摘要：针对多无人机协同对抗快速目标的追逃博弈问题,研究了多无人机的协同追捕策略。基于解耦多智能体深度确定性策略梯度算法DE-MADDPG研究了多无人机协同对抗快速目标的追捕策略,设计了多无人机协同追捕的全局奖励和局部奖励两种奖励函数,训练后的多无人机能够有效地执行协同追捕任务。通过设置快速目标的多种逃逸控制策略,仿真验证了所设计的方法能够利用追捕无人机的数量优势,通过协作完成对快速目标的协同围捕,并且通过比较,验证本文所提出的算法相比MADDPG算法更快地取得了收敛效果。

摘要：本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先,引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次,在动态障碍物与无人机间构造斥力场实现避障。最后,根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律,结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明,集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。

摘要：无人机追逃对抗问题是当今空战领域的研究热点,传统解决方案对此问题存在诸多限制,如模型难以适应复杂动态环境从而快速做出决策、对不同任务场景泛化性较差等问题。基于DDPG(deep deterministic policy gradient)算法设计了无人机追逃对抗策略;在此基础上,设计多种逃逸无人机的对抗机动策略,利用课程学习思想,在DDPG的训练过程中逐步提高逃逸无人机的智能程度,从而递进式地训练追捕无人机的对抗策略。仿真结果表明,相较于直接进行训练,利用课程学习的方法所训练的追捕无人机的追捕策略能够更快收敛,并能更好地执行对敌机的追捕任务,且能够适用于具有多种对抗机动策略的敌机,有效地提升了无人机追逃对抗决策模型的泛化性。

摘要：以障碍物随机分布的复杂环境下多无人机攻防对抗机动决策为研究背景,构建了攻防双方运动模型及雷达探测模型,将双延迟深度确定性策略梯度(TD3)算法扩展到多智能体领域中以解决多智能体深度确定性策略梯度(MADDPG)算法存在值函数高估的问题;在此基础上,为了提升算法学习效率,结合优先经验回放机制提出了优先经验回放多智能体双延迟深度确定性策略算法(PER-MATD3)。通过仿真实验表明本文所设计的方法在多无人机攻防对抗机动决策问题中具有较好的对抗效果,并通过对比验证了(PER-MATD3)算法相较其他算法在收敛速度和稳定性方面的优势。

摘要：针对无人机对运动目标的协同围捕问题,设计了一种快速协同围捕控制算法。首先,基于人工势场法设计了无人机与目标的动态博弈关系,使得目标的运动更加趋近于现实场景下逃跑者的行为模式。其次,利用无人机与目标的速度关系,将二维阿波罗尼奥斯圆扩展为三维阿波罗尼奥斯球,通过阿波罗尼奥斯球设计了无人机编队围捕队形。然后,将无人机获取的目标信息引入到一致性协议,以此来完成无人机编队对目标的协同编队围捕,并引入二跳网络加快围捕队形收敛,提高了无人机编队的任务执行效率。最终,通过仿真实验证明了该控制算法的有效性。

摘要：针对无人机(unmannd aerial vehicle,UAV)对快速运动目标的协同探测问题,设计了一种多UAV协同探测控制算法。首先假设每架UAV都携带相同的探测载荷,根据载荷特性设计了针对快速运动目标的UAV协同探测队形。然后引入固定时间控制一致性协议到UAV载荷角度控制中,控制载荷持续照射目标;引入有限时间一致性协议到UAV编队控制中,用以形成协同探测队形,并通过二跳网络加快队形的收敛。通过将UAV队形控制与UAV载荷的角度控制相结合,从而实现UAV对快速运动目标探测时间的最大化,极大的延长了高速运动目标被发现的时间。最终通过理论分析和仿真实验证明了该控制算法的有效性。

摘要：提出了一种基于贝叶斯优化算法的飞行器三维航迹规划方法。把飞行航迹编码为离散时间间隔上飞行器速度向量的变化序列。采用固定时间间隔时,这种编码方法把每一步速度向量的变化量都限制在飞行器最大加速性能之内,所以这种编码方法对应的物理轨迹是可飞的。利用每代种群中的可行解集合构造贝叶斯网络,用贝叶斯网络的结构体现染色体基因位之间的联系,用贝叶斯网络参数体现染色体基因位之间的联系程度。设计了一个多变量K2度量评价网络的优劣。用贝叶斯网络产生新的染色体以体现种群的进化,这取代了传统遗传算法的交叉和变异过程。如果种群中最优个体不满足终止条件,则用新一代种群的可行解集合构造贝叶斯网络,直到满足终止条件。仿真结果验证了算法的有效性。

摘要：为了提高无人机对目标的搜索捕获能力和对不确定度较高的区域的回访能力,进而提高多无人机协同搜索效率,提出了一种带信息素回访机制的多无人机协同目标搜索方法。首先,建立了包含目标存在概率地图、不确定地图和数字信息素地图在内的环境感知地图及其更新机理,使得无人机对任务区域中环境和目标信息的感知更加全面和准确,为无人机在线自主地进行搜索决策奠定基础。其次,考虑到任务子区域的可控回访需求,借鉴信息素"释放-传播-挥发"的特性,设计了基于信息素的网格回访机制,来引导无人机对目标存在可能性较大的区域或者不确定度较高的区域进行回访搜索。最后,设计了基于环境感知地图的协同搜索决策性能指标,在分布式滚动时域优化框架下,建立了多无人机协同搜索决策方法。使用蒙特卡罗方法验证了无人机数量、传感器探测靶面半径、传感器性能对搜索效率的影响。对比仿真表明,信息素回访机制能够保证较强的遍历能力和回访能力,使得无人机能够尽早搜索到更多的目标,尽快地降低整个搜索区域的不确定度。

摘要：提出了一种基于贝叶斯优化算法的无人机路径规划方法。把无人机路径编码为离散时间上的速度和航向变化序列,每一步的速度和航向变化量都限制在无人机相应最大变化量之内,所以这种编码方法对应的物理轨迹是无人机可飞的。利用每代种群中的优良解集构造贝叶斯网络,用贝叶斯网络的结构体现染色体基因位之间的联系,用贝叶斯网络参数体现染色体基因位之间的联系程度。设计了一个多变量K2度量评价网络的优劣。用贝叶斯网络产生新的染色体以体现种群的进化,这取代了传统遗传算法的交叉和变异过程。如果不满足终止条件,则用新一代种群的优良解集构造贝叶斯网络,直到满足终止条件。仿真结果验证了算法的有效性。

摘要：针对切换拓扑结构下的集群编队控制问题,设计只需个别无人机获取虚拟长机信息也能保证集群连通性的编队控制算法。当队形变换或部分通讯网络故障导致网络拓扑结构发生改变时,以距离为原则对集群进行联盟划分,各联盟内部成员以信息浓度大小为标准同其他成员进行竞争,由信息浓度最大的无人机获取虚拟长机信息,其联盟成员通过与该无人机通讯间接获取虚拟长机信息。该算法使得每架无人机在任意时刻都能直接或间接地获取虚拟长机信息。引入集群对虚拟长机的反馈机制,与传统反馈算法不同的是,本文中反馈无人机的数量和组成成员都是变化的,从而提高了系统的收敛速度和鲁棒性。在此基础上进一步讨论编队的损伤问题,设计了一种基于分层的分布式递归自修复算法,解决了网络分裂状态下的自修复及修复后队形变化过大的问题。仿真结果表明了所建模型的合理性和求解方法的有效性。