系统在目标攻击下的鲁棒性提供了一种全新的视角。基于经典M-L模型和动态信息的负载重分配策略,建立相依同构ER-ER和异构ER-BA网络模型,考虑两层网络中相依节点度数的特性进行目标攻击,分析其在攻击下的级联失效动态过程,以及任意两节点的连边概率、平均度数和容量系数等特征参数,对通信网络整体鲁棒性的影响。研究表明,网络鲁棒性和网络相依强度负相关,在级联失效过程中可考虑降低52.09%~72.9%相依强度,以抵抗更严重的通信网络崩塌;对同构网络来说,相依模式的不同,RL、AL较DL整体鲁棒性分别降低了9.25%和15.95%。

基于无人机集群的综合一体化告警自卫系统设计

现代战争中,无人机已经成为各大军事强国的重要武器装备之一,可被应用于侦察、目标探测、情报搜集、攻击等多种作战任务中,无人机集群作为无人机发展的新方向,具有作用范围大、灵活性强、战术使用多样化等优点,能够更好地完成在复杂战场环境下的各种任务,大大提高了作战效能。传统的机载告警自卫系统功能较为单一,且智能化程度不够高,极大地限制了载机的作战能力和任务执行能力,并不能满足无人机集群的应用设想。文中基于当前无人机集群的应用方式和环境,提出一种多功能综合一体化的告警自卫系统设计架构,在满足传统告警功能的基础上额外增加了智能化和侦察对抗一体化的功能,并在硬件模块上做了一定的优化调整,基本上可以满足无人机集群的应用规划和设想。

陆上机动力量反无人机集群作战的挑战与对策

面对无人机集群日益凸显的作战威胁,反无人机集群技术研究被提上日程。针对陆上机动力量作战特点,从战术层面和战略层面对反无人机集群作战问题进行了研究。首先,分析了反无人机集群作战的特点;然后,从侦察预警、拦截打击和干扰压制3个方面,提出了陆上机动力量反无人机集群的战法运用方式;最后,给出了陆上机动力量反无人机集群作战能力建设的意见和建议。

无人机集群对抗决策算法研究综述

无人机集群博弈对抗已经成为未来战争的发展趋势,无人机对抗决策算法的选择对提升无人机集群作战能力至关重要。本文深入探讨了基于规则的、基于博弈论的和基于神经网络的三大类无人机集群博弈对抗决策算法,并对它们的优势和局限性进行了全面分析与总结。在此基础上,提出将“基于多智能体强化学习的信用分配模型”和“基于角色的多智能体强化学习模型”应用于无人机集群博弈对抗的研究思路。最后,强调了选择适当的决策算法对于提高无人机集群作战效能的重要性,并为未来无人机对抗决策的发展提出了有益的建议,为相关领域的研究和应用提供了深入见解。

集群无人机协同导航构型优选方法

针对现有集群无人机协同导航构型优选方法运算效率低的问题,提出一种基于改进粒子群优化算法的集群无人机协同导航构型优选方法。首先利用协同精度因子作为构型评估标准提高评估精度,并在此基础上,采用自适应惯性因子和非对称学习因子对粒子群优化算法进行改进,提升了算法的寻优性能以及收敛速度,同时筛选出最优构型,提高了集群无人机协同导航的定位精度。仿真结果表明,改进粒子群优化算法与传统粒子群优化算法相比,构型的协同精度因子值减小了33%。在此基础上,所提优选方法提升了对集群中用户机的定位精度,减小了构型优选的计算量,利于大规模无人机集群的广泛应用。

基于改进混合粒子群优化算法的多无人机协同围捕方法研究

针对多无人机协同围捕问题,在无人机运动学约束基础上,考虑各无人机应同时到达围捕位置,提出了多机协同围捕任务规划两层求解架构。在任务协调层通过改进混合粒子群优化方法,以各无人机同时到达指定围捕位置的最小时间为目标,优化调度给出多目标围捕方案;在航路规划层考虑无人机初始状态及运动学约束,通过Dubins曲线调整实现各无人机同时到达围捕位置。仿真结果表明了所提方法的有效性。

基于差分进化粒子群混合算法的多无人机协同区域搜索策略

为提高无人机群在未知环境中的区域搜索效率,提出一种多无人机协同区域搜索策略。首先,根据区域搜索任务需求,建立包含区域覆盖率、区域不确定度、目标存在概率三种属性的区域信息地图;其次,以最大化搜索效率、同时最小化无人机搜索过程中的能耗为目标,建立无人机区域搜索滚动时域优化目标函数,指导无人机在线决策搜索路线;然后针对传统群智能优化算法易陷入局部最优的缺陷,设计差分进化粒子群混合算法在线求解该多目标优化问题,提高算法的寻优性能,从而提高无人机的搜索效率。最后,通过数值仿真实验,对所提算法进行验证,仿真结果表明,文中设计的基于差分进化粒子群混合算法的多无人机协同区域搜索策略与传统的群智能优化算法相比具有更高的区域搜索效率。

面向电磁目标探测的无人机集群区域分割方法

针对电磁目标搜索任务中现有覆盖式路径规划算法存在的无人机初始分布不合理、集群任务起止时间一致性差等问题,依据现实无人机集群集中投放的初始场景,设计了一种等时倾向的区域分割算法。该算法以最小化无人机间最大任务用时差为优化目标,通过改变无人机搜索区域大小影响无人机的任务用时。算法具有二级结构,第一级初始粗分割,解决边界点迭代次数过多的问题;第二级以任务时间偏差值作为调整值,保证了各机的任务用时一致性。仿真实验表明:该算法更适用于无人机集中投放的场景,缩短了无人机个体间的任务等待时间,便于资源的二次调度,有利于多阶次任务的同步执行。

无人机集群任务分配技术研究综述

任务分配是无人机集群实现高效遂行作战任务的关键技术。随着无人机集群技术的发展和作战样式的转变,无人机集群的作战任务领域不断拓展,任务分配所涵盖的范围不断扩大,任务分配问题的规模和复杂性不断增加,这都对无人机集群任务分配技术提出了新的挑战。本文对无人机集群作战理论、任务分配建模、任务预重分配算法、异构无人系统联合应用下任务分配的研究现状进行了全面的总结,凝练了目前无人机集群任务分配技术面临的通用化建模、面向多任务的任务预分配算法最优解求解、有限时间下面向突发事件的任务重分配算法寻优、路径规划紧耦合下面向大规模异构无人系统的协同任务分配等问题,并针对性地论述了未来无人机集群任务分配技术的若干发展方向,为提升无人机集群任务分配的求解质量和求解速度提供新的研究思路和解决途径,对于全面了解无人机集群任务分配技术具有重要参考意义。

大规模无人机集群通信定位一体化技术

大规模无人机(Unmanned Aerial Vehicle,UAV)集群通过部署大量低成本无人机,依靠协同感知、信息共享和分工协调完成各类复杂任务,具备高度的智慧性和自主性,已逐渐成为无人机集群技术未来的发展趋势。大规模无人机集群十分依赖高精度定位技术,以维持集群稳定、避免相互碰撞、实现目标指引。然而,在现有的主要导航定位方式中,微机电(Micro-Electro-Mechanical System,MEMS)惯性导航存在严重的累积误差,而复杂电磁环境下卫星导航易受到干扰,均难以实现高精度相对定位和长时间全局定位。针对这一问题,本文依靠通信测距技术,实现无人机集群内部高精度相对测距,修正惯导定位误差,为无人机集群在卫星导航拒止条件下执行任务提供高精度导航定位服务。本文建立了惯性导航定位模型和通信测距信号模型,构造了基于最大后验概率(Maximum A Posteriori,MAP)方法的融合定位问题,推导得到了该定位问题的克拉美-罗下界(Cramér-Rao Lower Bound,CRLB),并提出了一种基于高斯牛顿优化的全信息融合定位方法。针对长距离飞行中,测距精度远高于惯导定位精度的场景,本文提出了一种基于优超函数算法(Scaling-by-Majorizing-A-Complicated-Function,SMACOF)的高精度测距辅助定位方法,通过建立高精度相对坐标和最优变换参数估计,实现最优位置估计,并分析了该方法的性能改进程度。最后,通过数值仿真验证本文所提出的方法能够将融合后的定位标准差降低至惯导定位标准差的√2/N,能够渐进达到CRLB性能。

基于视野和速度引导的无人机集群避障算法

在未来的多无人机(unmanned aerial vehicle,UAV)空中作战中,无人机集群在未知空域中安全飞行是集群研究中的重要内容。针对无人机集群避障以及集群形态保持问题,提出了一种基于视野和速度引导(visual field and velocity guidance,VFVG)的集群避撞算法。基于视野法设计集群自适应通讯拓扑机制,结合远吸近斥势力原则及一致性方法,在保持集群形态的同时,加速了集群无人机个体间的避障信息的传递。在此基础上,提出将极限环与人工势场法相结合构造避障速度引导项,解决了集群遇障分群困难、避障徘徊停滞等问题。引入避障时间指标,验证了算法的避障效率。仿真结果表明,该方法能够使多无人机以良好的集群形态安全快速平稳地通过复杂障碍区域,有效提高了集群避障成功率和避障效率。

无人机集群联合拓扑控制的智能路由规划方法

针对现有无人机集群路由协议拓扑适变能力弱,易产生包重传、能量空洞和高时延,严重恶化了数据路由性能的问题,针对无人机集群中集群拓扑与路由的耦合特性,提出了一种联合拓扑控制的智能路由规划(IRPJTC)方法。该方法由基于虚拟力的自适应拓扑控制(VFATC)和基于近端策略优化的地理路由规划(PPO-GRP)组成。其中,VFATC使各无人机根据邻居运动状态信息自适应调整与邻居的距离,保证集群中链路的稳定连接;进一步,PPO-GRP引入VFATC中的链路稳定性指标,并结合端到端时延与能耗指标,设计多目标奖励函数,采用深度强化学习中的近端策略优化算法训练路由策略。仿真实验结果表明,IRPJTC相比于现有路由方法,能在保证分组传输成功率的同时,使端到端时延降低12.11%,无人机集群能耗降低4.56%,且具备更强的能耗均衡能力。

多中心无人机集群维修保障任务分配优化研究

针对多中心无人机集群维修保障任务分配问题,分析无人机集群维修保障任务的约束条件,以最小化无人机等待时间、保障人员的等待时间为目标函数,并考虑保障人员的工作公平性建立无人机集群维修保障任务分配模型,通过人工蜂群算法进行优化求解。算例表明:模型与以飞行距离最短为目标的先到先服务模型相比,无人机准备时长减少了0.8%,保障人员等待时长减少了21.0%,保障总时长减少了4.3%,提高了无人机维修保障的敏捷性,实现了人员工作的均衡分布,验证了模型和算法的可行性。

无人机集群空中博弈对抗体系指挥控制模型

针对无人机集群空中博弈对抗体系的指挥控制问题,系统阐述了无人机集群协同空战典型场景的作战过程模型,分析设计了空中无人机集群博弈对抗体系的作战任务剖面,构建了空中无人机集群协同作战体系信息流程模型。研究结论能够为空中无人作战体系构建、无人集群协同空战指挥控制架构以及协同作战规划设计方法等研究提供理论支撑。

基于EMD-DESN的无人机集群航迹目的地预测

无人机(unmanned aerial vehicle,UAV)集群作战样式多样、运动模式复杂,导致集群航迹目的地难以预测。为解决上述问题,本文提出了一种基于经验模态分解(empirical mode decomposition,EMD)和深度回声状态网络(deep echo state network,DESN)的UAV集群航迹目的地预测算法。为使集群运动模型更真实地模拟UAV集群作战过程,本文引入航向误差时变方差,改进了Olfati-Saber集群运动模型的虚拟领导项。为处理因群内的协同作用和集群航向误差导致的运动非平稳性,引入了EMD,对UAV航迹序列进行重构。考虑到获知航迹的时序性,设计了滑窗结构,采用DESN对重构航迹的不同时段进行目的地预测。仿真实验结果表明,本文提出的EMD-DESN算法较基本DESN算法能以更高的准确度预测UAV集群航迹目的地,并能更早地实现稳定的正确预测。