摘要：针对多无人机区域覆盖任务中的机间通信资源分配问题，提出了一种基于强化学习的多智能体动态通信资源分配模型。利用多智能体生成树覆盖方法生成任务区域内各个无人机的覆盖航线，对无人机与地面基站及无人机之间的通信链路进行建模。由于飞行环境的不确定性，将长期的资源分配问题建模为随机博弈模型，将无人机间的空-空链路视作一个智能体，每个智能体采取的动作包含选择工作频段和发送端的传输功率。在此基础上，基于双深度Q网络（DDQN）设计多智能体强化学习(MARL)模型，使得每个智能体通过奖励函数的反馈学习到最优通信资源分配策略。仿真结果表明：MARL模型能够在动态航迹下自适应选择最佳通信资源分配策略，提高时延约束下的负载交付成功率，同时降低空-空链路对空地下行链路的干扰并增大信道总容量。

摘要：在高动态、不确定、资源受限等复杂环境下,无人集群系统执行协同区域搜索、集群优化调度等任务将会面临“感知—判断—决策—行动(OODA)”回路各个领域的挑战。为了提升无人集群系统的任务场景适应能力,必须突破复杂环境下无人集群系统自主协同关键技术。以复杂环境下大规模异构无人集群鲁棒自主协同理论为基础,探讨了复杂环境下无人集群系统自适应异构体系架构设计与建模方法,梳理了复杂环境下高维态势分布式感知与认知、可引导、可信任、可进化的智能决策、复杂环境下无人集群系统自主协同控制3个科学问题。首先综述了复杂环境下无人集群系统自主协同的研究进展;其次,分析了无人集群系统OODA任务回路面临的挑战;然后,初步梳理了复杂环境下无人集群系统自主协同涉及的各项关键技术及其进展;最后,给出了无人集群系统自主协同领域未来发展的思考。

摘要：为了满足高速非机动飞行器协同作战中大交会角约束和降低能量消耗,建立了三维耦合运动学模型,设计了大交会角约束下非线性系统的三维最优制导律。分析了三维解耦制导模型在大交会角情况下脱靶量和交会角控制精度差的机理,提出了一种适用于弹目高速非机动运动的非线性制导模型。在该模型的基础上,选择合适的控制变量,根据极小值原理设计了一种满足协同作战中所需大交会角约束的三维能量最优制导律。实验结果表明:制导律在三维耦合模型的脱靶量、交会角控制偏差及能量代价相比解耦模型分别降低了0.7 m,1.1°,200 g。证明了制导律控制精度高、能量消耗低。

摘要：研究了多领导者-多跟随者模式下多飞行器协同拦截机动目标的分布式协同围捕制导问题。借鉴狼群协同围捕大机动猎物的行为学机理,在数学层面抽象出领-从模式协同制导架构、分布式通信与状态估计以及多路多方向协同围捕制导律3种映射策略。首先,针对领-从模式协同制导架构,提出了多领导者-多跟随者协同围捕方案。其次,针对多领导者飞行器,设计带有目标不确定机动补偿的协同逆轨拦截制导律,为跟随者飞行器提供有利的围捕拦截参考轨迹。再次,针对多跟随者,利用分布式状态观测器对多领导者状态轨迹凸组合进行估计,进而设计了时变围捕视线角编队跟踪制导律,引入动态增益补偿系统来解决最大可用过载受限问题。然后,证明了闭环系统稳定性,并给出了协同制导可行性分析结论。最后,对理论结果进行仿真验证,结果显示,多飞行器在目标逃逸方向两侧形成一定散布的围捕构型,即存在若干飞行器的末制导拦截阵位是合适的,提高了对机动目标的拦截效能。

摘要：针对多无人机协同任务分配问题(MTAP),设计了一种综合考虑飞行航程、任务收益以及任务完成时间窗口的混合粒子群任务分配算法。首先,将粒子位置编码为一组任务分配向量,针对同时打击场景可能存在的死锁问题,设计了一种基于多打击任务有向图的死锁检测和修复算法,解码出对应一组可行的任务分配解或方案,实现粒子群算法解的离散化。另外,对于传统粒子群算法(PSO)容易陷入局部收敛的缺点,提出一种基于变邻域搜索算法的跳出局部收敛策略,并建立局部搜索启动概率准则,实现跳出局部收敛和计算开销的平衡。最后,将跳出局部收敛的策略嵌入到粒子群算法中,得到协同任务分配的混合粒子群算法(HPSO)。另外,针对新目标发现导致的初始计划失效问题,设计了一种基于匹配策略的局部任务重分配方法。仿真实验证明,所提出的混合粒子群算法能够有效解决异构多无人机同时打击场景中的任务分配问题。

摘要：多机器人系统为社区老年人的健康管理提供了一个灵活便捷的平台。为提高护理效率,多机器人协同任务分配是亟需解决的关键问题。综合考虑机器人行程代价、时间偏差代价和任务收益,提出了一种考虑任务时间窗的改进型遗传任务分配算法。设计表示任务和机器人分配信息的双编码染色体,充分利用搜索解空间,并基于有向图方法检测和修复可能出现的死锁。仿真结果表明,提出的改进遗传算法可有效解决健康管理机器人协同任务分配问题,且得到的解优于传统遗传算法。