无人集群博弈对抗系统仿真验证及决策关键技术综述

无人集群博弈对抗是一种新兴的作战样式,在智能化战争扮演着至关重要的作用,其核心是自主生成博弈对抗决策序列,为集群“赋能”。分析了无人集群博弈对抗系统仿真验证的进展;从基于专家系统和博弈论的技术、基于群体智能和优化理论的技术,以及基于神经网络和强化学习的技术三个方面论述了自主决策关键技术,以及课题组在自主决策上开展的相关工作;提出了无人集群博弈对抗的发展方向。

跨域无人集群协同反潜搜索方法研究

针对海上反潜搜索问题,提出一种将无人艇作为无人机的通信中继的跨域无人集群协同搜索方法,采用数字网格地图表征任务区域,构建了跨域平台的运动学模型;提出了跨域无人系统的协作方法,设计了无人系统之间的分布式信息融合机制;设计了异构平台的搜索目标函数,引导无人系统在搜索任务中实时决策。仿真结果表明:所提方法能够有效适用于文中反潜搜索任务想定,跨域平台之间能够通过优势互补提高搜索效能。

有人/无人机协同空战研究进展综述

有人/无人机协同空战是未来空战的重要发展方向,有人机和无人机协同运用、优势互补,形成灵活高效的作战体系,将对未来空战效能的提升发挥巨大作用。首先,阐述了近年来美军作战概念的发展演进,分析了美军有人/无人机协同作战的相关项目发展,提炼总结了有人/无人机协同空战的特点;其次,以穿透性制空作战为场景,分析了有人/无人机协同空战的具体运用和作战流程;最后,从航迹规划、空战决策、编队控制3个方面对有人/无人机协同空战的关键技术和研究现状进行梳理和分析,并对未来有人/无人机协同空战的研究发展方向进行了总结和展望。

JTIDS系统中RS码的性能分析

针对现阶段JTIDS系统采用的编码方案,在研究AWGN信道下不同k值的RS(31,k)码的纠错性能基础上,分析了RS(31,15)码的纠错性能,提出了一种RS(16,7)的编码方案。该方案在JTIDS的MSK调制背景下,通过对RS(31,k)码的研究,发现当k=23时性能最佳,进而对RS(31,23)码进行截短,实现了RS(16,7)码,分析了方案的性能。仿真结果表明:一方面,在RS(31,k)中,RS(31,23)性能最优;另一方面,在RS(n,15)中,RS(31,15)的性能最佳,即在相同信息位条件下,缩短码的性能较非缩短的类型性能差。

战斗识别系统研究启示与空战需求分析

战场态势感知与识别是作战决策的基础,发展适应未来创新作战概念的战斗识别系统对于提升体系作战能力至关重要。在原有战斗识别概念的基础上,提出了适应未来战争和装备发展的战斗识别新概念,从信息主导、分布感知、手段齐备、标准互通、群智汇聚5个角度阐述了未来战斗识别系统的特征,并概述了战斗识别系统支撑未来作战的功能,基于此提出了空战场对战斗识别的需求,为未来战斗识别系统发展提供参考。

海上跨域无人集群研究进展综述

海战场是军事对抗的重要战场之一,海上作战涉及空中、水面、水下以及海岸陆地等空间,作战资源对象数量庞大且能力多样。随着无人系统技术的不断发展,跨域无人集群将成为未来海上作战的重要力量。以海上跨域无人集群作为研究对象,首先梳理了跨域作战的相关概念及演变过程,定义了跨域无人集群的内涵,然后阐述了美军单域无人集群项目的发展趋势及现状,分析了近期跨域无人集群演习的主要内容,之后对无人集群关键技术现有研究成果进行了提炼总结,指出了跨域无人集群发展面临的挑战。最后给出了跨域无人集群未来的发展趋势。

基于并行作战环的无人机集群协同作战能力评估方法

针对无人机集群基于信息网络的协同作战能力评估问题,采用衡量信息不确定性程度的信息熵对网络的节点能力和作战边的权值进行量化,构建信息流转动态评估网络。首先通过节点度受限最短路算法找出该网络可能的并行作战环,分串行、并行和混合3种模式的计算法算出评估网络最小能力熵,实现无人机集群协同作战行动量化评估;然后通过对无人机集群海上封控作战行动进行能力评估,验证该评估方法的有效性;最后基于最大效能原则,给出无人机集群协同策略和作战使用上的建议。

面向战场的多无人机协同打击航迹规划

针对战场环境下的多无人机协同打击问题,为了提高无人机的生存率和保证对目标的精确打击,提出了一种末端同时到达、空间均匀分布的分段航迹规划方法。首先,构建了满足战场需求的多目标航迹优化模型;其次,通过引入协同变量,设计了多方位同时到达的协同攻击策略;最后,采用种群分裂合并原则并基于“分段式”惯性权重调整策略、Tent混沌映射种群初始化的方法对粒子群(PSO)算法进行改进,并应用于问题求解。仿真结果表明,所提模型能够在复杂、多威胁的战场环境中,实现多无人机对目标的协同打击,改进后的粒子群算法收敛速度更快、精度更高。

无人集群试验评估研究现状分析及理论方法

无人集群试验评估是促进无人集群技术从理论走向实践的重要桥梁。与传统的作战系统相比,无人集群系统具有自主协同、能力涌现、智能对抗等特点,这已大大超出传统作战系统试验评估的范畴。针对上述现实需求,本文旨在综述美国和中国在推进集群试验评估方面所进行的开创性工作的基础上,主要对无人集群试验评估的概念内涵、发展现状进行了讨论分析;结合课题组在航空集群作战领域的研究基础,探讨无人集群试验评估的主要内容和可行的技术路线,为军事装备的信息化升级和智能化转型奠定基础。

通信距离受限条件下的无人机集群协同区域搜索

针对通信距离受限条件下的无人机(unmanned aerial vehicle,UAV)集群协同搜索任务,考虑防相撞约束,定制了一种能够在搜索过程中根据机间距离切换交互方法的UAV交互决策机制,实现了动态环境中的搜索航迹规划。首先,运用栅格化方法建立包含3种属性的环境认知地图对任务区域进行表征。其次,考虑多种搜索任务需求,以最大化搜索效率为目标建立UAV集群协同搜索模型。然后,根据机间有效通信距离定义了UAV协同搜索过程中的通信状态,设计了一种能够在通信完全有效、局部有效以及完全失效3种典型场景下切换信息交互方法的信息交互与决策机制。最后,采用滚动时域优化方法,实现集群各成员的自主决策与交互行为。仿真结果表明,所提算法能够在通信距离受限条件下有效完成协同搜索任务,在完成覆盖搜索任务时能够有效兼顾对动目标的搜索。

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。

无人机单载荷目标检测及定位联合实现方法

低成本是无人机集群的重要属性,针对传统无人机目标定位技术要求光电平台必须配备激光测距仪的局限性,提出了不依赖激光测距信息的目标检测与定位联合实现方法。首先,采用基于深度学习的目标检测网络对无人机航拍影像进行目标检测,获取图像坐标系下的目标位置信息;其次,根据无人机飞行相对高度、光电平台参数、图像中目标位置等信息计算载机坐标系下的目标坐标;然后,将载机坐标系下的目标位置转换为WGS-84坐标系下的经纬信息;最后,通过无人机实飞验证了所提方法的有效性。实飞结果证明,所提方法能够在不依赖激光测距仪的条件下有效完成目标定位任务,为无人机集群低成本化提供了技术支撑。

基于QC-LDPC-Chebyshev混沌序列优选的CDL抗干扰研究

为实现干扰条件下低信噪比的通用数据链信息可靠传输,提出了一种基于QC-LDPC和CDSSS的通用数据链协同抗干扰方案;该方案在提出单位阵取反变换的直积构造方法来生成校验矩阵的基础上,采用LU分解方案完成了QC-LDPC的编码,使用Min-Sum算法完成译码;在直序扩频系统中分析了Chebyshev混沌映射序列性能和优选方法,采用优选的混沌扩频序列提高抗干扰能力;最后通过不同干扰条件的仿真验证了方案的有效性,结果表明,协同方案比相同条件下的Mackay码字性能更优。

新型航空集群编队飞行空间对准控制方法

航空集群编队飞行是实现航空集群能力涌现的必要条件。对于飞行器较多的航空集群编队,若采用传统长僚机跟随方式,当僚机数量较多时,一旦僚机出现位置偏差,则容易与周边僚机发生碰撞,存在极大的安全隐患。为此,提出一种航空集群大编队飞行空间对准控制方法,通过分层式对准方法和基于距离的基准机选择算法,构建航空集群编队两级组织架构,并采用一致性控制协议对集群编队飞行进行了仿真验证,实现了航空集群大编队飞行整体队形严整和稳定。

无人机自主目标识别与定位应用研究

面向无人机自主侦察任务中在线目标识别与定位需求,首先梳理了无人机侦察中目标识别领域的相关研究成果;然后,介绍了Faster RCNN目标识别算法的实现原理,并针对任务需求进行了改进;之后,介绍了图像拼接的相关算法并进一步提出了目标相对定位算法;最后,设计了完整的侦察试验流程对所设计自主目标识别与定位方法进行验证;结果表明,改进的目标检测网络能够达到83.3%的识别准确率和35帧/秒的识别速度,所提出的相对定位算法可以达到0.702 m的平均定位精度,能够满足侦察无人机在线目标识别与定位的任务需求。

自主飞行无人机地理围栏算法设计与实现

为提高无人机飞行的安全性,提出了一种自主飞行的无人机地理围栏算法。首先,通过对原始地理围栏缩放并进行顶角平滑与自相交检测处理,提出一种对凹凸地理围栏普遍适用的地理围栏预控制层生成算法;然后,在传统射线法的基础上加入缓冲距离以解决交点数误判问题,利用改进的射线法进行地理围栏越界探测,且针对存在越界危险的无人机设计了一种越界航点重规划方法及相应的边界保持自主控制控制律;最后,利用四旋翼无人机搭建的实验系统进行了验证。仿真及实验结果表明:无人机能够在避免地理围栏越界的基础上尽可能小地修正原飞行路径,证明提出的地理围栏算法有效,能够保证自主飞行的无人机在地理围栏内的飞行安全。

基于模糊神经网络的无人机实时避障算法

针对模糊控制避障算法在障碍物信息未知的环境中适应性不强,难以有效规避“凹多边形”障碍物的问题,提出了一种基于模糊神经网络的无人机实时避障算法。采用等效夹角对模糊控制器的输入变量进行优化设计,克服了单一角度或距离在障碍物表征方面的局部片面性。基于BP神经网络理论设计了模糊控制器的初始隶属度函数和模糊神经网络架构;将模糊控制器在多个未知环境下生成的有效避障数据作为训练数据集,对模糊神经网络进行训练。仿真结果表明:所提出的模糊神经网络方法与模糊控制器相比具有更强的适应性,在面对未知复杂障碍物时避障更加灵活、路径更短,避障成功率更高。

基于模糊推理的无人战斗机视距空战机动决策

针对视距1vs.1空战场景下无人战斗机(Unmanned combat aerial vehicle,UCAV)的自主机动决策,提出了一种基于模糊推理的空战机动决策方法。首先,从空战场景出发,建立了角度、距离、速度及高度4种优势因子;其次,利用模糊规则对空战态势进行评估,将代表空战态势的优势因子输入模糊推理机,自适应地调整优势函数中各因子的权重;同时,利用决策机动、序列机动和惯性机动相结合的方法建立敌机位置预测模型,作为机动决策的辅助手段,最后利用试探机动进行机动决策。仿真结果表明模糊推理模型能够实现UCAV自主机动决策能力,模型的优势在于将模糊的空战态势转化为优势函数中确定的权重因子,在策略上指导UCAV做出更有针对性的机动决策。

基于模糊控制的无人机集群视觉着降

在基于视觉导航的自主着降过程中,旋翼无人机受到自身机械振动和复合风场环境等因素的干扰,降落精度低、速度慢,影响集群回收的安全性。针对这一问题,提出一种基于模糊控制和视觉导航的集群自主着降算法。首先无人机集群飞至降落区域后,无人机通过目标检测算法找到自身对应的降落标识,再利用像素距离解算出无人机与对应降落标识间的实际水平距离,然后通过模糊化、模糊推理、去模糊化得到无人机精准对准降落点的控制指令,最终实现集群精准着降。仿真实验与实际飞行实验结果表明,该算法具有更高的鲁棒性,可有效提升无人机集群着降的速度。

双层优化的多无人机合作式冲突探测与解脱

为解决多无人机基于航向的合作式短期冲突探测与解脱问题,提出一种局部集中双层优化的合作式方法.首先将既有冲突约束与潜在冲突约束视为同一类型约束,以保证多无人机冲突问题在最大范围内求解,并设计了基于采样的冲突探测方法;通过旋转局部坐标系减少了搜索的可行区域数量,且分析了终点约束与切线约束两种解脱约束条件;然后运用图论的方法对多无人机冲突问题进行冲突关系划分,将由机动导致的无人机额外飞行距离作为解脱代价设计了机动代价函数,为求解所设计的机动代价函数这个非线性优化问题提出了双层优化策略,即先利用随机并行梯度下降法(stochastic parallel gradient descent,SPGD)搜索航向解脱的初始可行解,再运用序列二次规划(sequential quadratic programming,SQP)求得最优解以进行最优的航向解脱.最后运用蒙特卡洛法对算法进行了可靠性评价.结果表明,本方法能够满足在线规划的需要,在解脱开始距离D avo=τ×v i(τ=25 s)的情况下能够实现100%的冲突解脱,该方法能够在保证多无人机冲突解脱安全性的基础上减少机动消耗.