基于航迹协同的相控阵雷达干扰方法研究

针对远距离支援干扰机难以通过旁瓣对相控阵雷达实施有效干扰,而主瓣压制区又过窄的问题,提出了一种基于航迹协同的相控阵雷达干扰方法,使突防飞机始终处于雷达主瓣压制区内。建立了突防飞机、干扰飞机三维航迹协同模型,对不同情况下的最小掩护距离进行了仿真分析。仿真结果表明,严格的航迹协同和参数规划可改善干扰效果,有效掩护航空兵突防。

基于自适应变异遗传算法的多无人机航迹协同

为了降低多无人机协同的威胁代价,提高无人机群的环境生存率和任务成功率,以多无人任务机和无人支援机航迹协同为研究对象,描述时间与空间协同叠加、航程与威胁变量决策寻优的多无人机航迹协同实现过程。考虑任务航程与任务威胁的综合影响,提出多无人机航迹分段时序协同方法与协同模型。引入航程与威胁决策变量定义航迹代价协同函数,并构建基于近点与远点决策变量的协同函数模型,通过优化决策变量,实现多无人机最小航迹代价的路径寻优过程。为了满足航迹协同的实时性需求,提出利用自适应交叉率和变异率相结合的自适应变异遗传算法模型,实现航迹寻优过程的快速求解。通过半物理仿真试验,验证基于决策变量与改进遗传算法的多无人机航迹协同模型的有效性和实时性,可指导实际系统的构建与实现。

基于决策知识学习的多无人机航迹协同规划

考虑无人机群体行为决策与状态变化的内在驱动,从信息处理角度提出基于决策知识学习的多无人机航迹协同规划方法.首先,基于马尔科夫决策过程对无人机的行为状态进行知识表示,形成关于连续动作空间的决策知识;然后,提出基于知识决策学习的深度确定性策略梯度算法,实现无人机在决策知识层次上的协同规划.实验结果表明:在研发设计演示系统的基础上,所提方法通过强化学习能够得到一个最优航迹规划策略,同时使航迹综合评价和平均奖励收敛稳定,为无人机任务执行提供了决策支持.

空地航迹协同调整技术

为了给管制员的决策提供支持和辅助管理,在决策工具的开发过程中提出分布式空地交通管理的概念。此概念涵盖飞行的各个阶段和所有的操作域,帮助空地航迹的协同调整。通过对各个阶段具体问题和对应问题的解决方法的阐述,对比说明该概念使系统产生多个潜在优点。

基于改进GWO的多无人机三维协同航迹规划

针对GWO算法求解多无人机协同航迹时存在协同性差、易陷入局部最优、收敛速度慢以及求解精度差的问题,提出一种基于改进GWO的多无人机三维协同航迹规划方法。首先,建立多无人机三维协同航迹规划数学模型,以消耗代价、高度代价、威胁代价、空间约束、时间约束5者的加权和以及惩罚项作为目标函数;其次,利用贪心算法和Tent映射相结合的方法来提高种群适应度,并保留种群的多样性来减小陷入局部最优的可能性;再改进收敛因子来提高算法收敛速度;然后,设计一种动态权重位置更新方法来提高算法的探索和开发能力;最后,将改进的GWO算法应用于多无人机航迹规划问题求解。与GWO算法和CSGWO算法对比的仿真结果表明,所提出的改进GWO算法在求解精度上分别提高了64.8%和16.7%,在收敛速度上分别提升了28.5%和25.4%,并且协同能力明显优于对比算法。

基于Transformer模型的四旋翼无人机时空协同航迹预测方法设计

无人机在执行任务时面临的飞行环境复杂多变,为了减少事故的风险,并在飞行时对异常情况进行预测和响应,研究一种基于Transformer模型的四旋翼无人机时空协同航迹预测方法;采集四旋翼无人机原始航迹,实施异常点剔除和缺失点插值处理,以优化和清理原始航迹数据,便于后续的航迹预测;使用卷积神经网络实施特征进行数据提取,通过编码和解码过程获取学习数据低维,结合深度学习和表示学习方法完成数据降维;基于Transformer模型实现无人机时空协同航迹的精准预测,通过数据异常点剔除与插值补缺,对采集的四旋翼无人机原始航迹数据实施预处理,提高数据的质量和完整性;实验测试结果表明,设计方法的预测结果虽然相对于真实的坐标点稍有偏差,然而整体结果在可接受范围内,验证集所有数据的均方误差在数据条数为300时仅为0.32 m,拟合优度指标测试结果最接近1,具有良好的航迹预测能力;该方法可以更好地优化无人机的航迹规划,实现多无人机之间的时空协同航迹规划,避免碰撞和冲突,并优化飞行效率。

考虑航空公司偏好的协同航路分配优化方法

为提高协同决策中管制与航空公司之间的参与,减少航班的延误,提出多目标下的考虑航空公司偏好的航迹时隙分配模型,解决具有多个受限区的航路资源分配问题。该模型以满足容量限制、最小化航班延误及改航的相关成本为效率和公平性目标,将该模型应用于国内某航路实例数据,运用Benders分解算法分析求解模型。结果表明,与传统的地面等待方法相比,航班总延误成本每分钟显著降低6.2%,由于改航分配导致地面延误减少,使航班总延误时间降低了29.3%,这一结果强调,增加改航(除了地面等待)以避免空域受限区的重要性。此外,该模型允许航空公司能够根据自身偏好灵活地选择原计划航线或替代航线,分析航空公司的偏好对个人和系统延误水平的影响。最后,讨论基于不同公平方案下多受限资源分配过程中效率与公平之间的权衡,提出的Min-Max方法相比现有的RBS(Ration-By-Schedule)方法能够使空域运行效率提高5.4%,航空公司公平性提高70.8%。可见,提出的多目标协同航路分配优化方法的有效性,在降低总延误成本的基础上兼顾各航空公司的公平性,是解决协同航路资源分配问题的一种有效方法。

基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高,收敛效率差等问题,提出一种基于混沌精英适应遗传算法(CEA-GA)的多无人机三维协同曲线航迹规划方法。利用层级规划思想,建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型,将复杂约束规划问题分解为子函数优化求解问题,减小计算量;考虑到遗传算法(GA)求解高维复杂约束优化问题存在的性能局限,采用Tent混沌映射均匀初始化种群,以扩大个体搜索空间,丰富种群多样性,在此基础上,通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力,帮助个体跳出局部最优,并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解,仿真实验结果表明:CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率,且能够为集群规划满足约束条件的协同曲线航迹,从而验证了所提方法的有效性和CEA-GA的优越性。

一种三维多UAV协同航迹规划的空间模糊文化算法

针对多无人机在三维环境下航迹规划搜索空间大、多机协同困难等问题,提出一种基于空间模糊表示和差分进化相结合的文化算法.该方法首先用模糊集合表示三维空间网格点,提高关键路径点的被关注度;然后组合空间模糊信息、历史信息和协同信息成为文化算法的信念空间,用以剪枝规划的搜索空间;在文化算法的种群空间则利用差分进化生成满足多机协同约束的优解,并用差分获得的未知领域知识扩展信念空间,保证进化种群的多样性;最后,通过共享信息促进知识的积累和修正搜索的方向.仿真实验表明,该方法提高了关键路径点选取的效率,能够探索空间中更多的未知区域,避免求解陷入局部最优,更符合多机协同的需求,有助于快速规划出多条可行的协同航迹.

基于协进化多子群蚁群算法的多无人作战飞机协同航迹规划研究

协同航迹规划是有效提高多无人作战飞机(UCAV)协同作战效能的关键技术之一。分析了多UCAV协同航迹规划问题中的空间协同约束、时序约束以及任务时间约束,建立了基于"协同系数"的协同航迹性能评价指标;在此基础上,通过引入蚂蚁子群间的协同进化策略,并对蚁群算法状态转移规则、信息素更新机制进行了改进,设计并实现了基于协进化多子群蚁群算法的协同航迹规划算法。仿真实验结果表明:本文方法能够很好地处理多UCAV协同任务中的各类约束条件,是一种有效的协同航迹规划方法。

无人机在线协同航迹规划时序问题

提出了一种满足时序约束的无人机在线协同航迹规划方法。首先采用按时间推进的协同规划机制解决了在线协同规划中信息交互存在时间间隔的问题;其次通过设计协同函数,采用自主分布计算协同变量的方法解决其时序问题,实现了协同无人机按照指定时间间隔先后达到目标区域。仿真选取同时到达和按等时间间隔到达两类典型时序问题,结果表明该方法可以快速生成符合协同时序要求的协同航迹,且满足实时性要求。

基于多目标优化算法的多无人机协同航迹规划

多无人机协同航迹规划是无人机协同作战的关键技术之一。本文提出的一种针对多无人机协同航迹规划的多目标优化算法,即协同非支配排序进化算法(cooperated non-dominated sorting genetic algorithms-II,CO-NSGA-II),针对多架无人机的航迹距离、安全性、时间以及空间的协同性进行规划。运用多目标优化算法,克服了传统航迹规划中需要为各目标函数取权值的不足,并且可以生成多组可供选择的解。同时引入协同进化策略,将各无人机的航迹规划视作子种群,各子种群间进行合作,子种群内采用非支配排序进化算法(non-dominated sorting genetic algorithms-II,NSGA-II)进行独立优化。考虑到各机间的协同约束,用时间空间协同系数替代传统算法中的"拥挤距离"参数。仿真结果表明通过本文算法能够有效实现多无人机协同航迹规划。

具有时间约束的多无人机协同航迹控制研究

以多架无人机为研究对象,控制多无人机对目标实施协同攻击,并保证多无人机以指定时间到达目标或同时到达目标,最大限度地提高作战效能,是一个极具理论价值和军事应用的问题。确定了多无人机多级分布式协调策略,明确了协同变量与协同函数的概念和相应的数学表达式,以及领机与僚机间的通讯关系,最后利用基于协同变量和协同函数的多级分布式控制策略,有效解决了具有时间约束的多无人机协同航迹控制问题,设计仿真算法,并通过具体的仿真分析,验证了算法的有效性。

多无人机协同航迹规划技术研究

多无人机协同航迹规划是多无人机协同控制的重要组成部分。多无人机协同航迹规划能得到满足安全性、协同性和任务要求的较优航迹,这对提高无人机系统性能有重要的意义。介绍了多无人机协同航迹规划的问题描述和求解结构,总结了在协同规划问题中的约束条件和航迹协调方法,着重阐述了几种在多无人机编队中常用的控制方法。在此基础上,对未来可能的研究方向进行了展望。

带集结区的协同航迹规划方法研究

通过调控飞行器在各个航迹段的速度,提出了一种基于进化算法的带集结区的多飞行器协同航迹规划方法。该方法通过将协同时间误差引入进化算法的代价函数中,使得规划出来的航迹能够满足集结区的时间和空间约束,同时使得协同到达目标点时间误差尽可能小。仿真实验结果表明该方法能够达到很好的效果。

MP-GWO算法在多UCAV协同航迹规划中的应用

多无人作战飞机(UCAV)协同航迹规划是多UCAV协同作战的重要组成部分,对协同作战的结果有很多的指引作用。多UCAV协同航迹规划属于多峰值优化函数求解问题,其求解稳定性比较差。为解决多UCAV协同航迹规划求解稳定性较差的问题,首先在对影响多机协同约束条件研究分析的基础上,结合单机航迹规划求解中的核心指标,建立了多UCAV协同航迹优化函数;其次利用多种群灰狼算法(MP-GWO)在求解多峰值优化函数问题上比较稳定的特点进行求解,最后将MP-GWO分别与GWO算法、EA算法和在新增威胁环境下的求解结果相比较来验证算法的优越可行性。仿真结果表明,MP-GWO算法对多峰值问题具有求解稳定性,能够适应突发威胁环境下的求解。

基于协同裕度的多飞行器航迹规划

针对传统多飞行器协同航迹规划适应环境变化的能力较弱的缺陷,提出了多飞行器协同裕度的概念,建立了航迹规划的协同裕度模型,研究了基于协同裕度的多飞行器协同航迹规划方法,提高了编队协同能力,仿真结果验证了改进方法的有效性。

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法。通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹。然后建立协同模型,为各无人机规划出既能满足时间协同要求,又能满足整体代价最优的可行航迹。仿真表明了该种方法的可行性。

一种多飞行器协同航迹规划的新方法

在综合考虑飞行器编队的飞行代价和作战效果的基础上,提出了一种多飞行器协同航迹规划的新思路,将飞行器编队的协同航迹规划与任务分配结合起来考虑,研究基于任务分配的多飞行器协同航迹规划方法。对传统的飞行器航迹规划模型加以改进,重新建立了结合任务分配的飞行器编队协同航迹规划模型。运用遗传算法对构建的航迹规划模型进行仿真验证,结果表明,基于任务分配的飞行器编队协同航迹规划方法,不仅能保证各飞行器选择合理的协同航迹,也使得作战任务可以获得最佳作战效果,有效的提高编队作战的效费比。

基于图形模型动态感知下的多无人机航迹协同

为解决对当前形势估计不足以及对未来情况预测的问题,采用图形模型中动态贝叶斯网络(DBN)建立突发威胁体感知的模型,利用DBN的状态转移网络、观测转移网络及DBN的学习和推理算法,实现了对突发威胁体的动态感知.提出一种基于图形模型动态感知下的多架无人机航迹协同规划方法,并据此实现多无人机飞行航迹协同规划.仿真结果表明了这种基于图形模型动态感知下的多架无人机协同方法的正确性和可行性.