UAV/UGV协同环境下的目标识别与全局路径规划研究

针对单独机器人难以执行复杂环境中任务的问题,Unmanned Air/Ground Vehicle(UAV/UGV)协同系统近年来受到了广泛关注。为了提高执行任务的工作效率,提出一种基于视觉传感器下UAV/UGV协同系统中UAV目标识别下UGV全局路径规划的方法,无人机利用高空视野优势获取目标物与环境信息, SURF算法和图像分割实现环境建模。无人车根据无人机获取的信息,利用优化的A*算法完成全局路径规划,并且在典型搜救场景中进行了仿真验证。实验表明,SURF算法能满足目标识别的精确度、实时性和鲁棒性;并且利用优化的A*算法实现了UGV快速准确的全局路径规划。

UGV协同系统研究进展

无人地面车辆(UGV)在工业自动化、星球探索、灾后救援、智能交通以及军事作战等多任务领域都具有广阔的应用前景。UGV协同系统通过嵌入组织架构、合作策略、交互机制等协同内容,可以达到拓展环境感知范围、提高复杂环境理解适应能力和增强复杂任务工作效能的目的,受到了国内外广泛的关注。从UGV单体/群体体系结构、多重任务协同分配方法以及协同定位、编队、覆盖/探索等几个方面对目前国内外UGV协同工作关键技术进行了总结,给出了一个UGV协同系统的应用实例,并指出了系统发展趋势。

多UAV集结任务的分布式协同与优化控制

基于一致性理论的多无人机分布式协同控制已广泛运用于无人机作战中,通过一致性控制算法实现状态一致完成协同需求。建立了集结问题的数学模型,基于协调变量和协调函数的分解策略进行求解。为实现协同控制的最优性,改进了平均一致性控制算法,采用Hamilton-Jacobi-Bellman方程给出基本优化一致性控制算法。在控制算法中引入过去状态差值,提高控制算法的动态响应性和能量最优性;同时采用遗传算法优化代价函数的加权矩阵,进一步提高控制算法的动态响应性和能量最优性,缩短了任务执行时间。理论分析和仿真实验验证了方法的有效性和可行性。

快速一致性控制算法下的多UAV分布式协同控制

多无人机系统中,系统状态的一致性是实现多无人机分布式协同控制的基础,一致性控制算法是多无人机系统实现状态一致的有效方法。通信约束条件下,无人机平台基于局部交互信息,通过一致性控制算法,控制系统状态演化一致。为解决改变通信拓扑结构和多跳路由通信的不可操作性问题,引入状态差值和预测状态,设计新的快速一致性控制算法。给出新算法收敛性和快速性的相关定理,并进行了严格的数学证明,在分布式协同控制结构下实现多无人机快速任务协同。理论分析和仿真实验验证了算法的可行性和有效性。

无人机高效能多级空域系统保密性能优化方案

针对无人机中继通信系统能量短缺引起的保密性能较弱的问题,提出一种高效能无人机多级通信系统保密性能优化方案。通过将能量收集技术应用于无人机中继系统,优化能量分配策略,以高效利用无人机收集的射频能量,从而增强无人机中继通信系统的保密性。将未优化与优化后的无人机中继系统在保密性能方面进行对比,仿真结果表明,优化后系统的保密性能优于未优化系统,同等传输条件下,所提方案能够提升无人机中继通信系统的保密性能。

对海作战无人机指挥控制系统及协同模式研究

无人机成功完成任务离不开地面指挥控制系统的支持。在对海作战场景下,无人机面临与其他兵力协同作战的要求,其指挥控制系统除了实现对无人机的操纵,还需与其他指挥控制系统链接。以我国目前面临的主要军事威胁与无人机的主要作战样式为背景,提出对海作战无人机指挥控制系统的功能需求,分析指挥控制系统的体系结构,探讨指挥控制系统在无人机与舰艇配合、与有人机协同、集群作战等作战样式中发挥的作用,展望无人机在未来海战场的应用。

有人-无人机协同技术研究

随着军事需求和人工智能技术地不断提高,有人-无人机在现代化战争中应用十分广泛。通过国外有人-无人机的研究现状,从“域”和“网”两个角度构建一种有人-无人机协同作战体系,同时分析该体系下物理域、信息域、认知域、行动域和网络资源池的职能作用。基于此,进一步着重剖析支撑“四域一网”协同作战的人机控制、网络通信这两种关键技术,并基于混合集散控制结构,设计出一种混合集散协同作战框架。同时对有人-无人机在人机交互、通信抗干扰等技术上的不足之处进行探讨和展望,为未来有人-无人机协同技术发展提供一定的参考价值。

平行机器人与平行无人系统:框架、结构、过程、平台及其应用

本文将基于ACP(Artificial societies,computational experiments,parallel execution)的平行系统思想与机器人领域相结合,形成一种软硬件相结合的框架,为无人机、无人车、无人船在复杂环境中实验、学习与实际工作提供便捷、安全的平台,即平行无人系统.本文从平行机器人的基本概念出发,提出平行无人系统的基本框架,并介绍了各模块的基本功能与实现方法,探讨了其中的关键技术.然后本文围绕无人机、无人车、无人船三个方面展望了无人平行系统在实际中的应用和所面临的挑战,提出了平行无人系统的未来发展方向.

基于规则的无人机集群飞行与规避协同控制

针对已有方法在大规模集群系统控制方面的不足,提出一种基于规则的无人机集群系统飞行与规避自主协同控制方法。受群智能思想启发,定义集群内无人机成员的基本飞行规则,实现无人机集群正常飞行和队形重构,在此基础上,将规避动作作为一种新的飞行规则,通过设置相应的规则权重系数,建立整体和成员两种规避控制机制,最后基于线性反馈控制理论证明了无人机集群系统的稳定性。仿真结果表明,所提方法能够控制集群正常飞行并有效处理规避问题,同时具有良好的实时性。

强化学习的地–空异构多智能体协作覆盖研究

以无人机(unmanned aerial vehicle,UAV)和无人车(unmanned ground vehicle,UGV)的异构协作任务为背景,通过UAV和UGV的异构特性互补,为了扩展和改进异构多智能体的动态覆盖问题,提出了一种地–空异构多智能体协作覆盖模型。在覆盖过程中,UAV可以利用速度与观测范围的优势对UGV的行动进行指导;同时考虑智能体的局部观测性与不确定性,以分布式局部可观测马尔可夫(decentralized partially observable Markov decision processes,DEC-POMDPs)为模型搭建覆盖场景,并利用多智能体强化学习算法完成对环境的覆盖。仿真实验表明,UAV与UGV间的协作加快了团队对环境的覆盖速度,同时强化学习算法也提高了覆盖模型的有效性。

基于MAS的多无人机系统集散式控制体系结构研究

多无人机协同作战是未来空战的主要模式。将多无人机协同作战问题看作复杂的动态协作问题,利用多智能体技术建立多无人机系统的集散式控制体系结构。探讨了在所提出的控制体系结构下,系统能够快速应对各种突发战况,进行组织结构的重构,展现了较好的可重构性。研究表明,基于多智能体技术的集散式控制体系结构适用于多无人机协同作战过程。

面向多无人机协同飞行控制的云系统架构

有限的载荷使得无人机难以承载过多的仪器设备,其极大地限制了无人机上资源的交互、共享以及无人机遂行任务多样性的能力.多无人机智能协同成为AI领域发展的主流方向,但已有的多无人机系统存在通信距离受限、数据资源分离等问题,且因网络连接的不稳定性及数据传输的延迟性,多无人机间难以实现有效的协同控制.本文提出了一种面向多无人机协同飞行控制的云系统架构UAV3CA.UAV3CA在云端为多无人机构建了一个“远程大脑”,通过PaaS抽象封装无人机及其上资源,可实现多无人机间信息数据的实时共享,并基于云端强大的存储和计算能力完成多无人机的统一规划及协同飞行控制.实验从单无人机制导和多无人机协同两个方面,对UAV3CA在网络通信的稳定性、数据传输的实时性和协同控制的有效性等方面的性能给予了验证,最终以完美的编队队形呈现出UAV3CA协同控制方式的灵活多样性.

一种新型多无人机系统体系结构的设计

针对多无人机系统(multi-UAV system)的特点和执行作战任务的需要,对多无人机系统的体系结构进行了初步研究,先提出功能需求和设计原则,然后给出一种新型多无人机系统体系结构的详细设计方案。在该体系结构下,所有的无人机物理上平等,没有哪一架无人机是不可缺少或不可替代的。该体系结构实现了在动态变化的战场环境下,无人机可以根据当前任务情况自主组建动态团队和子团队,无人机在团队框架下协作完成预定任务。团队中的无人机自主选举出团队领导,由团队领导对整个团队或子团队进行逻辑上的集中管理。最后对该体系结构实现中存在的几个问题进行分析并给出解决办法。设计过程表明,该体系结构能够满足所提出的功能需求。

多无人机编队自主协同控制架构

提出了动态环境下多无人机编队执行不同使命任务的自主协同控制系统结构。按照分层递阶的思想,将多无人机编队作战系统分为两级分层控制结构和五层功能结构,从不同层级实现无人机群的自主控制,保证了机群指挥的统一性、控制的灵活性和系统的可扩展性;采用灵活的系统通信结构以应对战场环境的不确定性;个体无人平台之间局部相互作用引起的涌现行为及无人机功能编队之间的分布式任务规划,自下而上地驱动作战系统的资源优化配置,结合自上而下的系统指控组织动态适应性优化,优化了系统指控组织结构,有效地整合了战场资源。

适用于无人搜救机组的新型移动中继通信模型

为了提高无人机远程搜救系统的通信效率和整体搜救成功率,提出了无人搜救机组的新型移动中继通信模型。该模型引入移动中继和协同通信技术,实现无人机组之间以及无人机组与地面基站之间的通信连接、数据传输和信息同步。理论分析和仿真测试表明,该模型提高了无人机组的数据采集效率,减少了无人机组的数据采集时间,提高了控制平台的机动性和搜索效率。

基于DoDAF的无人机协同作战效能评估

对无人机协同作战进行效能评估能够有效分析系统性能好坏,对提升系统作战能力有积极意义。针对无人机作战编队,使用DoDAF构建无人协同作战体系框架,分析作战活动与能力之间的关系,建立协同作战能力指标体系;对于不同类型的指标进行差异化处理,分别采用尺度标度法、概率计算法与聚合法处理量纲类指标、定量型概率类指标与定性型概率类指标;使用ADC模型,扩展系统能力向量,将生存能力、电子对抗能力等综合性指标考虑在内,突破单项指标的局限性;最后以对地作战典型任务下的无人机协同作战为场景,使用该方法对不同作战方案进行效能评估,计算结果验证了该方法的有效性。

马尔科夫理论在无人系统中的研究现状

随着人工智能技术的发展,无人系统面临的任务愈发复杂,通常要求系统在未知环境下自主完成给定任务。为了解决无人系统在未知及不确定性问题方面的规划与决策,可以利用马尔科夫理论进行建模与估计,解决在无人平台中任务决策与规划、目标跟踪与识别,以及平台系统间通信等复杂问题。分别介绍马尔科夫理论在无人机(UAV)、无人车(UGV)以及自主式水下机器人(AUV)中的研究进展以及应用现状,指出当前存在的问题,并展望未来的发展趋势和研究热点。

常用饲草的种植与应用

新疆巴州地区广阔的草场面积非常适合发展牛羊产业,当地政府部门结合本地区实际,确立了大力发展农区畜牧业,加快饲草料基地建设的发展思路,通过近几年的发展,全地区生产饲草总量明显提升,基本满足了牛、羊养殖业对饲草的需求。现就常用饲草的种植与应用介绍如下。

多无人机系统支持的潜艇协同作战应用研究

为改善潜艇平台探测目标能力有限的问题,提出一种多无人机系统支持潜艇协同作战的新方式。为保证协同单元间的信息畅通,建立多数据链互联体系;设计无人机控制站功能逻辑结构,实现多无人机系统与作战指挥系统间的互联互通;考虑协同作战特点和战术任务需求,采用递阶分层的多无人机系统体系结构保证作战任务的高效执行;最后给出一种典型的战场实例,阐述潜艇协同多无人机系统的作战过程。

基于DoDAF的有人/无人机协同作战体系结构建模

有人/无人机(manned/unmanned aerial vehicle,MAV/UAV)协同作战是未来战场中重要的空中作战模式。由于MAV/UAV协同作战体系系统复杂、涉及作战节点多,需从系统工程的角度对整体作战体系进行顶层设计,并采用统一的结构框架对该体系结构建模。首先,引入美国国防部体系结构框架(Department of Defense architecture framework,DoDAF),提出一种体系结构快速开发方法,并给出开发步骤。然后,利用视图模型,对MAV/UAV协同作战体系的系统功能、作战任务活动、各作战节点的信息交互及组织关系等建立模型。最后,通过动态仿真对模型进行验证。结果表明,所提作战体系的执行状态与预期的作战流程一致,体系结构设计合理,系统内各作战节点定义及信息体系结构描述具备一致性和协调性。