多无人机

摘要： 目前,多无人机编队是未来战场的主流趋势已成为普遍共识.各国投入了大量资源进行相关理论和技术研究与开发,传感器技术、智能控制技术、信息融合技术以及无线通信技术都获得了较大的进步与发展,无人机技术日臻成熟.回顾无人机的发展历史,概述了国内外无人机集群的重点项目,多无人机编队的关键技术;阐述了编队控制体系与结构,从任务规划与决策、航迹规划、编队控制3个重点方面总结近些年国内外的一些先进理论与应用技术,对编队控制的优缺点进行了详尽分析;展望了多无人机协同控制编队未来的发展前景.

摘要： 针对多无人机(unmanned aerial vehicle,UAV)在未知海域环境下协同搜索这一重要研究课题,提出基于精英学习的多蜂群协同自适应搜索路径规划算法。首先,建立考虑飞行高度时变的无人机模型、传感器模型以及海域模型。其次,在该模型基础上建立了包括目标发现收益、期望探测收益及避碰等多目标效能函数。在考虑到UAV飞行高度动态变化时采用不同搜索策略,由于传统蜂群算法在搜索中存在适应性差、速度慢等缺点,提出基于精英学习的多蜂群算法,保证了搜索效益的最大化。最后,通过仿真实验验证了算法的有效性和实用性。

摘要： 在三维未知环境中无人机目标搜索是一项非常具有挑战性和现实性意义的任务。鸽群优化算法相比于其他智能算法收敛速度快,搜索效率高,适用于目标优化任务,因此提出一种基于鸽群优化算法的多无人机目标搜索方法,无人机通过搜索目标留下的信息素搜寻目标。针对鸽群优化算法容易陷入局部最优的问题,利用基于差分进化策略对鸽群优化算法进行改进。仿真实验验证了提出的基于改进鸽群优化算法的多无人机目标搜索方法的合理性和有效性。

摘要： 地面移动用户群使得传统的静态无人机覆盖算法无法取得较好的效果,因此在综合考虑无人机的覆盖性能与功耗性能的基础上,采用动态多无人机方法,提出了一种基于最大奖励函数值的在线学习覆盖算法。该算法在空间建模无人机的运动方向后,以无人机收到的最大奖励函数值为激励函数,在线学习选择下一步的运动方向,确定下一步的运动位置。仿真结果表明,该算法在实现移动无人机的覆盖和功耗性能指标上具有显著效果。

摘要： 针对基本麻雀搜索算法(sparrow search algorithm, SSA)在求解多无人机(unmanned aerial vehicle, UAV)协同航迹规划问题时收敛精度不高,易于陷入局部最优等问题,提出了一种使用对数螺旋策略和自适应步长策略的SSA(logarithmic spiral strategy and adaptive step size strategy of the SSA, LASSA)多UAV协同航迹规划方法。首先利用分层规划思想,先建立单UAV航迹规划模型,然后再建立时间协同多UAV航迹规划模型,将航迹规划问题转化为函数优化问题。其次,采用对数螺旋策略,扩大对周围空间的搜索,增强种群个体多样,并利用自适应步长策略,更好地控制开发和探索行为。最后,利用LASSA对提出的航迹规划模型进行求解。仿真结果表明,本文提出的LASSA能够在满足时间协同的条件下,规划出代价近似最优、符合约束的协同飞行航迹,证明了本文提出的基于LASSA的多UAV协同航迹规划方法的有效性和改进算法的优越性。

摘要： 随着无人机应用愈加广泛,三维环境下多无人机航迹协同规划问题成为近年来的研究热点。针对多机协同航迹规划问题,基于应急物流任务环境与无人机性能约束,以全局安全运行综合代价最小为优化目标建立时空协同规划模型。考虑航迹规划中粒子群算法易陷入局部极值,后期收敛慢的缺点,提出一种基于狼群优化思想的混合改进粒子群算法HPSO-W。主要是先对粒子群算法参数进行优化,加入极值变异思想,并引入头狼召唤和优胜劣汰机制,平衡算法全局和局部搜索能力,加速后期收敛,避免局部阻滞,提高寻优性能。对比验证了HPSO-W算法的高效性,并通过实例验证了协同航迹规划方法的可行性与有效性。

摘要： 针对异构多无人机执行侦察、攻击等多任务时的分配问题,提出带有时间窗的基于共识的捆绑算法(WCBBA),该算法解决了基于任务时间窗以及无人机载弹限制约束条件下的多无人机任务分配问题。首先,基于约束条件建立了异构多无人机任务分配模型,设计了任务收益函数以及由于飞行距离所产生的折扣函数;其次,利用算法对多无人机执行侦察、攻击任务的分配模型进行求解。仿真结果表明,算法能够成功、高效地解决任务分配过程中的冲突问题,完成最优化的任务分配,对多任务条件下的异构多无人机协同作战任务分解具有一定的理论意义和实用价值。

摘要： 针对传统无能耗约束的多无人机路径规划方法难以适应复杂山地作业环境的应急救援要求,提出了一种基于LSTM-DPPO(long short-term memory-distributed proximal policy optimization)框架的多无人机三维路径规划算法。利用LSTM长短期记忆神经网络提取出多无人机在各自飞行过程中的重要特征状态信息序列,经过多次迭代更新后得到一个最优网络参数模型,结合能耗生成最优的三维探测路径。实验结果表明:该方法相对于传统路径规划方法效果显著,能在能耗最小的前提下规划出最优探测路径。

摘要： 针对多无人机在局部信息条件下的动态多目标覆盖与连通保持问题,在考虑无人机的目标覆盖能力和目标类型的因素下,提出了一种基于分布式协商的多无人机目标覆盖与连通保持算法.设计了基于无人机覆盖能力的目标分组方法,将单架无人机所能覆盖的目标分为一组并视为一个目标,以实现一对一的目标覆盖.基于共识的拍卖算法设计了目标拍卖规则,用于更新无人机的目标列表.通过设计协商一致与连通保持机制,实现连通约束下的分布式协商目标优化分配.通过仿真验证了算法在不同参数配置下均表现出优越的协同覆盖性能.

摘要： 本文针对多无人机未知区域搜索、目标围捕的复杂任务,提出了“事件触发—事件处理”多无人机自主协作的问题解决框架,具体描述了事件触发机制,设计了任务分配、分解与执行的事件处理方法,实现了多无人机自主协作与行动。最后通过区域搜索与目标围捕实验验证了“事件触发—事件处理”框架的可行性。文末总结了多机自主协作的优势和本文提出框架的优越性,为多机自主协作提供了一种可行的解决方案。

摘要： 建立了通用性异构多无人机协同算法仿真平台,不仅可以对无人机模型、载荷模型、任务序列和可能发生的故障进行配置,还支持自定义协同算法.多机协同算法仿真步骤如下:首先,将战场任务进行分解、分配;然后,对多无人机进行航路规划,形成无人机飞行和任务指令;最后,在执行任务中对无人机飞行安全进行管控.实验结果表明,仿真平台能够有效地模拟多机任务分配、航路规划和安全管控的协同过程.

摘要： 多无人机自主协同搜索是多无人机协同控制的重要研究内容.首先,对多无人机协同搜索问题进行了分析,然后从单机搜索理论、目标引导机制和机间协同机制三个方面进行了总结,最后指出了多无人机协同搜索研究存在的问题和研究方向.

摘要： 关于多无人机航迹优化研究,针对复杂环境下多无人机(UAV)系统的航迹规划,达到摧毁目标最大化,解决不同无人机之间的协同和防撞问题,提出了一种利用合作型协同进化算法的多无人机三维航迹规划方法.利用数字地图建立了无人机安全飞行曲面,采用并行进化的方案,将每个无人机航迹规划当作一个子问题,通过协同函数和无人机间的防撞设计实现各无人机间的时间协同和空间防撞.各子种群采用自适应的进化方法,在保持多样性的同时,保证了算法收敛的快速性.仿真结果表明,算法有效实用,能快速得到各无人机的低空突防三维航迹,可为多无人机航迹优化提供手段.

摘要： 本文提出了一种基于Bezier曲线的多无人机路径规划算法。该算法可以根据多无人机当前的位置、速度等状态信息以及目标点处的位置和速度信息，为每架无人机规划出安全可行的路径。该算法基于Bezier曲线的各种特性，能够较好的解决多无人机路径规划问题，并规划无人机各个时刻的位置、速度、加速度等状态信息，解决了无人机飞行时需要满足的最大最小速度约束、最大加速度约束、转弯半径约束以及无.人机间避碰约束等。

摘要： 无人机协同突防在高技术的现代空战中充当着重要角色.针对战场环境复杂多变的情况,本文提出了一种基于多真体系统(MultiAgentsystem,MAS)的多无人机协同突防实时航迹规划智能控制系统的体系结构.给出了系统各部分的组成及功能和各真体(Agent)之间的通信和协调机制.说明了电子干扰机协同多攻击机作战规划的方法.最后提出了基于MAS的遗传算法和A*算法的改进思想.

摘要： 针对多无人机紧密编队飞行具有降低燃油消耗的特点，研究了多无人机近距编队飞行的控制问题。在飞机所特有的双时间尺度的运动规律基础上，提出了一种多无人机编队飞行的双环控制器设计方法：外环利用变结构滑模控制器，跟踪两机间距，然后产生飞机的机体轴角速率命令提供给内环；内环则采用自适应控制器，以便跟随输入命令，产生僚机的副翼、升降舵和方向舵面的期望偏转角度，完成跟随长机，保持编队队形的机动飞行。多无人机编队飞行的仿真结果表明，所提出的控制器能够使僚机在长机产生的涡流场中保持期望的编队飞行位置。

摘要： 概述了相控阵无人机测控系统国外发展情况,在比较相控阵测控系统和相控阵雷达的基础上,归纳了相控阵测控系统的特点,介绍了一种相控阵多无人机测控系统的主要功能、组成配置及其技术特点,并对其应用方向进行了展望。

摘要： 本文基于M-IPSO算法研究多UAV系统协同侦察任务规划问题,充分考虑目标特性和实际需要,对不同类型的目标执行多样化的侦察要求,确定执行任务需要配备的无人机数量、无人机调度方案.该问题的求解不仅能深化多任务分配及多目标优化领域的研究,而且还能对部队执行作战任务时提供辅助决策支持.

摘要： 本文研究了多架无人机协同攻击时的航迹规划问题。首先设计了无人机编队协同航迹规划器的分层结构，然后在这种结构的基础上进行航迹协同、航迹规划和航迹平滑。本文设计的航迹在保证无人机动力学限制范围内可飞的条件下，能使无人机的团队联合达到最佳状态。仿真结果表明，该设计达到了很好的预期效果。

摘要： 无人机任务指派问题要求将无人机分配到不同的目标去完成各种任务。其挑战不仅表现在随着问题复杂性的增加，面临着解空间维数爆炸的困难，而且还表现在和其他调度或指派问题相比，其约束描述和约束处理更加困难。本文提出了一种无人机协同任务指派模型和分离索引策略来进行约束处理。本模型可以很有效地处理各种约束，包括用自然语言描述的约束，而且它还可以很方便有效地同各种计算智能方法相结合。通过对不同规模的指派问题和动态指派问题的实验分析对比，表明了该模型和约束处理方法的有效性。

摘要： 本发明公开了一种基于多无人机分布式控制的四旋翼无人机编队容错方法，首先构建多四旋翼无人机的故障动力模型；然后基于四旋翼无人机正常编队过程构建第一滑模分布式编队控制器和第二滑模编队控制器，分别对正常编队情况下四旋翼无人机的位置和姿态进行控制，实现四旋翼无人机可按照设定轨迹进行编队飞行；最后构建状态观测器，通过状态观测器对编队过程中的观测结果与实际的结果之间的残差大小判断是否发生故障，若发生故障，则设计自适应分布式滑模编队控制器，用以控制每一四旋翼无人机按照设定的轨迹进行编队；否则继续通过第一滑模分布式编队控制器和第二滑模编队控制器控制；本发明可对四旋翼无人机编队稳定控制。

摘要： 本发明公开了一种基于多无人机网络的用户QoE优化方法、无人机及系统，其中，所述方法包括：根据区域对用户进行分簇，对每一簇选择簇中心、并在簇中心位置部署无人机提供网络服务；根据用户活跃度更新簇中心，调整无人机位置至更新后的簇中心；无人机从内容服务器获取缓存内容进行缓存；根据缓存决策调整无人机内的缓存内容。实施本发明的基于多无人机网络的用户QoE优化方法，根据簇内用户活跃度计算并更新簇中心，并将无人机位置调整至靠近活跃用户的簇中心，可降低数据传输距离，降低用户获取数据的平均需求时延。其次，在动态内容库场景下，将无人机的缓存问题依据缓存决策来放置缓存内容，可提高用户获取热门内容的获取效率，提升用户QoE。

摘要： 本发明公开了多无人机3D悬停位置联合优化方法、装置和无人机基站。该方法首先获取无人机所处的异构网络的状态信息；将状态信息输入预先构建的深度强化学习网络，通过当前策略决策下一时刻的悬停位置，并从环境中获得无人机在当前时刻的悬停位置的回报函数值；基于异策略深度确定梯度策略算法，求取更新的梯度，多个无人机同步更新策略参数；根据更新梯度，迭代执行从获取状态信息到同步更新多个无人机的策略参数的步骤，使目标策略函数逐渐收敛，直至得到最优策略。该装置包括状态获取单元、回报单元、梯度更新单元和训练单元。无人机基站，其处理器可执行本发明方法。本发明实现了多无人机在环境中自主学习，可以适应动态、非平稳的环境变化。

摘要： 本申请提供了一种多无人机编队中的无人机定位方法和装置，该方法包括：多无人机编队中包括多架无人机，多架无人机被划分为至少一个子网，每个子网包括至少三架无人机，包括：通过单点定位获取各无人机的单点坐标和单点坐标的方差‑协方差；对于每个子网内的每两架无人机，获取两架无人机之间的相对坐标和相对坐标的方差‑协方差；根据子网内包括的各无人机各自的单点坐标和单点坐标的方差‑协方差，以及子网内每两架无人机之间的相对坐标和相对坐标的方差‑协方差，得到每个子网包括的各无人机各自的第一目标坐标。本申请的多无人机编队中的无人机定位方法，对多无人机编队中各架无人机的定位精度高。

摘要： 本发明公开了一种多无人机轨迹规划方法、装置、无人机及存储介质，其中，上述多无人机轨迹规划方法包括：建立无人机运动模型；获取目标状态约束运动基元采样模型；对于多无人机集合中任一目标无人机，构建包括飞行安全约束和目标点距离优化约束的目标函数，飞行安全约束限定目标无人机与障碍物之间的距离，障碍物包括环境障碍物和除目标无人机以外的其它无人机；求解目标函数，获取目标无人机在当前滚动预测时域内的最优末端状态，并基于上述目标状态约束运动基元采样模型和上述无人机运动模型获取上述目标无人机在当前滚动预测时域内对应的目标飞行轨迹，目标飞行轨迹包括一组状态量。与现有技术相比，本发明方案有利于提升无人机的安全性。

摘要： 本发明公开了一种基于异构无人机的多无人机通信系统，其中该系统包括计算型UAV0、通信型UAV1、地面供能中心和若干终端；所述通信型UAV1分别与所述计算型UAV0和若干所述终端通信连接；所述通信型UAV1用于收集所述终端上传的任务信息，并发送至所述计算型UAV0进行处理；所述地面供能中心与所述计算型UAV0电性连接，所述地面供能中心用于给所述计算型UAV0提供能源。本发明还公开了一种基于异构无人机的多无人机能耗优化方法。本发明旨在解决现有无人机辅助MEC系统能量负载大，无法持续续航的问题。

摘要： 本发明提供了一种多无人机边缘计算网络中无人机部署与任务卸载方法，目标是最大化无人机的承载任务数。主要包括如下步骤：1、构建多无人机边缘计算网络中无人机部署与任务卸载的数学模型P1。2、在给定无人机分配给任务CPU计算频率的情况下，构建数学模型P2，基于差分进化算法与贪婪算法求解问题P2，求出无人机最优的位置与仰角，地面终端设备的传输功率以及任务的卸载决策。3、基于求得的无人机最优的位置与仰角以及地面终端设备的传输功率，构建数学模型P3，求出无人机分配给任务的CPU计算频率和卸载决策。4、在步骤2与步骤3之间循环迭代求解。5.本应用提高了在多无人机边缘计算网络中无人机的任务执行效率。

摘要： 本发明公开一种多无人机分布式控制系统、协同控制方法、介质、无人机编队，涉及无人机技术领域。机载计算机搭载的领航跟随协同控制器基于ROS的进程间发布订阅消息传递机制，以及Mavros功能包与领航无人机建立连接，并与多个跟随无人机进行通讯；当某个跟随无人机发生故障，其他跟随无人机搭载的飞行控制器继续参考领航无人机规定的飞行轨迹，并期望的速度、位置指令，驱动该跟随无人机前往指定目标点形成期望队形。本发明利用ROS、无人机、无线路由器等组件以及领航‑跟随控制方法，实现了多无人机协同飞行的功能，能够提高多无人机系统执行任务的效率，保证了任务执行的可靠性以及无人机数量的灵活拓展。

摘要： 本发明公开了一种基于多无人机网络的用户QoE优化方法、无人机及系统，其中，所述方法包括：根据区域对用户进行分簇，对每一簇选择簇中心、并在簇中心位置部署无人机提供网络服务；根据用户活跃度更新簇中心，调整无人机位置至更新后的簇中心；无人机从内容服务器获取缓存内容进行缓存；根据缓存决策调整无人机内的缓存内容。实施本发明的基于多无人机网络的用户QoE优化方法，根据簇内用户活跃度计算并更新簇中心，并将无人机位置调整至靠近活跃用户的簇中心，可降低数据传输距离，降低用户获取数据的平均需求时延。其次，在动态内容库场景下，将无人机的缓存问题依据缓存决策来放置缓存内容，可提高用户获取热门内容的获取效率，提升用户QoE。

摘要： 本实用新型提供一种支持多无人机存储、收放的无人机指挥车，包括皮卡底盘和被皮卡底盘支撑的方舱，方舱内设有操作仓和无人机仓，操作仓内包括工作台、位于工作台上的操作席位和位于工作台下的无人机充电柜，方舱对应操作仓的其中一侧壁上设有供人进出操作仓的侧开门；无人机仓分上下两层，上层为自动升降台和固定于自动升降台上的停机坪，位于停机坪上方的方舱的上侧壁上设有供无人机通过的天窗，无人机仓的下层设有杂物存放区和航空箱存放区，航空箱存放区用于存放无人机，方舱的一侧壁上设有正对航空箱存放区用于供人进出无人机仓的后开门。能够在多种路面情况和交通情况下行驶，且能够适应复杂场景。