弱信息交互条件下的无人机集群决策方法

随着无人系统与智能技术的发展,作为无人系统的典型应用之一的无人机集群,在民用与军事领域的应用前景越来越广阔,当集群规模较大时,传统的组网通信方式会受到带宽、干扰等限制,极大影响无人机集群的协同作战效能。基于此,提出一种弱信息交互条件下的无人机集群决策模型(WIIUSM),不依赖无人机之间的双向数据交互,仅依靠单向视觉感知的方式实现期望的集群行为。建立了弱信息交互的无人机集群模型,采用改进后的遗传算法(IGA)作为优化方法对决策模型进行优化。以区域搜索任务为例进行仿真测试,将所提方法与基于顶层规划的蛇形方法进行对比,证明了所提方法在搜索效率层面的有效性;测试了不同比例无人机失效条件下搜索效率的下降程度,与蛇形方法进行对比,证明所提方法具有一定的鲁棒性。

网络舆情突发事件的生命周期原理及集群决策研究

提出了网络舆情突发事件的生命周期原理,将网络舆情突发事件分为潜伏期、萌动期、加速期、成熟期、衰退期五个阶段。基于生命周期原理,提出了网络舆情突发事件应对集群决策的原理与方法。

非常规突发事件情景演化机理及集群决策模式研究

分析了非常规突发事件的事态情景演化机理,响应情景演化机理以及事态-响应耦合机理;构建了非常规突发事件的事态-响应的集群决策模式,并对预警、监视和响应三个子系统的协同运行进行了探讨。

多弹集群协同优化决策算法研究

本文以集群对海作战为应用背景,为重点解决多弹多空间散布的时空构型及目标分配决策问题,建立了多弹典型协同场景下的导弹主动感知协同探测模型,设计了导弹协同探测与协同攻击的模型以及相应的算法。首先,建立了导弹三自由度和舰船二自由度模型、导弹飞行能力评估模型、导弹突防概率评估模型和导弹威胁度评估模型,使得对导弹执行探测和打击任务中能力的变化度量更加精确。其次,设计导弹在不完全信息条件下的主动感知协同探测模型和协同攻击模型,保证导弹协同作战的效益最大化,最大限度地打击敌方势力。再次,针对导弹协同打击目标分配和导弹编队构型问题,使用融合了遗传算法的粒子群(GAPSO)算法问题进行求解,并与传统的粒子群(PSO)算法进行了对比,实现了多方位考虑战场态势信息,对敌方目标进行探测攻击一体化打击。最后,对建立的作战模型进行仿真,得到算法仿真图和算法多次仿真的统计数据。相比其他算法,该算法具有一定的优越性,大幅提升了导弹的智能化对抗水平和突防打击能力。

欠驱动无人船集群有限时间跟踪控制

[目的]针对具有未建模动态、外部环境干扰及未知集群参考信号的欠驱动无人船(USV)集群跟踪问题,研究USV集群运动决策机制并提出有限时间集群跟踪控制方法。[方法]首先,利用Lyapunov函数和人工势函数,结合集群虚拟参考船位置信息,构造速度导引的集群运动决策策略;然后,设计有限时间集总不确定观测器(FLUO),对速度误差方程中包含的未知信息予以补偿;最后,设计基于FLUO的非奇异终端滑模(NTSM)集群跟踪控制方法(FLUO−NTSM)。[结果]通过理论分析和仿真试验,证明系统在有限时间内稳定。[结论]基于所提集群运动决策策略和FLUO−NTSM跟踪控制方法,USV可保持群集并实现精准路径跟踪。

反应式集群体系结构在蜂群弹药中的应用研究

随着无人武器集群式作战从想象加速变为现实,这种新型武器和战术势必将成为改变未来战争规则的重要推手。针对集群武器系统缺乏有效理论与系统技术支撑的问题,首先在多智能体理论和仿生集群智能技术的启发下,深入研究了基于集群行为驱动和个体行为规则的分布式决策框架,并结合视觉信息处理技术,构建了基于个体行为规则和集群行为原型的反应式集群框架;然后,建立了蜂群弹药任务和个体行为规则之间的映射关系;最后,将简单的区域搜索、饱和攻击等作战任务进行了嵌入式实现,对影响任务效率的关键因素进行了深入分析,为构建蜂群弹药等智能集群装备提供了技术储备和理论支持。初步仿真结果证明,对于50节点规模的集群,提出的反应式集群决策框架能够引导蜂群弹药高效完成避障、搜索和攻击等任务,且在40%、80%个体失效时搜索效率显著优于慎思式集群。

微分博弈在无人机集群攻防中的应用研究

为了解决传统微分博弈理论的局中人规模受限问题,针对固定翼无人机目标-攻击-防御三方集群对抗场景,提出了一种基于微分博弈的集群攻防决策算法。该集群攻防决策算法利用基于Dubins路径价值函数的拍卖算法将集群攻防对抗问题解耦为目标-攻击者-防御者三方微分博弈问题,并且融入载体坐标系转换以及自动驾驶仪控制模型等约束,实现三维空间中以加速度为控制输入的集群决策,为等规模三方集群对抗问题提供协同决策控制。仿真实验结果证明,提出的集群攻防决策算法对于多种规模的无人机集群均能生成攻防角色对应的决策控制,实现包括目标-攻击-防御三种角色的三方集群攻防空战决策,在优化个体决策的同时,兼顾集群内无人机间的协同性。

基于近端策略动态优化的多智能体编队方法

无人机集群系统具有能力冗余、抗毁能力强、适应复杂场景等优势,能够实现高效的任务执行和信息获取。近年来,深度强化学习技术被引入无人机集群编队控制方法中,以解决集群维度爆炸和集群系统建模困难的弊端,但深度强化学习面临训练效率低等问题。本文提出了一种基于改进近端策略优化方法的集群编队方法,通过引入动态估计法作为评价机制,解决了传统近端策略优化方法收敛速度慢和忽视高价值动作问题,有效提升了数据利用率。仿真试验证明,该方法能够提高训练效率,解决样本复用问题,具有良好的决策性能。