摘要：针对传统电子对抗系统易被侦察定位,辐射功率有限等问题,提出一种改进的粒子群算法对分布式布阵的各结点功率进行优化;首先建立在地面半圆环式分散布阵,空中合成的数学模型及以目标合成点场强值为目标函数的有约束非线性规划问题模型;针对标准PSO在处理此类问题时收敛速度慢的缺陷提出一种基于bernoulli混沌映射的种群初始化方法来增强初始种群的多样性;针对标准PSO在迭代中后期局部搜索能力差,易陷入局部最优等缺陷提出一种基于种群分离度与Tanh函数结合的自适应惯性权重设计方案;同时提出一种基于柯西分布的扰动策略以提高算法收敛精度;仿真实验结果表明改进的粒子群算法拥有比标准智能优化算法更高的收敛速度和寻优精度,经优化后的功率分配方案可有效增强信号合成效果。

摘要：本文针对时变切换的受限通信链路条件下的无人机集群协同控制问题,设计了一种基于虚拟误差的多无人机分布式协同控制算法,研究对象设置为具有非线性耦合特性的四旋翼无人机集群.首先,使用时变切换无向拓扑来描述干扰存在的受限环境下通信链路通断特性,将连续可微的权重函数用作邻接矩阵元素,用以描述邻居节点间通信链路的时延阻滞特性.其次,设计姿态内环控制回路的指令驱动力矩,消去非线性姿态旋转误差项,利用障碍李雅普诺夫函数证明姿态控制内环系统稳定性.此外,在外环位置控制回路中引入两个辅助控制量,利用其构造与原平动动力学系统等价的辅助误差系统.利用该虚拟误差系统设计满足推力有界性的控制输入,避免每个节点的控制系统对节点自身和邻居节点的位置及速度信息的反馈需求,将集群内全部无人机节点的虚拟位置、速度误差以堆叠形式构造位置控制回路李雅普诺夫函数,基于姿态回路的渐近稳定证明位置闭环控制系统的渐近稳定性.最后,设置仿真场景中的通信拓扑为满足一致联合准强连通的时变无向切换拓扑,引入4个四旋翼无人机节点开展分布式协同控制律的仿真实例验证,进一步将本文设计的分布式控制协议分别同其他文献中所提出的基于虚拟系统的分布式控制算法及基于滑模误差流形的控制算法相对比,验证本文所提出算法能够仅在给定中心参考速度前提下跟踪速度积分所得的虚拟领导中心轨迹,且在集群构型保持和速度一致性控制方面具有显著优势.

摘要：高超声速飞行器飞/发一体化系统具有气流一体化、结构一体化等强飞/发耦合特性,为控制系统的设计带来一定的挑战。针对高超声速飞行器控制系统设计问题,首先在建立高超飞行器飞/发一体化系统模型的基础上,设计了相应的纵向控制律,提出了一种新型的探索群策略鸽群优化算法,并将其应用于高超飞行器飞/发一体化控制参数整定。最后,通过探索群鸽群优化算法对控制参数进行优化,并与基本鸽群优化、粒子群优化进行了对比仿真分析,验证了所提探索群策略鸽群优化算法的可行性和优越性。

摘要：受寒鸦群配对飞行行为机制的启发,提出了一种配对交互模型,并应用于解决无人机(uAV)集群编队控制问题。首先,模仿寒鸦个体间的配对交互,设计配对交互时的邻居选择机制,基于社会力,考虑惯性加速、远距吸引、近距排斥、速度匹配和运动阻尼,分别建立配对个体和未配对个体的运动学微分方程,完成配对交互模型的构建。然后,在无人机模型基础上,设计基于寒鸦配对交互机制的无人机集群编队控制器。最后,通过2组仿真实验研究所提模型应用于无人机集群时的特性。结果表明,寒鸦配对交互模型能保证无人机集群运动的一致性,通过减小无人机交互的平均邻居数量,从而减小无人机集群的通信负载,并且当单向刺激时,配对无人机作为信息无人机时集群有更高的应激精度。

摘要：空中加油是提高无人机(uAV)空中持续作战能力的重要技术,其中对加油锥套的检测和识别是实现空中加油的首要任务。针对空中加油快速、准确的目标检测难题,结合鹰眼敏锐的视觉机制,设计了一种仿鹰眼-中脑机制的显著性检测算法,采用仿鹰眼颜色拮抗和明暗适应机制模型从加油锥套视频序列中提取多通道图像特征,为适应锥套在图像中的面积,模拟仿鹰中脑网络门控机制对多通道特征显著图进行空间门控处理,模拟仿鹰中脑网络增益机制对显著图进行增强处理。通过公开数据集和空中加油试飞数据集分别进行了测试,仿真对比实验结果验证了所提出的显著性检测算法可在设定显著目标面积占比的条件下有效抑制背景影响,并能检测到空中加油的锥套目标。

摘要：针对受限环境中无人机集群的目标合围控制问题,提出了一种基于局部度量距离交互的分布式集群目标合围控制方法.首先,基于局部度量距离交互机制确定了每架无人机的时变邻域无人机集合,采用光滑成对交互势函数设计了集群内部无人机间的交互势函数、无人机与飞行环境中障碍间的交互势函数以及无人机与目标无人机间的交互势函数.在此基础上,基于自组织原则提出了分布式的无人机集群目标合围控制律,使无人机集群能够以指定环绕半径形成以目标无人机为中心的稳定α-晶格合围构型,对目标无人机进行合围和跟踪,同时使无人机避开飞行环境中的障碍,保障自身飞行安全.然后借助Lyapunov稳定性理论证明了集群系统的稳定性,并给出了集群系统内部无人机发生碰撞的条件以及合围构型参数的取值依据.此外,基于群体熵的概念尝试对无人机集群目标合围过程中的自组织水平进行度量.最后通过仿真来验证所提出算法的有效性.

摘要：无人机集群在各个领域中扮演着重要角色,具有丰富的应用场景.然而,将深度强化学习方法应用于自主无人机面临着诸多严峻挑战.本文基于多智能体深度强化学习,通过使用局部信息建立单个无人机的状态空间,并使用多智能体近端策略优化(Multi-agent proximal policy optimization,MAPPO)的在线策略算法来训练策略网络,从而克服了环境的不确定性和对全局信息的依赖.同时,引入了数字孪生的概念,为资源紧张型算法提供了新思路.为了解决采样困难和资源紧张的问题,基于数字孪生技术,构建了一个用于无人机编队避障策略模型训练的架构.首先,构建了多个数字孪生环境,用于强化学习算法在任务开始之前进行交互采样的预训练,以使集群具备基本的任务能力.然后,使用在真实环境中采集的数据进行补充训练,使得集群能够更好地完成任务.对采用这种两阶段训练架构的效果进行了对比,同时与其他策略算法进行比较,验证了MAPPO的样本效率性能.最后,设计了实际飞行验证测试,验证了从孪生环境中获得的策略模型的实用性和可靠性.

摘要：无人异构集群相较于单一类型、单一个体的无人平台,能够完成更为复杂的任务,同时对严苛战场环境有着更高的适应度.在无人异构集群协同执行任务时,任务分配是至关重要的环节,需要考虑异构无人平台和任务的多种约束和目标.传统的任务分配方法分配效率低且难以处理大规模复杂任务.联盟博弈通过形成由若干参与者组成的联盟,根据个体的属性、偏好对群体进行划分,从而实现个体以及群体利益的最大化.本文以无人异构集群任务分配为背景,研究了基于改进联盟博弈算法的最优分配策略,基于可能的战场环境设计了模拟任务场景并完成实验验证.首先,考虑异构平台在任务中的初始位置、速度、携带资源以及个体声誉等因素,建立了基于空间自适应博弈(Spatial adaptive play algorithm, SAP)的联盟博弈的任务分配算法模型.其次,基于任务场景,搭建了任务所需的软件与硬件平台.最后,针对模拟的战场环境,对所提算法及搭建的异构无人集群平台进行了实验验证.验证结果表明,在异构无人集群平台重分配的任务背景下,本平台能综合考虑战场态势,寻找最优的任务分配方式,协调各作战单位完成任务目标.

摘要：舰载无人机着舰会受到舰尾流、航母甲板运动的干扰。为加快无人机在着舰时横侧向响应以及提高舰载机着舰对干扰的鲁棒性,本文提出了一种基于扩张鸽群优化算法的显式模型预测控制方法,并将其应用于舰载机姿态控制器设计,用于解决所设计控制器的参数优化问题。与基本鸽群优化算法、粒子群算法的仿真对比实验表明,相比传统智能优化算法,本文所提出的扩张鸽群优化算法收敛更快,普适性和稳定性也更强,采用显式模型预测控制的舰载无人机着舰系统相比比例-积分-微分控制下的系统响应更快,鲁棒性更强。

摘要：为实现少数领导者下的大规模无人机集群协同控制,提出了一种基于特定有限交互规则的无人机集群协同控制方法。所设计的有限交互规则主要包括有限交互设计和交互机制设计两方面,其中无人机的有限交互通过基于有限视场限制下随机视线遮挡关系的邻居选择机制实现。无人机间的交互机制从位置协同和速度协同两方面进行设计,考虑无人机间飞行安全性设计了位置协同力,考虑不同时期无人机任务目的设计了速度协同力。仿真结果表明,所设计的有限交互规则可以实现无人机集群对于指定的少数领导者运动协同跟踪,并完成指定轨迹的集群协同运动。