Joint mission and route planning of unmanned air vehicles via a learning-based heuristic

Unmanned air vehicles(UAVs) have been regularly employed in modern wars to conduct different missions. Instead of addressing mission planning and route planning separately,this study investigates the issue of joint mission and route planning for a fleet of UAVs. The mission planning determines the configuration of weapons in UAVs and the weapons to attack targets, while the route planning determines the UAV’s visiting sequence for the targets. The problem is formulated as an integer linear programming model. Due to the inefficiency of CPLEX on large scale optimization problems, an effective learningbased heuristic, namely, population based adaptive large neighborhood search(P-ALNS), is proposed to solve the model. In P-ALNS, seven neighborhood structures are designed and adaptively utilized in terms of their historical performance. The effectiveness and superiority of the proposed model and algorithm are demonstrated on test instances of small, medium and large sizes. In particular, P-ALNS achieves comparable solutions or as good as those of CPLEX on small-size(20 targets)instances in much shorter time.

Optimal confrontation position selecting games model and its application to one-on-one air combat

In the air combat process,confrontation position is the critical factor to determine the confrontation situation,attack effect and escape probability of UAVs.Therefore,selecting the optimal confrontation position becomes the primary goal of maneuver decision-making.By taking the position as the UAV’s maneuver strategy,this paper constructs the optimal confrontation position selecting games(OCPSGs)model.In the OCPSGs model,the payoff function of each UAV is defined by the difference between the comprehensive advantages of both sides,and the strategy space of each UAV at every step is defined by its accessible space determined by the maneuverability.Then we design the limit approximation of mixed strategy Nash equilibrium(LAMSNQ)algorithm,which provides a method to determine the optimal probability distribution of positions in the strategy space.In the simulation phase,we assume the motions on three directions are independent and the strategy space is a cuboid to simplify the model.Several simulations are performed to verify the feasibility,effectiveness and stability of the algorithm.

基于UAV-RS虚拟仿真系统的教学模式探究

针对无人机和遥感测绘(unmanned air vehicle for remote sensing,UAV-RS)相关专业在实际教学中存在的问题,如设备资源和实验时间无法满足学生需求,野外作业中无人机的安全难以管控,天气和环境条件要求苛刻等,以无人机遥感测绘外业为仿真对象,设计开发了虚拟仿真系统,改革实训教学模式。仿真系统确立了无人机飞行操控、地面场景模拟和遥感图像获取3个模块,引导学生自主完成无人机遥感测绘外业过程。评估实验中经过仿真系统学习的学生(实验组)的项目完成率为:初级90%、中级80%、高级75%,均明显高于对照组。表明基于仿真系统的教学模式可提升UAV-RS的外业教学效果,提高复杂项目完成率,并能够激发学生自主学习的积极性。

基于通信信号管制的城市空中交叉口设计研究

为确保城市低空空域内无人机规模化运行安全,缓解低空交通运行瓶颈,本文借鉴地面交通较为成熟的研究成果,结合城市低空及无人机运行特色,提出一种基于通信信号管制的城市空中交叉口设计模型。首先,考虑航路构型设计与航路运行主体,构建无人机运行所需的城市低空航路。其次,从进出口道、冲突响应距离2方面对空中交叉口几何结构进行设计,再从进口航道划分、通信信号管制、无人机高度调整3方面对交通组织进行设计,实现对空中交叉口的基本模型设计。最后,设置仿真实验验证该模型的可行性,并分析不同参数组合下的交叉口综合通行效率。实验结果表明:当飞行速度为18 m/s,纵向间隔为50 m,管制信号周期时长为226 s时,综合通行效率达到最佳。本研究可为未来城市空中交通航路网络精细划设与管理提供支撑,增强低空无人机交通的实践性。

基于无人机巡检与深度学习的河道整治施工进度图像识别

长线性小流域治理工程中的河道衬砌、生态护岸等距离长、范围广、布置分散,且工区交通不便,人工巡检费时费力,难以及时掌握工程的整体施工进度形象面貌。提出了基于无人机巡检与深度学习的河道整治施工进度智能图像识别方法,通过定位施工节点(施工区域起点和终点)的位置计算施工进度。首先,建立了施工区域目标检测模型,针对无人机航拍影像进行河道衬砌护岸施工区域的识别以及施工节点的定位;然后,利用尺度不变特征变换(scale-invariant feature transform,SIFT)算法对不同视频帧中的施工节点进行匹配,并基于单目视觉的运动视差法,计算施工节点的实际工区坐标;最后,计算当前衬砌护岸施工进度,并分析进度偏差。结果表明:该方法得到的施工节点定位平均误差为1.026 m,平均相对误差为0.74%,该方法能够较为准确地从航拍图像中识别得到当前衬砌护岸的施工进程,从而实现长线性工区快速巡检,及时掌控现场施工进度,提高工程管理的智能化水平。

基于有限忍耐度鸽群优化的无人机近距空战机动决策

由于对抗双方态势的快速变化,无人机近距空战机动自主决策困难且复杂,是空中对抗的一个难点。对此,提出一种基于有限忍耐度鸽群优化(FTPIO)算法的无人机近距空战机动决策方法。该方法主要包括基于机动动作库的对手行动预测和基于FTPIO算法的机动控制量和执行时间优化求解两个部分。为提升基本鸽群优化(PIO)算法的全局探索能力,引入有限忍耐度策略,在鸽子个体几次迭代中没有找到更优解时对其属性进行一次重置,避免陷入局部最优陷阱。该方法采用的优化变量是无人机运动模型控制变量的增量,打破了机动库的限制。通过和极小极大方法、基本PIO算法和粒子群优化(PSO)算法的仿真对抗测试结果表明,所提出的机动决策方法能够在近距空战中有效击败对手,产生更为灵活的欺骗性机动行为。

基于多指标正交实验设计的UAV编队配系优化

以对抗条件下,无人机(unmanned aerial vehicle,UAV)编队执行对地攻击任务为作战背景,构建多UAV对地攻击模型,利用多指标正交实验设计原理,研究编队配系的优化方法。首先,以武器类型和目标类型为对象,建立对抗双方各自的目标分配模型;其次,以目标探测、识别、杀伤和评估为基本任务,建立编队的攻击过程模型;以任务执行总代价、目标毁伤程度和任务执行时间为评价指标,建立目标函数模型;最后,将UAV的种类和数量视为实验因素和水平,研究基于正交实验设计的编队最优配系方案选择方法。实验结果表明,针对特定的任务要求,该方法可以依据现有的资源条件,得出最优的编队编组策略。

无人机辅助智能边缘网络技术综述

简要介绍了无人机作为空基信息平台的主要应用场景,结合6G多接入网络和用户为中心网络架构,讨论了无人机在构建智能边缘网络中的重要作用。结合无人机平台在不同场景下的通、感、算能力特点,介绍无人机自组网、无人机通感一体化、无人机边缘计算等无人机辅助智能边缘网络关键技术。最后,围绕无人机在构建智能边缘网络过程中与无线接入网新技术结合时产生的新问题,探讨无人机通信信道建模、三维立体部署与路径规划、携能有限与续航问题、无人机网络安全、无人机集群异构网络融合等关键技术挑战和未来研究方向。

基于自由空间光的无人机通信网络关键技术与发展趋势

在当前电磁频谱拥堵和无线电干扰严重的情况下,基于自由空间光(FSO)的无人机(UAV)通信网络作为推进空天地一体化进程的重要一环,得到了学术界和工业界的广泛关注。与传统射频通信相比,FSO通信具有高数据传输速率、低时延和高安全性等优势。然而,FSO链路易受大气信道条件影响,同时UAV高移动性、网络高动态性以及机载资源的有限性给FSO的稳定连接与可靠通信带来了巨大挑战。因此,该文在介绍了FSO传输特性的基础上,着重分析了提升基于FSO的UAV通信网络稳定性与通信质量的关键技术,在此基础上,归纳出高可靠、强智能、长续航的发展趋势,以期为基于FSO的UAV通信网络发展提供参考与借鉴。

基于正交实验设计的UAV编队配系优化方法

针对多无人机执行对地攻击作战任务的背景,建立了编队对地攻击模型,提出了基于正交实验设计的编队配系优化方法。在考虑多机协同作战因素下,构建了编队目标分配的基本模型;以探测、识别和杀伤为基本过程,构建了攻击过程模型;以空袭方付出代价、防空方毁伤程度和作战效率为依据,构建了目标函数模型,分析了模型中中间变量与目标函数之间的关系;利用正交实验设计原理,研究了编队配系优劣的评价方法。实例分析表明,该方法能够在已有的资源约束条件下,给出编队的最优配系方案。

基于MPEG2的视频捕获在UAV图像处理中的应用

图像处理系统是微型无人驾驶飞行器(UAV)的重要组成部分,而视频捕获则是整个系统的基础。为进一步提高无人机图像处理系统的图像质量,针对微型UAV的固有特点,提出了一种基于MPEG2格式的视频捕获模块构建方法,详细介绍了如何利用DirectShow实现一个MPEG2视频捕获程序。最后给出了捕获程序的运行结果及将其应用于UAV图像处理中的效果。实验证明,这种设计思路具有广泛的适用性,可以解决一般的MPEG2流的捕获问题。

基于三维点云数据的城市绿地植被参数评估体系研究——以唐山市唐丰南路为例

传统植被指标的测量方式需要消耗大量的人力、物力与时间,且忽视了不同植被类型和结构的生态效益影响。基于点云数据能够有效评估城市绿地三维植被参数,但受制于数据精度、算法软件等因素影响,该方法结果精度存在10%~20%的误差。以唐山市唐丰南路为例,选取了三处典型样地(50 m×50 m),进行无人机遥感影像和手持激光雷达数据采集,从单木尺度和样地尺度构建三维植被参数体系,以融合数据为准,对比分析了无人机点云数据和手持激光雷达点云数据在提取各项植被参数的精度。对无人机点云数据中的单木数量、总冠幅面积、乔木层绿量、灌木层绿量、平均三维绿量密度、郁闭度、间隙率和叶面积共8项参数,手持激光雷达数据中的平均树高、平均冠径、平均冠幅面积、乔木层绿量和平均三维绿量密度共5项参数,分别提出了修正系数,以提高结果精度,为后续研究提供帮助。最后,探讨了无人机摄影测量技术和激光雷达技术在未来可能的应用方向。

无人机辅助空中计算的轨迹和功率联合优化方法

无人机(UAV)辅助的空中计算(AirComp)系统为大范围、分布式数据的快速聚合提供了有效的解决方法。该文研究了通过无人机辅助空中计算系统联合轨迹规划与功率优化方法。UAV作为移动基站,通过调整其运动轨迹和地面传感器节点发射功率,实现AirComp系统聚合数据均方误差的最优化。在UAV轨迹、传感器功率限制下,联合优化UAV轨迹、去噪因子和传感器功率,使时间平均均方误差最小化。基于块坐标下降和逐次凸逼近方法,提出无人机飞行轨迹与功率联合优化算法,并通过仿真验证了所提算法的性能。

基于图标识别的微型UAV飞行高度估算

在基于DSP硬件平台的微型UAV视觉系统上,综合运用多种图像预处理算法及随机Hough变换算法,实现了针对特定图标的实时识别。同时通过对摄像头的简单标定,获取了拍摄图像与微型UAV实际飞行状况之间的映射关系。根据所设计的视觉系统在近地面对图标的识别,得到了摄像头与被摄图标的距离。最后通过对实验数据的分析,验证了视觉系统的有效性。

地空协同场景下加权模糊聚类用户簇划分方法

为了解决应急通信场景下使用无人机作为空中基站进行辅助通信时涉及的无人机基站部署策略中的用户簇划分问题,在兼顾无人机基站性能和用户体验的条件下,提出一种基于特征加权的模糊聚类(Improved FCM)算法。首先,根据每个无人机基站的信号覆盖范围和最大服务用户数量的性能约束,针对随机分布条件下的用户簇在划分过程中算法计算量大不易收敛的问题,提出一种基于距离加权的特征加权节点数据投影算法;其次,针对同一用户处于多个簇有效范围内时用户划分的有效性和无人机基站资源的最大化利用问题,提出一种基于用户位置和无人机基站负载均衡的价值加权算法。实验结果表明,所提方法充分满足无人机基站的服务性能约束,且与几何分形法(GFA)、谱聚类(Sp-C)等算法相比,特征加权模糊聚类算法获得的平均负载率和覆盖比是最优的,分别达到了0.774和0.0263,因此,该算法可为应急通信场景下的用户簇划分问题提供一种可行的解决方案。

无人机应急通信虚拟仿真实验平台建设

为解决通信专业实验课程体系独立且设备昂贵,难以线下进行综合性实验等问题,建设了无人机应急通信虚拟仿真实验平台。通过Unity3D建模、人机交互等技术设计了空天地一体化实验教学环境、多层次多课程贯通的实验教学内容,与实验内容相对应的多场景综合实验考核体系。平台整合了应急组网配置、无人机部署与控制、星-空-地链路传输控制、5G网络规划与配置、应急通信链路性能测试与对比等内容系统化展现专业基础知识在无人机应急通信场景中的综合应用。教学实践表明:学生在有效掌握实验原理与应用的同时,进一步实现对多门课程的知识整合与综合运用,达到培养具有综合通信实践能力的新工科专业人才的目标。

Optimal search for moving targets with sensing capabilities using multiple UAVs

This paper studies the problem of using multiple unmanned air vehicles (UAVs) to search for moving targets with sensing capabilities. When multiple UAVs (multi-UAV) search for a number of moving targets in the mission area, the targets can intermittently obtain the position information of the UAVs from sensing devices, and take appropriate actions to increase the distance between themselves and the UAVs. Aiming at this problem, an environment model is established using the search map, and the updating method of the search map is extended by considering the sensing capabilities of the moving targets. A multi-UAV search path planning optimization model based on the model predictive control (MPC) method is constructed, and a hybrid particle swarm optimization algorithm with a crossover operator is designed to solve the model. Simulation results show that the proposed method can effectively improve the cooperative search efficiency and can find more targets per unit time compared with the coverage search method and the random search method.

UAV-DEM法计算土方量精度影响因素及分析

为了验证无人机影像地面分辨率和控制点布设方案对UAV-DEM法计算土方量精度的影响,按照5点、4点、长边、短边布设方案布置控制点,分别获取地面分辨率为10 cm、5 cm和3 cm的无人机影像进行实验,实验表明随着影像分辨率的提高,土方量的计算精度提高,且土方量随分辨的增高呈下降趋势;随着控制点数量的减少土方量计算精度降低,其中4点法和5点法布设时土方计算精度可靠,相对误差相差0.1%。

Max-Min Adaptive Ant Colony Optimization Approach to Multi-UAVs Coordinated Trajectory Replanning in Dynamic and Uncertain Environments

Multiple Uninhabited Aerial Vehicles (multi-UAVs) coordinated trajectory replanning is one of the most complicated global optimum problems in multi-UAVs coordinated control. Based on the construction of the basic model of multi-UAVs coordinated trajectory replanning, which includes problem description, threat modeling, constraint conditions, coordinated function and coordination mechanism, a novel Max-Min adaptive Ant Colony Optimization (ACO) approach is presented in detail. In view of the characteristics of multi-UAVs coordinated trajectory replanning in dynamic and uncertain environments, the minimum and maximum pheromone trails in ACO are set to enhance the searching capability, and the point pheromone is adopted to achieve the collision avoidance between UAVs at the trajectory planner layer. Considering the simultaneous arrival and the air-space collision avoidance, an Estimated Time of Arrival (ETA) is decided first. Then the trajectory and flight velocity of each UAV are determined. Simulation experiments are performed under the complicated combating environment containing some static threats and popup threats. The results demonstrate the feasibility and the effectiveness of the proposed approach.

Intermediate carriers for UAV swarms:problem of fleet composition

This article introduces a fleet composition algorithm for a fleet of intermediate carriers, which should deliver a swarm of miniature unmanned aerial vehicles （mini-UAVs） to a mission area. The algorithm is based on the sequential solution of several knapsack problems with various constraints. The algorithm allows both to form an initial set of required types of intermediate carriers, and to generate a fleet of intermediate carriers. The formation of a fleet of intermediate carriers to solve a suppression of enemy air defense （SEAD） problem is presented to illustrate the proposed algorithm.