摘要：为实现无人机在大范围内稳定、精确地跟踪三维参考航路,基于制导与控制回路独立设计的思路,提出了一种无人机三维航路跟踪制导控制方法。在制导外环,引入沿参考航路飞行的虚拟无人机作为向导并利用反步法设计三维航路跟踪的非线性制导律;在控制内环,以非线性动态逆理论和奇异摄动理论为基础,设计由机动指令生成器、角度转换器、慢回路姿态控制器和快回路角速度控制器所组成的飞行控制模块,对制导外环给出的制导指令进行快速精确地跟踪。基于Lyapunov稳定性理论证明了无人机航路跟踪制导控制方法的稳定性。通过对比分析无人机6自由度模型下的三维航路跟踪仿真,说明所提出的制导控制方法能够使得无人机精确地跟踪参考航路,从而验证了该方法的有效性、合理性。

摘要：针对多无人机协同对地打击的任务区集结问题,建立了基于一致性理论的分布式控制结构,设计了结合航迹规划与轨迹控制的策略以实现多无人机同时到达。以提高一致性算法收敛速度为目的,引入状态观测器,改进了含有虚拟Leader的一致性控制算法,并对新算法的收敛性和快速性进行了数学证明。仿真结果表明,本文的方法能够有效实现多无人机同时集结到目标位置,改进的算法具有更快的收敛速度。

摘要：以复杂战场环境下多无人机任务指派为研究背景,针对分布式结构下通信延迟可能导致指派冲突的问题,设计了通过设置比较阈值和对无人机(unmanned aerial vehicle,UAV)进行优先级排序的方法,以极小的通信代价预测潜在指派冲突;之后开启编队内通信,通过比较各UAV的指派方案确定当前可执行的最优任务,从而达到冲突消解的目的。通过MultiUAV2仿真平台对提出的方法进行验证。仿真结果表明,该冲突消解机制能够准确高效地预测和消解指派冲突,具有可行性与合理性;且由于采用动态的阈值设定,对不同的作战环境有较好的适用性。

摘要：提出了一种旨在提高定位精度,同时具有保证通信距离约束和传感器探测距离约束性能的无人机双机协同跟踪路径规划算法。分析了传感器误差引起的目标定位误差,指出使用协同跟踪的优势。针对通信约束、传感器距离约束以及精度要求,分别提出了漏斗函数、参数冻结等策略,满足了双无人机协同目标跟踪时的相关约束。设计了双无人机目标三维定位的方法。通过对无人机双机协同跟踪精度与单机目标测量精度仿真对比,验证了算法能够在维持两种距离约束的情况下,以较高的精度跟踪目标。

摘要：针对固定翼无人机的飞行控制律设计问题,提出了一种基于非线性PID控制原理的控制器。该控制器的比例、积分、微分增益是控制误差的非线性函数。确定该组函数的参数主要根据最优控制理论选择性能指标,采用遗传算法寻优。在此基础上,实现对无人机飞行控制律的优化设计。仿真结果表明,使用该控制器设计的无人机飞行控制回路比用常规PID控制器表现出很大的优越性。

摘要：目前传统向量场直方图(VFH)算法存在易陷入局部陷阱的缺陷,本文提出了基于陷阱检测机制与动态阈值更新策略的改进VFH算法,更加符合局部未知环境下无人机路径规划的要求,并针对复杂未知场景中无人机避障问题,提出了基于A^(*)算法和改进VFH算法的避障算法。首先,无人机根据全局已知障碍物信息,基于A^(*)算法构建目标航路点;其次,在目标航路点不可达的情况下,无人机根据运动状态与激光雷达探测到的地形信息,基于改进向量场直方图算法进行局部规划。在局部规划中,针对传统VFH算法存在的缺陷进行了改进:针对传统VFH算法的无记忆性导致在一些特殊场景中易陷入局部陷阱,本文提出陷阱检测机制的VFH算法,动态选择历史信息增强向量场直方图算法的记忆性,无人机可自主检测陷阱并及时跳出;针对向量场直方图算法的阈值敏感性问题,设计了动态阈值更新策略,使得无人机能够在复杂或稀疏的障碍物环境中,动态平衡避障安全性和抵达目标的时效性。最后,通过对比仿真验证了算法的有效性,为传统VFH算法易陷入局部陷阱的缺陷提供了一种解决方法。

摘要：为了提高多架异构无人机在未知环境下协同执行搜索打击任务时的效能,提出了一种未知环境下的异构多无人机协同搜索打击中的联盟组建方法,研究了实时性较高且适应于未知环境下的任务分配机制。以最小化目标打击时间和最小化联盟规模为优化指标,以满足同时打击和资源需求为约束条件,建立了联盟组建模型;为了提高联盟组建的实时性,提出了一种分阶次优联盟快速组建算法(MSOCFA)。算法复杂度分析说明了该算法是一个多项式时间算法,并且通过与粒子群优化算法进行仿真对比,验证了该算法具有较低的计算复杂度,满足实时性要求。为了使得多架无人机能自主协同完成搜索打击任务,设计了基于有限状态机(FSM)的多无人机分布式自主协同控制策略。仿真验证了未知环境下的异构多无人机协同搜索打击中的联盟组建方法的合理性和可行性。使用蒙特卡洛法验证了无人机数量和目标数量对联盟组建的影响,即无人机数量越多,目标数量越少,其平均任务完成时间越短。

摘要：在分析传统进化算法解决飞行航迹规划问题缺点的基础上,提出了一种高阶概率分析进化算法-多变量贝叶斯优化算法,用于解决飞行器航迹规划问题。其主要特点是用多变量染色体构造贝叶斯网络,通过设计一个多变量K2评价方法评价得到的贝叶斯网络的优劣。仿真结果验证了算法的有效性。

摘要：针对未知复杂环境下的多无人机路径规划问题,提出了一种基于优先经验回放的并行深度确定性策略梯度(PER-PDDPG)算法。首先,该算法在传统深度强化学习算法和匈牙利算法的基础上,结合了优先经验回放机制与多智能体经验共享的特点,提高了经验的获取效率,并使高价值经验能够被更加充分的多次利用。其次,算法将针对单无人机的PER-DDPG算法并行拓展到多无人机中,使得算法的网络结构相对于传统多智能体强化学习算法更加简洁高效。仿真结果表明,该方法可以灵活应用于不同数量的无人机群中,并且相较于传统的多智能体强化学习算法拥有更快的收敛速度以及更高的收敛奖励均值,有效提升了在未知复杂环境下的多无人机路径规划效果。

摘要：近十多年来多目标进化算法是人工智能领域的一个相当活跃的研究热点。该文从非Pareto方法、基于Pareto方法及贝叶斯多目标优化算法等角度对当今多目标进化算法进行了分析,归纳了新出现的各种方法和技术,探讨了这个领域发展中存在的问题,并进一步给出了发展方向。此外文中分别对后两类提出了解决一般问题的计算效果较好的改进算法和新的算法。