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。

基于混合离散粒子群算法的多无人作战飞机协同目标分配

针对多无人作战飞机(UCAV)协同目标分配问题,提出了一种基于混合离散粒子群算法的多UCAV协同目标分配方法。混合离散粒子群算法根据多UCAV协同目标分配问题的特点,设计了新的粒子群位置和速度更新公式,并且充分利用粒子群优化算法的全局搜索能力,同时利用禁忌搜索的局部搜索能力,使2种算法的优势得到互补,较为显著地提升了原算法的性能。仿真结果表明:混合离散粒子群算法能够有效地解决多约束条件下多UCAV协同目标分配问题,并且算法简单、灵活,易于实现和扩展。

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。

多UCAV协同目标攻击决策

针对多无人作战飞机(unmanned combat aerial vehicle,UCAV)攻击多目标,研究了多UCAV协同攻击决策问题。建立了目标毁伤模型、UCAV损耗模型和时间协同模型,并通过加权求和将三者转化为单一目标函数,进而转化为单目标问题进行求解。提出了一种离散微粒群优化(discrete particle swarm optimization,DPSO)算法,在微粒群优化算法框架内重新定义了微粒的位置、速度及相关操作。建立了微粒与实际问题的映射关系,进而使DPSO算法适合于求解多UCAV协同目标攻击决策问题。仿真结果表明,DPSO算法易于实现,能够较好地解决基于时间协同的多UCAV目标攻击决策问题。

多UCAV超视距协同空战中的交接制导方法

针对UCAV隐身性与机动性好但同时通信易受干扰且智能化程度较低的特性,提出了多UCAV超视距协同空战的作战模式。针对该模式下需要将空空导弹的中制导权移交给友机的问题,给出了交接制导方法。分析了交接制导的过程,结合超视距协同空战的特点,分别建立了UCAV对待交接导弹以及该导弹所攻击目标的态势优势模型,在此基础上构建了UCAV的综合制导优势模型。根据该模型设计了制导权移交策略,采用粒子群算法进行了优化求解,实现了制导权在多UCAV内部的合理交接,在一定程度上提高了UCAV的生存能力和自主决策能力。仿真结果验证了所提方法的可行性及有效性。

基于突发任务多无人作战飞机攻击多目标研究

针对无人作战飞机在动态不确定环境中任务执行的路径规划问题,提出了一种基于突发任务的路径规划方法。在单机路径规划中,通过建立Voronoi有向图,并根据Dijkstra算法为每架无人作战飞机寻找最优、次优路径,针对路径规划中的多目标攻击和协同的问题,设计了一种多目标攻击任务规划器,结合突发任务的情况,给出了多目标攻击策略。仿真的结果表明所提方法是可行的。

基于冲突消解多无人机协同航路规划算法仿真

针对多架无人机同时攻击同一目标的问题,提出了一种基于冲突消解机制的航路规划算法。通过分析协同规划中的各种约束条件及任务要求,从规划终点同时、同步扩展每架无人机的飞行航迹,并采用不等步长扩展法反映每架无人机的飞行速度,在扩展节点的同时进行各项约束条件的检查和消除,保证多条航迹间的时空协同;最后通过数学仿真验证了该算法的可行性。

基于多平台实现的UCAV攻击编队自主协作系统设计

为了实现无人战斗机的编队攻击,在深入分析编队协作复杂性的基础上,采用模块化设计,根据高可靠性原则,在V isual C++6.0环境中,提出了一种可以在不同平台中实现功能的UCAV攻击编队自主协作系统的设计方法,并对各个子系统的组成和功能进行了探讨,给出了该系统在整个作战过程中的工作流程,最后对正常攻击、单个任务失败、基于不同平台的系统实现3种情况进行了仿真分析。结果表明,该系统能够在不同的平台中可靠地实现UCAV编队自主协作攻击过程。

多无人机梯次攻击航路规划

为了解决多无人机协同攻击航路规划问题,基于一种雷达威胁等效方法,以及无人机在不同姿态下雷达散射截面RCS(Radar Cross-Section)值随之改变的特性,结合多机作战战术思想,提出了一种多无人机梯次协同攻击同一目标的方法,并利用Dijkstra算法进行多无人机航路规划。仿真结果表明,该方法具有更高的应用价值。

基于分布式约束优化的多UCAV协同任务分配

为解决多架无人作战飞机(UCAV)的协同任务分配问题,将多UCAV协同任务分配问题建模为分布式约束优化问题并求解。在考虑UCAV损耗程度、目标价值毁伤和UCAV飞行长度对任务分配的影响下,建立了协同分配的分布式约束优化模型,并针对典型实例进行了仿真,获得了最优的任务分配方案。计算结果表明了模型方法的有效性。

基于多Agent的UCAV群空战战术决策系统研究

战术决策是无人机任务规划的重要内容,将多Agent引入UCAV群空战战术决策系统,提出了战术决策系统的概念以及其功能,建立了一个基于多Agent的UCAV群空战战术掘策系统体系结构,利用Agent的自主性和协调性,实现了UCAV群空战的协同作战要求,力求最大限度地提高作战效能。

UCAV协同攻击多目标的任务分配技术研究

为解决单目标函数构建的任务分配模型不能给火控决策者提供更多有用信息的问题,将无人机(UCAV:Unmanned Combat Aerial Vehicle)损耗代价和目标毁伤价值作为UCAV协同攻击任务分配的两个目标函数,对其进行多目标优化,建立新型任务分配模型。在此基础上,采用一种改进带精英策略的快速非支配排序遗传算法(NSGA-II:Nondominated Sorting Genetic Algorithm II)进行求解,得到多目标协同攻击任务分配的Pareto最优解集,然后根据决策者的偏好选取最佳的任务分配方案。最后通过仿真算例,验证了该算法的收敛性及有效性。

多架无人作战飞机攻击行为的协调

建立了基于 Agent的无人作战飞机指挥控制系统的形式化语义模型 ,提出了无人作战飞机编队的联合作战目标、联合作战意图和协同攻击效能的定义 ,以及结合联合作战意图、协同作战效能的多架无人作战飞机编队攻击行为的协调方法。仿真结果表明 。

基于MATD3的视距内协同空战机动决策

为提升多无人作战飞机空战的协同作战能力,提出一种基于多智能体双延迟深度确定性策略梯度(MATD3)的协同空战机动决策方法。首先,基于无人作战飞机的三自由度动力学模型构建空战环境,并结合飞行员的操纵方式,设计以控制量的变化量表示的动作空间。其次,优化了状态空间和奖励函数的设计,将友机与敌机的相对关系引入状态空间,根据相对角度、相对距离等空战态势因素建立连续型奖励函数,将飞行约束条件融入离散型奖励函数,提升机动决策的准确性和机动飞行的安全性;采用分阶段训练、启发式引导、双探索机制、交替冻结博弈等训练方法,提高算法的收敛速度和机动策略的鲁棒性。最后,构建了二对一空战的仿真场景,结果表明我方双机能够展现出明显的配合行为,提高了对空战态势的感知能力。

一种具备协作机制的市场化无人战斗机任务分配方法

当多无人战斗机编队需要对多个目标的敌方阵地进行攻击时,如何在有限的无人战斗机中选择最优的任务分配方案是UCAV编队能够有效完成任务的关键。首先提出了的方案优劣判定定理,然后将目标看作优化对象,根据UCAV的数目和目标的数目之间的差别制定了相应的任务分配策略。其次,基于相应的任务分配策略提出了具备合作机制的市场化的任务分配方法。该方法通过市场上买卖的方法和优化目标之间的相互协作,可以求出满足帕累托优化条件的最优任务分配方案。最后将本方法和基于粒子群的任务分配方法进行了对比分析并且进行了仿真验证。仿真结果表明使用本方法可以消除使用粒子群算法给帕累托最优方案的求解带来的不确定性。在局部代价和收益发生变化时,通过局部协调就可以获得最佳任务分配方案。

对抗环境下多UCAV协同速度规划

在作战对抗环境下,由于目标威胁区域的密集排列,UCAV可能同时受到多个防空设施的威胁。为了有效优化控制飞行速度,利用威胁的火力范围和UCAV的攻击区确定各UCAV路径上的航路点,通过对各航路点之间的平均速度进行优化组合达到对整个飞行过程的速度控制,使飞行过程中所受总威胁值最小,飞行时间最接近预定值,同时满足UAV飞行特性约束,使用基于ε占优的多目标进化算法(MOEA)求解多目标优化速度。仿真结果表明算法能够对问题进行合理优化,获得一组高质量Pareto解,为决策者提供决策的依据。

基于不完备区间信息的多无人机任务分配

在无人机作战系统中,多无人机(UCAV)任务分配问题是一个重要研究课题。给出了一种不完备信息环境下的多无人机任务分配方法。首先考虑了任务分配的各项指标,并分析指标中的不完备信息,然后通过建立区间可能度公式,采用粒子群方法(PSO),给出了多无人机任务分配方法。最后通过仿真实验验证了该方法的可行性和有效性,可以有效且合理地解决不确定环境下的多无人机任务分配问题。

基于结构熵和PSO-RBF的空战动态威胁评估

针对传统威胁评估方法不能很好地体现空战过程中各类威胁因素作用变化的问题，引入了径向基神经网络，采用结构熵权法优化了神经网络训练参数，提出了基于粒子群和径向基神经网络（PSO-RBF）算法的空战动态权值计算方法。以某一时刻预测多无人机空中对抗时的威胁度为想定，分别采用结构熵权法和PSO—RBF算法进行仿真计算。仿真结果表明所提方法可有效解决空战目标威胁评估问题，提高了决策的客观性、科学性。

基于狼群算法的多无人机协同多目标攻防满意决策方法

针对多无人作战飞机协同多目标攻防决策问题,以提高作战效能和获取更高收益以及减少作战代价为目的,建立了攻防决策的数学模型,提出了基于狼群算法的多无人机协同多目标攻防满意决策方法.通过狼群算法寻优满意决策的满意度因子,进而通过满意决策获得攻防决策的满意解.由仿真结果可知,相比于其他方法,所研究的基于狼群算法的多无人机协同多目标攻防满意决策方法更能够兼顾空战优势和收益代价,满足空战需求.

编队协同对地攻击指挥决策系统体系结构研究

对有人机/UCAV编队对地攻击指挥决策系统体系结构进行了研究。首先分析了有人机/UCAV编队协同对地攻击作战体系结构,建立了编队协同作战指挥决策模型,对人机功能进行了划分,提出了有限中央控制下的分布式有人机/UCAV编队协同指挥决策体系结构。在此基础上,基于MAS理论,建立了编队协同对地攻击MAS体系结构,给出了UCAVAgent的详细结构。最后,采用HLA开发环境建立了系统仿真结构模型,仿真实验证明了所建立系统体系结构的有效性。研究内容对提高编队复杂作战环境适应能力和整体作战效能至关重要。