基于遗传算法的UCAV动态任务分配模型及研究

针对多UCAV(multi-Unmanned Combat Aerial Vehicle)动态任务规划问题提出了单任务类型动态规划模型,基于事件驱动的原则,满足对打击不成功目标和新出现目标需要进行动态规划的要求,在实施目标攻击后或新目标出现时,以获得最大收益值为目标,采用遗传算法进行动态目标分配。与多任务类型模型相比,单任务类型模型有效地减小了可能解规模,寻优过程计算量小,所需时间短,仿真实验验证了模型的有效性。

多UCAV任务分配的混合遗传算法与约束处理

针对多UCAV协同作战任务分配问题,建立了多目标整数规划模型,提出了基于整数编码的混合遗传算法.将约束分为全局约束和局部约束,根据局部约束将决策变量分为自由变量和非自由变量,仅对非自由变量进行编码,减少了染色体变化要素.设计了交叉算子和变异算子,以提高个体的约束满足率.以UCAV的SEAD任务为想定进行仿真,实验结果表明,该混合遗传算法可有效解决大规模整数规划问题,在求解效率和约束满足率上比标准遗传算法有显著提高.

基于整数规划的多UCAV任务分配问题研究

在深入分析多UCAV任务分配问题的特点的基础上,提出了求解多UCAV协同任务分配的整数规划方法.通过设计决策变量和灵活地对各种约束条件形式化,建立了多UCAV任务分配问题的形式化模型.并以典型的UCAV任务SEAD为想定,进行了仿真验证与分析.仿真结果表明该模型可以较好地解决多UCAV协同作战的任务分配问题.*

基于认知理论的UCAV智能导航研究新进展

针对认知理论在无人战斗机智能导航中的应用进行了深入研究,总结了当前国内外认知理论应用研究的最新动态,从导航方式、航迹规划以及着陆3方面介绍了无人战斗机智能导航的研究现状,分析了无人战斗机智能导航研究中存在的问题,提出了一种组合导航发展的认知导航新技术,阐明了认知导航的基本内涵及其主要功能,指出了认知导航特点及其发展思路。

基于贝叶斯优化算法的UCAV编队对联合目标的协同攻击研究

针对传统武器目标分配(WTA)方法中将目标视为彼此相互独立实体的不足,提出一种联合目标模型。该模型能够反映攻击方攻击意图及其对目标内在关系的理解。将贝叶斯优化算法(BOA)引入到协同攻击优化领域中。在目标分配的基础上定义一种武器-目标映射原则,通过该原则实现了无人作战飞机(UCAV)编队对联合目标的协同攻击。仿真结果表明了联合目标模型和武器-目标映射原则的合理性,通过与遗传算法(SGA)结果的比较说明了引入贝叶斯优化算法的必要性。

基于变精度粗糙集理论的UCAV态势评估方法研究

粗糙集是一种处理不确定性因素的决策方法,将其引入到UCAV态势评估过程中。针对机载传感器或其他信息系统获得的目标属性数据可能存在噪声或某种程度的不完整性这一问题,在传统粗糙集理论的基础上引入置信阈值β形成变精度粗糙集理论,在深入分析UCAV态势评估过程的基础上,将该理论与态势评估相结合,形成基于变精度粗糙集的UCAV态势评估算法。通过对实例的分析可知,该方法能够与态势评估的全过程紧密结合,结果正确。

基于贝叶斯优化算法的UCAV编队对地攻击协同任务分配

针对UCAV编队对地攻击协同控制决策优化问题,首先构建了UCAV编队对地攻击任务分配的自主价值优势矩阵。在此基础上依据多人冲突理论分别对双方以及本机编队进行权重分配;建立了UCAV编队对地攻击协同任务分配的整体价值优势矩阵,由此根据决策变量与约束条件构建了任务分配问题的数学模型。然后应用贝叶斯优化算法对该模型进行了优化分析。仿真实例表明,所建协同任务分配模型能够反映编队协同控制决策的重要性,而且应用贝叶斯优化算法能够很快收敛到全局最优解,能有效地解决UCAV编队对地攻击的协同任务分配问题。

多UCAV协同航路规划算法

针对多UCAV协同航路规划问题,将协同进化理论与扩展Voronoi图模型相结合,提出了一种基于扩展Voronoi图模型与协同进化算法的多UCAV协同航路规划方法。该方法通过协同进化理论的合作机制实现了规划航路的空域协同,通过采用层次分解策略实现了规划航路的时域协同,并且对染色体设计、个体适应度以及进化操作等关键问题进行了研究。

基于Voronoi图与蚁群算法的UCAV航路规划

提出一种基于Voronoi图和蚁群优化算法(ACO)的无人作战飞机航路规划的方法。首先根据已知威胁源建立威胁源的Voronoi图,并构建了起始点、目标点与威胁场的Voronoi图赋权有向图,从而建立了无人机搜索路径的集合,结合初始集合,然后给出无人作战飞机航路规划的具体实现过程,最后对UCAV在多种威胁环境下的航路规划进行了仿真实验,仿真结果表明这种航路规划方法是可行和有效的。

有人机/UCAV编队对地攻击指挥控制系统总体研究

有人机/UCAV编队对地攻击是网络战环境下一种全新概念的作战模式,其指挥控制是支配作战活动的关键环节。对有人机/UCAV编队指挥控制系统总体进行了研究,构造了指挥控制系统层次模型,给出了每个层次的工作流程,提出了有限中央控制的分布式指挥控制系统体系结构和基于Agent的有人机/UCAV编队指挥控制系统人机协同机制,构建了UCAV C2-Agent混合型结构,最后对指挥控制系统的关键技术进行了分析。

UCAV任务规划系统的研究进展及发展趋势

分析了无人作战飞机任务规划系统的特点 ,按照规划范围和时段对无人作战飞机任务规划系统进行分层研究 ,讨论和分析了各个层次的作用及发展现状。最后 。

一种基于不确定信息的UCAV目标分配方法

在UCAV(无人战斗机)编队任务规划中,UCAV的任务分配是一个重要研究课题。针对不确定信息条件下的UCAV任务分配问题,建立了基于不确定信息条件下的UCAV任务分配模型,通过SMAA(随机多属性可接受性分析方法)方法,给出了基于SMAA的不确定信息UCAV任务分配方法,并通过仿真实例说明了基于SMAA的不确定信息UCAV任务分配方法的有效性和适用性。

基于混合策略的UCAV攻击轨迹在线规划方法

针对无人作战飞机(unmanned combat aerial vehicle,UCAV)在线轨迹规划问题,提出了一种基于混合策略的方法。首先,针对动态不确定环境,设计了基于事件触发的轨迹滚动规划方案;其次,基于UCAV飞行性能约束对数字地形进行平滑处理,生成安全可飞行曲面;再次,提出了利用函数表征重规划段轨迹的方法,分析了轨迹函数特性和端点约束处理方法,进而将轨迹规划问题转化为轨迹函数寻优问题,减少了轨迹寻优参数数量;最后,引入平均速度和FUCH混沌映射对粒子群算法进行改进,并利用其对轨迹函数进行寻优。数字仿真结果表明,利用该方法完成一次轨迹在线重规划只需0.2 s,表明了该方法具有较好的实时性,能满足轨迹在线规划要求。

多UCAV协同任务规划的层次分解方法

针对多UCAV协同作战的控制决策问题,从任务、空域和时域三个角度阐述了多UCAV协同任务规划问题的层次特性,提出了多UCAV协同任务规划的分层迭代逻辑流程。基于该分层迭代逻辑流程,完成了多UCAV协同任务规划原型系统的开发工作,并进行了初步的综合仿真验证。仿真结果表明,所提出的分层迭代逻辑流程,可以降低任务规划问题的复杂度,是实现多UCAV协同任务规划的一种有效方法。

先进无人战斗机(UCAV)系统概念

先进无人战斗机系统是指正在发展和将要发展的无人战斗机系统。无人战斗机系统主要由携带武器的无人飞机、用于人工控制无人飞机的控制站和将系统连接起来保持与战术环境相联系的数据网络组成。在未来战争中,无人战斗机系统的主要作战使命是空防压制、纵深打击和"空中占领"。在研制过程中需要解决自主飞行、信息传输与处理等关键技术。

多UCAV协同作战自主任务规划系统

在分析未来多UCAV协同作战任务的基础上,构建了一个多UCAV协同作战的自主任务规划系统结构,探讨了其运行机制。提出这个系统的核心是自主规划器,它应该具有任务分解、智能信息处理和机载任务规划与重规划能力。设计了自主规划器的初步方案。指出了这个系统下一步研究的任务和方向。

基于BP神经网络的UCAV航迹综合评价

针对目前航迹规划过程中评价指标难以统一且指标权重确定过分依赖主观经验的问题,在建立较为完备的UCAV航迹评价指标体系基础上,引入BP神经网络对UCAV备选航迹进行综合评价,从备选航迹的样本数据出发,客观分析航迹的优劣,为决策者提供更加科学合理的参考依据,最后结合仿真算例,验证了该方法的可行性。

基于影响图的UCAV编队对地攻击战术决策研究

随着武器的高科技化、战场环境的复杂化、战斗节奏的加快,智能化的战术决策系统在现代战争中占有越来越重要的地位。基于影响图易于进行不确定性推理的优点,提出应用影响图来建立UCAV编队对地攻击智能战术决策系统。建立了UCAV编队对地攻击战术决策的影响图模型,并且对该模型进行了仿真分析。仿真结果表明,基于影响图的战术决策模型能够提高决策的准确度和智能化,而且推理简单,易于实现。

基于模糊集理论的UCAV群空战目标威胁评估研究

本文提供了一种确定目标威胁值的新方法:用模糊运算评定目标的威胁值。文中给出一个实例来说明目标威胁值的计算过程。通过对新方法的分析以及实例的计算,发现此方法能把影响目标威胁值的各种因素科学合理地综合起来,所得的结果比较准确地反映了目标真实的威胁值。若将此方法应用于实践之中,能更好地推动战术决策系统沿着智能化方向发展。

多UCAV协同目标分配算法研究

针对多无人作战飞机(unmanned combat aerial vehicle,UCAV)协同目标分配问题,提出了一种基于离散粒子群算法的多UCAV协同目标分配方法。根据多UCAV协同目标分配问题的特点,建立了粒子与实际问题间的映射,设计了新的粒子群位置和速度更新公式,并且对标准粒子群算法作了改进。充分利用粒子群优化算法的全局搜索能力,有效地解决多约束条件下多UCAV协同目标分配问题。仿真结果表明,离散粒子群算法能够稳定快速地找到较优分配方案,并且算法简单、灵活。