Multi-target Collaborative Combat Decision-Making by Improved Particle Swarm Optimizer

A decision-making problem of missile-target assignment with a novel particle swarm optimization algorithm is proposed when it comes to a multiple target collaborative combat situation.The threat function is established to describe air combat situation.Optimization function is used to find an optimal missile-target assignment.An improved particle swarm optimization algorithm is utilized to figure out the optimization function with less parameters,which is based on the adaptive random learning approach.According to the coordinated attack tactics,there are some adjustments to the assignment.Simulation example results show that it is an effective algorithm to handle with the decision-making problem of the missile-target assignment(MTA)in air combat.

水面无人艇单目视觉伺服自主控制研究综述

单目视觉伺服采用相机模仿人眼视觉功能,感知周围环境和测量运动状态,是提高无人艇航行感知与控制自主性的重要手段。首先,从基本原理出发,简述视觉伺服技术分类、相机透视投影原理和无人艇运动数学模型,为文献综述分析提供框架基础。然后,根据任务复杂度,依次综述单目视觉伺服在无人艇航向控制、镇定控制、轨迹跟踪控制和集群控制等典型应用场景下的研究进展和挑战。最后,系统性地总结无人艇单目视觉伺服自主控制的潜在研究方向和发展趋势。

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。

基于自抗扰控制器的无人艇航向自适应控制

为了提高水面无人艇在外界干扰和自身运动状态变化等非线性及不确定因素下的航向控制精度,针对常规自抗扰控制(ADRC)在船舶航向控制中存在的参数整定难这一问题,提出将粒子群优化算法(PSO)与径向基函数神经网络(RBF)相结合的ADRC参数自适应整定和无人艇航向精确控制策略。设计一个RBF网络用于准实时无人艇运动模型建模。在此基础上,运用粒子群算法对无人艇航向ADRC控制器参数整定进行优化。仿真试验结果表明:设计的RBF-PSO-ADRC控制器在无人艇的航向控制中相比常规ADRC控制器和比例-积分-微分控制器(PID)控制器表现出更好的动态响应特性和稳定性,对未知扰动也具有较强的鲁棒性和抗干扰能力。RBF-PSO-ADRC控制器实现了复杂环境下ADRC控制器参数的自适应优化整定,这对于高精度的无人艇航向控制和航线跟踪具有一定实际意义,可为水面无人艇操纵设计提供有益参考。

粒子群算法优化PID的USV航向稳定性控制

航向稳定性直接影响水面无人艇(USV)的安全航行,针对当前USV航向稳定性控制存在的控制误差大、抗干扰能力弱等缺陷,设计了粒子群算法优化PID的USV航向稳定性控制方法。首先将PID控制方法引入到USV航向稳定性控制中,然后采用粒子群算法对PID控制参数进行动态优化,以适应USV航向稳定性控制误差的变化,提高USV航向稳定性控制的鲁棒性,最后与其他USV航向稳定性控制方法进行对比测试,本文方法的USV航向稳定性控制精度高达90%以上,而且在受到外界干扰时,可以快速保证USV航向稳定,提高了USV航向稳定性控制的抗干扰能力,本文方法的USV航向稳定性控制效果要优于经典USV航向稳定性控制方法,验证了本文方法的优越性。

改进粒子群算法在USV航向稳定性控制中的研究

水面无人艇(USV)在军事侦查、海洋环境探测和执行特殊作战任务等方面有重要应用,近年来引起了世界各国的普遍重视。水面无人舰艇是一个不确定性系统,在实际工况下易受海浪、海流等外部环境因素的干扰,因此,USV的航向稳定性控制一直以来是研究的重点和难点。本文基于改进粒子群控制算法,同时结合PID自适应控制技术,设计和开发了USV的航向稳定性控制系统。

基于DAMPSO算法的USVs集群攻击任务规划研究

现代防御技术的迅速发展使得水面舰艇的攻击效果大大下降,水面无人舰艇自主编队集群攻击技术已经成为未来海战的关键技术之一,多水面无人舰艇之间的任务规划是保证无人舰艇顺利、高效完成任务的关键。将水面无人舰艇集群攻击任务规划问题看成是多约束的任务分配过程,建立任务规划模型,提出了基于分布式拍卖机制的粒子群优化算法,该算法结合分布式拍卖机制对粒子群优化算法的粒子初始化和寻优过程进行改进,使得粒子既符合任务的约束条件,又保持了多样性,避免粒子在寻优过程中陷入局部最优。仿真结果表明应用分布式拍卖机制粒子群优化算法得到的方案不仅完全满足水面无人舰艇集群攻击任务的要求,而且比传统粒子群优化算法和其他群体智能算法具有更好的收敛性。

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。

基于环境建模的USV轨迹规划技术

无人艇轨迹规划技术是目前无人艇平台研究中的重要课题,是实现无人艇智能无人驾驶功能的重要一环。在宏观上系统总结了国内外轨迹规划算法的主要研究成果,按照环境建模方法进行了算法分类,并对经典的算法和当前研究比较热门的算法的优缺点进行了分析比较,探讨了各个算法的改进方向。最后,提出了无人艇轨迹问题下一步的研究方向。

基于改进粒子群算法的海流环境下无人水面艇路径规划

针对海流环境下无人水面艇(unmanned surface vessel,USV)的多目标路径规划问题,构建USV的多目标路径规划模型,并提出一种改进的粒子群(particle swarm optimization,PSO)算法。采用自适应惯性权重来平衡算法的全局和局部搜索能力,避免算法过早收敛;引入精英反向学习策略提升算法跳出局部最优解的能力。仿真结果表明,改进的算法具有更好的寻优能力和鲁棒性,能够有效解决海流环境下USV的路径规划问题。

复杂水域中的无人艇群分散式控制

论文采用分散式结构,建立无人艇集群控制架构以提高无人艇集群的扩展能力以及降低群体复杂性。首先采用分散式结构,在Boid群集模型的基础下设计无人艇集群控制结构,通过短程斥力避免个体碰撞,有效地利用隐含的类粘性摩擦对齐规则项来抑制系统缺陷导致的振荡,同时通过引入软控制的概念对全局的无人艇进行约束。选取合适的序参量作为无人艇集群运动评价指标,对无人艇集群运动进行定点和定向仿真验证。实验表明该控制结构可以较好实现集群运动,减少系统中存在的不稳定性,扩展性良好。该控制框架下的无人艇群是一个可以自组织避障的自驱动集群模型。

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。

基于海事规则的水面无人艇动态障碍规避方法

针对水面无人艇对探测到的电子海图上没有标示的动态障碍物的规避问题,提出符合国际海上避碰规则公约的规避方法,将动态障碍物某一运动时刻转换为相对无人艇瞬时静止的状态,对避障模型进行实时计算;并通过粒子群优化算法解算出无人艇进行避障所需的最优航速和航向改变量。仿真实验表明,该方法可得到合理的规避策略,有效地完成动态障碍物的规避任务。

无人水面艇技术发展回顾与趋势分析

无人水面艇(USV)与无人机、无人车和无人潜航器同属于四大无人平台成员,受到计算机、控制、人工智能、材料、通信、传感器等高新技术的推动,近30年来发展十分迅猛。首先从认识海洋、海洋经济和海洋安全等角度出发,论证了发展USV的必要性,并对其系统组成和技术分类进行了详细的阐述。对USV发展萌芽阶段、起步阶段和快速发展阶段中,各主要军事强国特别是中国的经典型号进行了介绍。最后总结了载体设计、先进材料、自主控制和环境感知四项关键技术和未来发展趋势。

基于粒子群优化支持向量机的水面无人艇故障诊断

通过故障诊断对水面无人艇（USV）潜在的故障进行预报、分析和判断，从而及时调整控制策略以抑制故障的继续发展，为消除故障和维修设备提供准确的技术支持。支持向量机（SVM）在解决小样本、高维度和非线性模式识别问题中有独特优势，而最佳的属性参数却很难直接得到。粒子群优化算法（PSO）具有全局搜索能力和易于实现的优势，将其应用到SVM属性参数的优化选择中。USV故障诊断实例分析结果表明，PSO—SVM的故障诊断精度高于BP-NNs、GS—SVM和GA-SVM，适用于USV故障诊断。

基于自适应反步滑模的水面无人艇集群控制

[目的]针对多艘欠驱动水面无人艇组成的集群系统控制问题,研究虚拟结构法的控制策略。[方法]首先,将集群控制问题转化成无人艇与虚拟结构之间位姿跟踪误差的镇定问题,通过改变虚拟结构的几何形状,实现集群的队形变换。然后,将集群控制器的设计分为运动学和动力学2个部分,充分考虑不确定干扰,设计欠驱动水面无人艇集群的自适应反步滑模控制器,基于李雅普诺夫理论证明闭环系统的稳定性。最后,采取直、曲线航迹航行,开展集群队形变换等仿真试验。[结果]仿真结果表明,无人艇集群的协同运作效果显著,队形变换流畅,且能够自适应应对各种不确定干扰。[结论]集群系统展现出较强的鲁棒性与灵活性,可为后续实艇试验奠定理论基础。

多约束条件下无人艇和无人机集群协同航迹规划

[目的]为实现海上无人集群在执行任务过程中的安全航行和通信保持,开展无人艇(USV)和无人机(UAV)集群协同航迹规划问题的研究。[方法]采用禁入和禁出地理围栏进行场景建模,将规避威胁和障碍问题转化为地理围栏约束。针对平台之间的碰撞冲突和通信连接问题,提出基于时序检测的碰撞冲突和通信保持约束判断准则。以集群平均航行时间为航迹优化函数,将多约束条件转化为惩罚函数,采用自适应差分进化算法进行优化求解。[结果]仿真结果表明,所提方法能够在威胁和障碍环境中保持无人艇和无人机集群的安全航行和通信连接,并在满足多约束的条件下实现集群平均航行时间最短。[结论]该方法可用于海上无人集群面对威胁和障碍环境时的离线航迹规划,具有一定的应用价值。

基于集群运动控制的无人艇覆盖部署方法

为了实现水面无人艇集群对海面进行有效观测与监视,设计了一种新的部署算法,描述了控制集群运动的虚拟力模型,该模型仅使用邻居信息计算个体所受合力,在目标区域吸引力和水面无人艇之间的作用力下向目标区域行驶.仿真结果表明,水面无人艇集群最终部署位置在保持网络连通的同时,能够实现完全覆盖目标区域和避免无人艇之间的碰撞.该方法可应用于水面无人艇初始随机部署和初始聚集于母船的场景.

基于PSO的无人艇操纵响应模型参数辨识结果优化

为解决无人艇操纵性预报问题,基于无人艇二阶非线性响应模型,采用差分离散法设计辨识模型,在Matlab平台上采用四阶龙格库塔法进行20°Z形操纵仿真实验,利用采集的数据基于递推最小二乘算法辨识响应模型参数,并基于此辨识值提出采用粒子群算法做进一步优化,基于正弦操纵运动数据作为适应度函数数据源,优化后的各个参数精度均较以前有所提高,最后基于优化前后的辨识参数结果开展10°,20°及30°Z形、正弦以及回转仿真操纵运动,验证了利用粒子群算法能优化递推最小二乘算法的辨识结果,其优化结果能精确预报无人艇的各种操纵运动.

基于P系统的无人艇航向非线性控制器设计

针对水面无人艇(USV)在实际航行过程中的航向跟踪控制问题,设计了一种基于P系统的航向非线性控制器。首先,建立无人艇运动和环境干扰的数学模型;其次,给出无人艇航向控制器的控制律和数字实现方法;然后,考虑到该控制器需整定参数较多,又改进了粒子群优化算法,并在P系统的基础上设计了粒子群优化细胞型膜算法,避免了粒子群算法容易陷入局部最优的问题,提高了粒子群算法实现多参数优化的效率。最后,将方法与模糊PID控制和传统PID控制进行仿真对比,实验结果表明该方法具有抗扰能力强、响应速度快、超调量小的优点。