基于智能Agent的小型无人机自主飞行任务管理器的设计

自主飞行是先进无人机的重要特征。基于智能A gent技术,采用分层的混合型A gent结构,进行了小型无人机自主飞行任务管理器的设计与实现。该设计方案在吸收各领域专家及操纵手的专门知识和丰富经验的基础上,建立了一套基于认知型A gent结构的顶层自主任务管理推理机制和策略,以及基于反应型A gent结构的任务规划执行底层的规则集。对基于该任务管理器的全自主飞行、半自主飞行模式进行了几十架次的飞行试验验证。试验结果充分表明了其推理机制和策略的有效性以及对应急事件响应的快速性。

一种无人机路径规划强化学习算法

为了让无人机不易遭到地面埋伏的单兵防空武器打击,提出了一种新的强化学习算法,用于无人机(UAV)执行规避导弹、最短路径飞行和编队飞行任务.该算法结合自我模仿学习和随机网络提炼算法,以放大探索的模仿效应(AIE).实验结果表明,所提出的算法在寻找UAV最短飞行路径的同时避开敌方导弹方面非常有效;在收敛速度和学习稳定性方面都优于现有算法.这为UAV躲避导弹被击中的事件提供了一定的参考.

基于智能Agent的无人机发动机的自主控制策略

利用智能Agent技术对自主飞行无人机发动机的控制进行研究。给出发动机控制Agent的分层结构。利用发动机领域专家的相关知识,提出了适用于小型无人机发动机自主控制的策略和协调算法。基于智能Agent技术的发动机实时控制系统能满足飞机爬升、巡航、待机、下滑俯冲等不同自主飞行阶段对动力系统的要求。针对飞行中动力及其它相关系统可能出现的异常状态,设计了相应的应急控制策略;并对发动机的正常工况实现了优化控制。通过十几架次小型无人机自主飞行试验表明该发动机自主控制策略的有效性。