Optimization of jamming formation of USV offboard active decoy clusters based on an improved PSO algorithm

Offboard active decoys(OADs)can effectively jam monopulse radars.However,for missiles approaching from a particular direction and distance,the OAD should be placed at a specific location,posing high requirements for timing and deployment.To improve the response speed and jamming effect,a cluster of OADs based on an unmanned surface vehicle(USV)is proposed.The formation of the cluster determines the effectiveness of jamming.First,based on the mechanism of OAD jamming,critical conditions are identified,and a method for assessing the jamming effect is proposed.Then,for the optimization of the cluster formation,a mathematical model is built,and a multi-tribe adaptive particle swarm optimization algorithm based on mutation strategy and Metropolis criterion(3M-APSO)is designed.Finally,the formation optimization problem is solved and analyzed using the 3M-APSO algorithm under specific scenarios.The results show that the improved algorithm has a faster convergence rate and superior performance as compared to the standard Adaptive-PSO algorithm.Compared with a single OAD,the optimal formation of USV-OAD cluster effectively fills the blind area and maximizes the use of jamming resources.

面向无人艇集群避障的速度障碍算法研究

无人艇集群在海上公共区域航行需要考虑互相避障以及水面其他障碍的规避问题,故提出一种无人艇集群避障算法解决该问题。算法改进了速度障碍法,考虑障碍物位置和速度以估计未来时间窗口下可能发生碰撞的锥形区域,并规划出可行域半平面。之后引入海事避碰规则进一步约束无人艇的避碰方向和可行域范围。多障碍场景下,通过在若干个可行域的交集上寻找最优的避碰速度矢量,可引导无人艇避障。算法中各无人艇相互独立,不存在中心节点。进行了仿真验证,将数十条无人艇划分为多个集群进行相互避障测试。仿真结果表明,该方法能够有效地避免无人艇集群之间的碰撞,具有较好的鲁棒性和实时性。

基于粒子群优化算法的USV集群协同避碰方法

针对无人水面艇(unmanned surface vessel,USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。

水面无人艇集群系统研究

研制开发1套水面无人艇(USV)集群系统,使无人艇能够实现集群化运作。根据系统的功能需求,设计系统的整体架构,将整个系统划分为岸基基站子系统和无人艇子系统。基于模块化设计理念,再将子系统细分成各个模块,分别对各模块进行硬件选型与软件设计,使其有机的结合,建立具备多任务、长航时、高精度导航及较高智能化的集群系统。将系统运送至喻家湖湖区进行各项试验,实验结果表明,该水面无人艇集群系统具有良好的实时性、准确性与可靠性,能够满足集群化运作的要求。该系统的结构还可扩展至无人机、无人水下航行器等,对今后开展无人集群系统的协同化、智能化研究具有参考意义。

无人艇集群最优协同控制反演

为实现通过数据驱动学习人为操作下的无人艇集群最优协同控制策略,文中提出了一种线性二次型闭环微分博弈反演优化算法,根据观测到的系统最优状态和控制输入轨迹辨识协同策略目标函数。首先,根据观测到的含加性白噪声的最优系统状态和控制输入轨迹辨识最优反馈矩阵;然后,通过求解由纳什平衡充要条件推出的耦合代数黎卡提方程的解来辨识协同策略目标函数。所提出的反演优化算法能够获得满足给定系统状态和控制输入轨迹的最优协同策略目标函数;同时,该算法辨识出的目标函数可以用于实现针对特定任务场景的无人艇集群最优协同控制,并为集群的对抗博弈提供新的思路和解决方案。

基于RBF积分滑模的无人艇集群协同路径跟踪控制

为满足船舶护航、目标围捕等任务要求,文中提出了一种基于路径参数循环的欠驱动无人艇集群协同路径跟踪控制方法。在运动学设计方面,结合视线制导与一致性算法,设计无人艇集群协同制导律,得到闭曲线上对称的编队队形,实现对目标点进行围捕。在动力学设计方面,考虑动力学模型不确定性及传统滑模导致的抖振问题,利用神经网络逼近特性和饱和函数,设计基于自适应径向基函数神经网络的分布式积分滑模控制器,保证无人艇能够精确跟踪制导信号,从而提高系统抗干扰性和路径跟踪精度。Lyapunov稳定性分析证明了闭环系统误差是全局渐近稳定的。仿真结果表明了所提出集群协同控制方法的有效性。

基于3D激光雷达的水面目标检测算法研究

3D激光雷达是水面无人艇(USV)的关键感知模块,水域杂波的干扰会降低模块的目标检测能效,影响自主导航避障功能。提出一种基于3D激光雷达的水面目标DBSCAN-VoxelNet联合检测算法。该算法采用具有噪声的密度聚类方法(DBSCAN)滤除水面杂波干扰;基于VoxelNet深度神经网络将水面稀疏点云数据划分为体素形式,并将结果输入哈希表进行高效查询;经特征学习层提取特征张量,并将张量输入卷积层获取全局目标信息,实现高精度目标检测。实验结果表明,所提联合检测算法对水域杂波有较好的抑制性能,平均精度均值(mAP)为82.4%,有效提高了对水面目标的检测精度。