两栖车辆是一种能够在水陆两种环境中行驶的机动平台,在军事和民用领域都具有重要的应用价值和发展潜力。回顾了水陆两栖车辆的发展历程,对比分析了不同类型的两栖车辆的特点和发展趋势,从建模与仿真、高速两栖车辆设计、航行控制3个方面阐述了两栖车辆水上航行研究中的关键技术,结合水上无人技术的研究进展,探讨了两栖车辆实现水上航行无人化的难点和挑战,并对两栖车辆的未来研究方向进行了展望。

无人机遥感探测在军事侦察领域发挥着重要作用,偏振探测利用偏振光与物体相互作用产生的偏振变化来提高目标对比度。然而在复杂场景下,伪装小目标与背景特征差异较小且空间信息不足,存在检测困难的问题。为此提出一种偏振伪装小目标检测算法(Polarization Camouflaged Small Object Detection-YOLO,PCSOD-YOLO),设计了高效层注意力模块-坐标注意力特征提取模块和空间金字塔池化跨阶段局部通道-3D权重注意力感受野模块,捕获目标的偏振特征和语义信息,增强上下文信息理解能力;设计了动态小目标检测头,通过动态卷积增强对小目标特征提取能力的同时,利用不同尺度的特征信息,联合多通道特征信息输出小目标检测结果。构建伪装小目标偏振图像数据集(Polarization Image of Camouflaged Small Objects,PICSO)。在PICSO数据集上的实验表明,所提出的方法可以有效检测伪装小目标,mAP_0.5达到92.4%,mAP_0.5:0.95达到47.8%,检测速率达到60.6帧/s,满足实时性要求。

模糊认知图作为一种兼具模糊推理和类神经网络特征的知识图解软计算模型,与第3代人工智能知识与数据双驱动的发展方向高度契合,已被广泛应用于各个领域。首先,介绍模糊认知图理论的基本概念和原理,从构建方法、学习算法、拓展模型3个方面系统地分析模糊认知图的最新研究进展和存在的主要问题,总结未来研究的主要方向和重点内容;其次,全面梳理和归纳模糊认知图在无人系统(单无人系统、多无人系统、无人-有人系统)中的应用研究情况;最后,通过详细分析自主智能驱动的单无人系统、群体智能驱动的多无人系统以及互信智能驱动的无人-有人系统的技术需求,深入讨论未来模糊认知图在无人系统应用中的重点研究内容和主要研究思路。

针对经典粒子群算法在无人机三维航迹规划过程中全局搜索能力不足、易陷入局部最优等问题,研究提出一种多维增强粒子群优化算法。算法首先通过引入改善因子,在粒子寻优各个阶段实现动态调整惯性权重,提升种群适应性和克服局部最优能力;其次依靠动态约束方程实现学习因子增强,促使粒子间信息共享更为高效,改善算法自学习能力;随后有序融合混沌初始化和精英反向学习进化等策略优势,重新规划粒子群进化流程,增强粒子在迭代过程中的均衡性和多样性,提升算法收敛精度。实验中通过测试函数横向对比和复杂三维任务场景纵向应用,多维增强粒子群优化算法在新的多维目标函数指标中相较于经典粒子群算法无人机航迹规划能力获得了提升,在5种比对算法中表现出较好的有效性和竞争力。

空地协同系统中的无人车-无人机协同降落对拓展异构智能体集群的任务场景具有重要意义。目前基于轨迹优化的自主降落方法将时间与空间耦合在一起,通过设计最优控制律进行联合航迹优化,但存在优化目标函数设计较为复杂,无法发挥致动器最佳效能的问题。针对传统轨迹优化方法中时空维度过度耦合的问题,提出一种基于时空解耦的轨迹优化(Spatio-Temporal Decomposition Planning,STDP)方法,通过在空间与时间维度分别对降落轨迹进行优化,使无人机在复杂场景下采取更为激进的飞行策略。同时在设计目标函数时,综合考虑无人机的降落耗时以及电机功耗模型,以最优时间、能耗为控制目标构建2阶锥规划问题以加速求解,确保求解质量与效率。仿真结果表明,相较于时空耦合的规划方法,STDP方法规划出了更逼近运动学约束边界的轨迹,使得任务耗时大大缩减,提高了任务效率,同时实际场景中的测试结果也证明了STDP方法在实际应用中的可靠性。

针对无人机成像场景典型目标点云数据集稀缺的问题,建立机载线阵激光雷达动态成像模型,提出一种基于柱体素的点云目标检测算法对仿真数据真实性进行验证。基于虚拟仿真平台建立典型目标模型与崎岖地形、伪装覆盖和植被遮蔽等典型场景,结合激光点云获取仿真模型、机载平台运动模型、拼接成像及畸变校正方法,获取激光点云数据集,基于重叠面积的完整度判别标注方法进行数据集标注;采用柱体素特征提取模块处理目标顶部特征,通过标注的仿真数据集训练点云目标检测算法,并在基于等效实验获取的真实数据集上进行算法评价。检测算法在实测数据集上的识别准确率为93.2%,评价结果表明机载线阵激光雷达动态成像模型具有较高的可信度,仿真数据能够反映真实目标特征。

临近空间高超声速滑翔飞行器(Hypersonic Gliding Vehicle,HGV)具有高速、高机动特性以及超强的突防能力,对现有防御系统造成严重威胁。针对临近空间高机动目标拦截任务中跟踪预测难的问题,提出一种基于气动力加速度估计的HGV智能轨迹预测方法。根据HGV目标运动模型,分析其机动模式和气动力变化规律,选定气动升力加速度、气动阻力加速度和倾侧角控制量3个参数作为轨迹预测参数,替代目标运动模型中的未知项。建立基于气动加速度估计的动力学跟踪模型,利用雷达量测数据和无迹卡尔曼滤波实现预测参数的实时跟踪估计,并以此为输入构建长短时记忆(Long Short-Term Memory,LSTM)网络训练模型,对预测参数的变化规律与时序关系进行在线学习。利用训练完备的LSTM预测网络迭代预测目标未来时刻的气动加速度,结合运动方程数值积分外推,实现目标轨迹在线预测。数值仿真结果表明,新方法能有效预测非合作HGV目标轨迹,预测精度高、稳定性好。

构建环境地图是导航的前提,完整详细的地图能够有效辅助无人平台规划最佳移动路径。针对传统导航地图构建方法存在数据冗余及地形结构区分困难的问题,提出一种面向无人平台建筑内导航的地图轻量化处理与楼梯区域分类方法。提取无人平台可行驶区域,减少数据冗余,并基于楼梯上表面的分布特性去除离群点。利用包含边缘平滑处理的地图构建算法,生成边界清晰、形状规整的多层栅格地图(Multi-layer Grid Map, MGM)。提取楼梯环境特征,结合Laplace平滑的朴素贝叶斯分类算法,区分并标记台阶和转弯平台等结构。实验结果表明:所提方法生成的地图在保持高分辨率的同时,数据量较传统点云地图减少了1个数量级以上,且地图分类的宏精准率达到91.3%。相较于传统方法,该方法能构建更加轻量化且具有地形分类标签的建筑内MGM,为无人平台安全高效的导航提供支持。

为保证无人水下航行器在执行海岸线巡逻、大型船只避碰以及穿越密集岛礁等复杂任务时的安全性,提出一种基于控制障碍函数的椭圆模型障碍物避障方法。在对障碍物进行椭圆形建模的基础上设计包含艏向角约束的控制障碍函数,构建带有约束条件的二次规划问题,通过与无障碍环境下的制导律相结合,得到闭式解形式的避障制导律。仿真结果验证了所提方法的有效性,可全局上满足安全性和稳定性要求,对于无人水下航行器在复杂海洋环境中的安全航行具有实际应用价值。

针对多智能体任务目标分配中航迹代价估算不准确的问题,提出一种基于改进快速搜索树算法的航迹代价计算方法,在合理地规划智能体运动轨迹的同时提高智能体航迹代价估算的准确性;针对改进合同网算法投标过程中优势智能体过早签约的问题,提出一种智能体投标状态转化机制,使得优势智能体可以多次参与任务竞标,实现智能体系统任务负载的均衡。仿真结果表明,新提出的航迹代价计算方法能够较好地计算智能体与目标、目标与目标之间的航迹;智能体投标转化机制解决了优势智能体过早签约导致的资源浪费,智能体系统完成任务的执行时间较之前降低6.54%,但处理优势智能体问题时新的机制会增加整个任务分配的投标轮次。

在实际监测任务中,及时有效地识别飞行模式至关重要。然而,现有的飞行模式识别方法主观性强、模式单一,限制了在复杂情况下的飞行监控能力,在实际应用中有局限性,进而导致模式边界定位不精确、识别精度低。为此提出一种基于敏感边界和长飞行序列的飞行模式智能识别方法(Intelligent Flight Pattern Recognition Method for Sensitive Boundaries and Long Flight Sequences, IFPRM-SBLFS),以对飞行模式进行智能识别。为了更好地探索多模式飞行参数的空间关系,设计自适应图嵌入,针对不同持续时间的飞行模式提出去噪深度多尺度自动编码器,以及用于减轻模型损失的分类加权焦点损失和回归联合时空交集损失。为验证所提方法的优越性,采集多架民用航班的真实参数,涵盖11种飞行模式,通过人工标注构建飞行模式数据集。仿真计算结果表明:新模型能够在连续飞行架次中自动区分不同的飞行模式,并准确提取模式边界,识别准确率达到了99.07%,且无需任何预处理或后处理;新的智能识别方法可以有效提高精确度和敏感边界的飞行模式识别效果。

针对无人机光电平台受到严重非线性因素影响,从而导致目标定位精度显著降低的问题,提出一种基于改进变异萤火虫优化粒子滤波(Improved Mutant Firefly Algorithm-Particle Filter,IMFA-PF)算法,用于无人机对地面目标精确定位。首先,建立无人机光电平台目标观测的状态方程和测量方程;利用IMFA-PF算法对目标地理位置进行估计,通过引入多重变异策略和弹力机制来改变粒子之间的相互作用模式,解决由严重非线性因素以及过度优化导致的粒子退化问题;通过一维非线性不稳定仿真系统和实测飞行实验验证了该算法的有效性。实验结果表明,所提算法能够改善粒子分布受观测非线性的影响,有效解决粒子退化的问题,与已有算法相比具有更好的鲁棒性和定位精度。

海面角反射器具有极强的雷达回波特性,其形成的假目标在时域持续干扰,制造虚假态势,给导引头的精准打击带来很大挑战。针对该问题,利用红外传感器不受角反射器干扰的优势,提出一种基于雷达-红外特征级融合的多目标场景下角反射器智能识别算法。通过YOLOv8网络对红外图像的目标干扰进行初次判别,高置信度目标图像直接输出识别结果;对低置信度目标图像单独裁剪,利用雷达-红外角度信息进行目标关联并提取雷达特征;将雷达特征与红外图像作为双通道融合网络的输入,实现对低置信度目标的二次判别。经实测数据验证,所提方法的识别准确率在96%以上,所做工作对角反射器干扰识别具有参考意义。

面向大规模无人机集群协同作业场景,针对航迹冲突频繁导致集群航迹规划高耗时的问题,开展基于强化学习冲突消解的大规模无人机集群航迹规划方法研究。构建“顶层冲突消解-底层航迹规划”的双层规划架构,降低航迹冲突的时空维度。在顶层冲突消解层,设计基于Rainbow DQN (Deep Q-Networks algorithm)训练框架的冲突消解策略网络,将每个航迹冲突的消解过程转换为二叉树拓展左、右树节点的动作选择过程,实现不同冲突消解顺序与冲突消解结果的映射,减少树节点的遍历,提高冲突消解效率;在底层航迹规划层,将时间维度引入空间避碰策略,提出基于节点重扩展机制的跳点搜索法(Re-planning Jump Point Search, ReJPS),增加规划可行域,提升航迹冲突的消解能力。仿真结果表明:相比基于CBS (Conflict Based Search)+A^*方法与CBS+ReJPS航迹规划方法,新方法在最优性相当的前提下,平均规划耗时分别降低了86.64%和19.65%。

为提高智能汽车的避障能力,提出一种基于速度障碍模型的智能汽车轨迹规划控制方法。结合速度障碍法和障碍物膨胀法,建立智能汽车的速度障碍模型,将动态障碍物在速度空间中的运动不确定转化为位置不确定,实现安全裕度根据障碍物尺寸和相对速度自适应调整。为兼顾轨迹跟踪精度和行驶稳定性,根据汽车状态方程、模糊控制原理和模型预测控制原理设计智能汽车模糊模型预测控制器(Fuzzy Model Predictive Control,FMPC)。为验证该方法的有效性,采用仿真软件建立其仿真模型。仿真结果表明:对多个随机的静、动态障碍物均可实现避障,且在避障后快速平稳地跟踪参考轨迹。通过避障稳定性分析得出,目标车速为100km/h,其最大横向速度为4.01km/h,最大横摆角速度为20.8°/s,最大质心侧偏角为2.32°,满足汽车行驶稳定性要求,该方法有效提高了智能汽车的避障能力及其行驶稳定性。

针对多约束条件下无人机时变编队控制中的能耗优化问题,提出一种基于动态参数扩展高阶控制障碍函数的优化控制方法。对现有的高阶控制障碍函数进行改进,综合考虑无人机与障碍物的运动状态建立扩展状态的动力学模型,将动态目标避障的安全性约束条件在扩展状态动力学模型上展开,得到用于建立动态目标避障的扩展高阶控制障碍函数;针对扩展高阶控制障碍函数约束的可解性与保守性问题,设计K类函数参数的自适应规则得到动态参数扩展高阶控制障碍函数,在提高含约束优化问题可解性的同时降低解的保守性。利用控制障碍函数与动态参数扩展高阶控制障碍函数建立多约束条件,基于一致性条件与哈密顿分析建立目标函数,将时变编队的能耗优化问题转化为多约束优化问题,并用二次规划进行求解得到最优控制输入。仿真结果表明,所提方法比固定参数扩展高阶控制障碍函数以及人工势场法具有更好的避障效果与更低的能耗。

针对区域防御任务中多个入侵者的拦截问题,考虑追捕任务间时序关系与总体拦截效能,提出一种多无人机序列捕捉算法。基于任务的长期规划收益与短期执行效果构建任务的时序收益与空间收益,分别作为任务分配和任务执行的优化目标,实现复杂博弈问题的动态实时求解。基于可达集方法描述攻防双方优势程度并构建任务时序收益,引入深度Q网络对其进行估计进而引导任务分配;基于任务空间收益求解单攻击者追逃博弈问题,给出连续动作空间任务执行的最优控制策略。仿真结果表明,所提算法通过优化任务时空收益能够实现多无人机间的有效合作,提升防御方的捕获成功率,并具有较强的可扩展性。

为解决编队控制存在的收敛速度慢、控制器连续更新问题,针对2阶多智能体系统,提出一种基于事件触发机制的预设时间编队控制方法。基于预设时间的加速度观测器,跟随者于预设时间内估计到领航者的加速度状态。设计基于事件触发机制的预设时间编队控制器使跟随者于预设时间内跟踪上领航者,避免了控制器的连续更新。基于严格的理论分析证明,多智能体系统可实现预设时间编队控制,且避免芝诺现象。数值仿真结果表明,新提出的基于事件触发的预设时间编队控制方法可使多智能体系统于指定时间内形成期望构型,同时降低控制器更新频率从而降低系统能耗。基于四旋翼无人机编队飞行试验结果,进一步验证了新提出的控制方法的可用性和拓展性。

针对无人水下航行器弹射鱼雷技术需求,提出一种新型柔性活塞杆式弹射方案,该方案利用大深度环境高压驱动活塞实现鱼雷弹射。据此建立柔性活塞杆式弹射鱼雷内弹道计算模型,并开展压力水筒原理试验验证。基于鱼雷出筒过程内弹道计算模型,与相关文献不同弹射方案开展对比研究。研究结果表明:相对于传统的多级缸式弹射方案,柔性活塞杆式弹射方案具有加速度平缓无陡变、有效加速行程大、出筒速度高等显著特点;相对于传统的高压气体驱动活塞方案,高压水方案无压力蓄能装置结构更为简单,提出的基于阶梯式降载原理的活塞缓冲方案较传统的节流孔缓冲方案降载效果更好,且不会造成活塞缸反腔压力过高的问题。鱼雷出筒过程弹道预报结果表明:在1.1~6.1MPa的环境背压下,鱼雷模型出筒速度变化范围为7.0~15.5m/s,尾部参考点未与弹射筒壁发生碰撞。研究结果验证了水压驱动柔性活塞杆式水下弹射方案的可行性,为装置的进一步研制开发提供了设计依据。

稳定高精度的定位是实现地面无人车辆协同自主行驶的先决条件。激光同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术在缺少几何特征的走廊、隧道、沙漠等场景中难以实现精准定位。为此提出一种无人车蛙跳协同的激光SLAM退化校正方法。估计当前帧每个特征点的法向量,并提出一种激光SLAM退化检测算法,当检测到环境退化时,使用两个无人车之间的测距信息对激光SLAM进行退化校正,在位姿图中进一步优化定位结果,并在自主搭建的两个无人车平台上进行测试。研究结果表明,新方法与当前主流激光SLAM方法相比获得了更高的建图效果,证明了新方法能够显著提高激光SLAM在退化场景中的定位效果。

针对固定翼无人机轨迹规划问题,提出一种基于精确凸松弛的实时轨迹规划方法。该方法包含路径规划和速度优化2个步骤。第1步,设计无人机在多障碍环境下的飞行路径。综合考虑无人机动力学和控制约束条件,提出基于Dubins路径的避障路径规划方法来生成适应固定翼无人机飞行性能限制的避障路径。第2步,计算无人机沿避障路径飞行的速度和控制。提出利用非线性保留和精确凸松弛将强非线性的速度优化问题转化为单个凸优化问题,并理论证明了方法的有效性。因为不需要迭代求解凸优化问题,速度优化算法没有收敛性问题,具有良好的实时性。仿真结果表明:新方法在多障碍环境和未知障碍环境中均能够可靠快速地完成避障轨迹规划,相比于非线性优化和序列凸优化,计算效率明显提升,计算时间仅为数十毫秒。

随着无人机相关技术的快速发展,智能无人机集群得到越来越多的研究。智能无人机集群应用自然界集群组织算法模型,并结合其他智能技术,形成高级群体智能行为,具有传统单人工智能体无法比拟的优势,但是可靠性问题也是制约其面向大规模应用的一个重要因素。系统分析智能无人机集群的概念、特征及技术发展路径,基于智能无人机集群的应用场景、应用模式及行为过程,探讨智能无人机集群的可靠性内涵,构建无人机集群可靠性技术框架,并结合智能无人机集群的技术特征和应用需求,给出智能无人机集群可靠性技术发展的技术途径与建议。最终在“1个核心,2种能力,N个基础”的可靠性内涵下,提出由可靠性指标、可靠性研制验证以及可靠性维持保障技术组成的智能UAVS可靠性技术框架。

为研究水平来流对小型无人机旋翼气动特征的影响规律,采用风洞试验和仿真模拟的方法,获取不同来流速度下无人机旋翼轴向和旋转平面内的多维气动数据以及尾涡扩散特征。通过低速风洞模拟水平来流,采用六分量力-力矩传感器测量0~15m/s来流速度和2000~9000r/min转速范围内旋翼的z轴轴向和x-y旋转平面的气动力和力矩数据;试验研究着重分析了旋转平面内侧向力和俯仰滚转力矩的变化规律;仿真模拟结果讨论了来流速度对旋转周期内表面压力分布的影响和近场尾涡的形态特征。研究结果表明:水平来流作用下旋翼效率最优转速区间为4000~6000r/min;旋转平面内x轴力是主导侧向力,x轴和y轴力矩同时起作用,来流速度高于5m/s时侧向力和力矩不可忽视,动力学分析必须予以考虑;水平来流导致旋翼尾涡的对称特征破坏,来流速度越大、倾斜角越大,尾涡扩散发展受到挤压。

无人平台箔条质心干扰是导弹末端防御的重要手段,其在平台机动和箔条发射等方面的智能决策能力是决定战略资产能否保护成功的重要因素。针对目前基于机理模型的计算分析和基于启发式算法的空间探索等决策方法存在的智能化程度低、适应能力差和决策速度慢等问题,提出基于多智能体深度强化学习的箔条干扰末端防御动态决策方法:对多平台协同进行箔条干扰末端防御的问题进行定义并构建仿真环境,建立导弹制导与引信模型、无人干扰平台机动模型、箔条扩散模型和质心干扰模型;将质心干扰决策问题转化为马尔科夫决策问题,构建决策智能体,定义状态、动作空间并设置奖励函数;通过多智能体近端策略优化算法对决策智能体进行训练。仿真结果显示,使用训练后的智能体进行决策,相比多智能体深度确定性策略梯度算法,训练时间减少了85.5%,资产保护成功率提升了3.84倍,相比遗传算法,决策时长减少了99.96%,资产保护成功率增加了1.12倍。

为解决无人机制导中跟踪目标尺度变化大、外形变化大、推理速度慢、数据集缺失的问题,提出了一种面向无人机视觉制导的自适应目标跟踪方法。自适应搜索区域机制通过分析制导过程调整搜索区域解决尺度变化快的问题;自适应模板更新机制通过更新模板特征解决外形变化大的问题。此外,该方法在骨干网络引入FasterNet Block,在跟踪头引入无锚机制,减少推理的时间。最后,构建并公开了一个包含12个制导视频的测试数据集 Guidance UAV以评估算法在视觉制导中的性能。实验结果表明,该方法不仅在通用无人机跟踪数据集 UAV123 上适用,而且在 Guidance UAV 上实现了最先进的性能,同时在机载设备Jetson Xavier NX 上保持15f/s的速度。室内无人机制导打击实验证明了算法的有效性。

为提升多无人机协同对地打击任务的作战效能并提高协同任务分配效率,提出一种基于作战单元毁伤概率结果的任务分配方法。构建3种典型地面目标毁伤评估模型,计算不同打击方向下各目标的毁伤概率作为任务分配问题的数据支撑。对各无人机挂载不同武器打击地面目标的典型场景,提出改进混合粒子群优化算法解决任务分配问题。利用遗传算法的交叉、变异操作更新粒子位置,对交叉操作、变异操作进行改进并引入粒子反转操作增加粒子的多样性,避免陷入局部最优。通过仿真算例对所提方法进行验证,结果证明在利用毁伤评估模型计算地面目标的毁伤概率后,所提方法能在满足毁伤要求的前提下得到满足约束条件的任务分配方案,且能提高多无人机体系整体上的作战效能。

针对无人机航拍图像密集度大、目标尺寸小、背景复杂等难点,提出一种基于多尺度注意力机制的小目标检测(Small target detection of BPAN-EF_C2f YOLOv8s,SBE_ YOLOv8s)算法,通过设计一种基于多尺度注意力机制的特征提取模块(EMA-Faster Block_C2f,EF_C2f),替换YOLOv8网络中的C2f模块,提高网络对小目标特征的提取能力;在特征融合网络中增加P1检测层,并设计一种跨尺度特征融合结构(Bi-Path Aggregation Network,BPAN),融合小目标特征信息;增加一个微小目标检测头,使用SIoU Loss作为边界框损失函数,提升小目标检测精度和网络收敛速度。在公开数据集VisDrone2019上进行实验验证。验证结果表明:与YOLOv8s算法相比,新算法在检测精度上提升了6.9%、mAP₅₀提升了9.1%,模型参数量减少了44.6%,检测速度为28帧/s,新算法在小目标检测领域具有一定的实用性。

跨域协同任务规划是无人系统实现集群化、自主化、多功能化的关键技术和重要支撑。主要聚焦海洋自主无人系统,阐述了无人系统跨域协同任务规划的基本概念和原则特点,分析了跨域无人集群典型应用案例,提出了无人系统跨域协同任务规划的控制结构和基本流程,构建了分布式任务规划模型,并通过剖析现阶段存在的突出问题,总结了下一步研究展望,以期为我国海洋自主无人系统建设和发展提供一定的参考。

针对无人系统难以应用于复杂任务场景的难题,将群体智能涌现作为研究出发点,以四旋翼无人机为研究对象,开展规模化无人集群共识模型与协同控制方法研究。设计感知视角空间剖分下的邻居优选机制和自吸引互排斥机制,生成集群空间构型,结合观点动力学中社会共识的形成机理构建观点综合机制,实现集群速度同步。提出自主分群、合群机制和主动规避与安全避障结合的避障方法,灵活调整集群规模以适应密集障碍物环境和多目标场景。验证结果表明,所提方法在仿真平台上可以应用于50架无人机的分布式集群,在多障碍物的室内、森林和城镇环境下,10架无人机集群能以5m/s的飞行速度安全穿越障碍区;所提方法在实物平台上可以应用于4架无人机的分布式集群,同时安全穿越室内障碍物区域,验证了集群模型的有效性。

随着地面无人平台(Unmanned Ground Vehicles,UGVs)在复杂作业环境中的潜在应用和战略价值日益凸显,确保其自主行为的安全性变得至关重要。提出一种结合系统理论过程分析(System-Theoretic Process Analysis,STPA)和Bow-Tie模型的地面无人平台系统安全分析方法。围绕遥控操作地面无人平台系统安全,通过STPA方法识别UGV系统中的不安全控制行为及其潜在风险,并利用Bow-Tie模型分析从损失致因场景到可能事故后果的事件链,得到风险传播路径和风险扩散路径。最终,基于Bow-Tie分析结果确定主被动安全分级控制措施,并通过自主安全控制器实现了系统安全管理。

无人机蜂群攻击意图判断涉及较多模糊不确定性因素,且判断过程属于不确定性推理过程,针对无人机蜂群攻击意图判断问题,提出一种基于离散动态贝叶斯网络-云模型的无人机蜂群攻击意图判断方法。根据无人机蜂群运用特点,构建无人机蜂群攻击意图判断指标体系,利用模糊逻辑理论将指标体系中的连续型变量转化为离散型变量,建立无人机蜂攻击意图判断方法模型,针对评估过程中指标数据缺失问题,采用前向信息修补算法进行信息预测修补。仿真分析结果表明:所提方法具有一定的容错能力,可结合前后信息进行有效判断,准确度更高。为反无人机蜂群运用指挥决策提供参考依据。

针对空地异构无人系统协同侦察的任务分配问题,提出一种面向侦察任务和通信中继任务的两阶段混合任务派单(Two-stage Mixed Task Assignment,TMTA)算法。基于各无人智能体的侦察距离、通信中继距离及目标位置,构建侦察位置与通信中继位置的备选集。以任务时效性与路径代价为目标函数,结合侦察任务/通信中继任务完成约束、任务位置选择/任务执行时间与任务路径的耦合约束,以及路径连续性等约束,构建侦察与通信中继任务派单模型。针对派单模型的非线性特征,综合集合覆盖算法、匈牙利算法和遗传算法的优势,设计TMTA算法,实现了模型的高效求解。通过实验对TMTA算法进行验证。实验结果表明,TMTA算法在任务时效性与无人系统行驶成本上均优于基准派单算法。

随着智能协同算法与自主化技术在空、天、海装备领域中的广泛应用,多域集群分布式协同自主控制技术得到深入研究,并显著提升了无人装备的智能自主化程度。从多域集群分布式智能自主控制技术的发展需求出发,系统梳理多域协同领域相关文献和多域集群分布式协同控制技术的国内外研究现状;深入分析了多域集群协同自主控制技术策略方法、重点研究方向和前沿方法;通过总结相关关键技术与方法,讨论了其在未来发展趋势。为提升无人集群系统协同自主控制能力提供参考。

水面无人艇(Unmanned Surface Vehicles,USV)具有机动性好、隐蔽性强、活动范围广等优点,在侦查、反潜、搜救等任务中具有广阔的应用前景,而环境感知技术是USV执行任务的基础,受到广泛关注。对国外USV环境感知技术发展现状进行调研,通过具体案例对USV环境感知技术进行定义并剖析任务难点;结合USV使用的感知设备,从单模态感知和多模态感知两个角度具体分析USV感知技术研究现状;总结分析USV暂未解决的难点并对USV环境感知技术发展给予展望。