收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

蚁群优化理论在无人机战术控制中的应用研究

陈岩  
【摘要】: 随着无人机(Unmanned Aerial Vehicle,UAV)在现代战争中越来越广泛的应用,以及适应新军事变革要求的联合无人机作战概念的不断发展,无人机战术控制日益成为缩短无人机传感器到战术用户之间的信息决策链,实现跨建制、网络化、扁平化的无人机指挥与控制,发挥多无人机协同和集群优势的关键问题。无人机战术控制不仅涉及公共的信息标准、开放的体系结构和可重构的无人机任务规划与指挥控制功能组件等基本问题,而且还需要解决在复杂战场环境中多无人机协同执行多用户战术任务的高层协调控制问题,这对现有的优化理论和控制方法提出了挑战。 本文以无人机战术控制为背景,开展蚁群优化理论在多无人机协同多任务规划、多用户情报分发路由、多无人机任务自组织控制等关键问题中的应用研究,改进基本蚁群算法、扩展蚁群优化机制,探索能够有效解决无人机战术控制这一类多主体协同控制与多目标优化问题的新方法。本文主要研究内容及成果如下: (1)提出了再励学习蚁群算法(Reinforcemant Learning Ant Colony Algorithm,RLACA);讨论了多子群蚁群优化思想,提出了有效降低算法复杂度的预编序号策略和控制配队策略。在基本蚁群算法基础之上,围绕信息素更新机制,针对当前改进算法蚁群信息利用不充分的问题,提出了信息素的再励学习(RL)更新机制。仿真实验证明,引入RL机制的RLACA算法体现出更快的收敛速度和更强的全局搜索能力。讨论了多子群蚁群算法,给出了求解不同子问题的异质多子群算法框架,分析了算法的复杂性;针对“子问题结合”空间搜索的指数级复杂性问题,提出了预编序号策略和控制配队策略,有效地将算法复杂度降低到特定规模。 (2)开展了蚁群算法在无人机协同多任务规划中的应用研究。根据分层递阶控制的思想,将无人机协同多任务规划问题分解为协同多任务分配问题和航路规划问题,有效降低了原问题求解的复杂性。针对协同多任务分配问题,对通用CMTAP问题模型进行扩展,建立了协同多任务分配模型。在此基础上,基于异质多子群蚁群算法框架,引入预编序号策略,设计了基于分工机制的任务分配蚁群算法。仿真结果表明,基于分工机制的任务分配蚁群算法能够有效解决复杂约束条件下的协同多任务分配问题,并具有对动态变化任务需求响应的敏捷性。针对复杂环境下无人机航路规划问题,引入概率地图对战场环境进行拓扑化描述,在此基础上运用引入信息素再励更新机制的蚁群算法进行航路规划,提高了算法的求解效率。仿真实验结果表明算法具有较高的规划速度和良好的求解精度。 (3)开展了蚁群算法在无人机情报分发路由中的应用研究。从最大程度满足用户需求、降低网络通信负载出发,给出了需求满足最大化的单播路由模型以及费用最小化的多播路由模型。在此基础上,针对情报单播分发的敏捷性要求,在RLACA算法的基础上调整了蚁群状态转移规则,设计了信息素的局部更新机制,提出了求解情报分发单播路由的蚁群算法。仿真实验表明,算法能快速获取问题的(近似)全局最优解。针对当前多播路由算法易陷入局部极值的问题,在异质多子群蚁群优化基础上引入控制配队策略,设计了配队蚁群算法(TMACA)。TMACA采用基于多播树结构的信息素广域再励更新机制,在提升收敛速度的同时保证了全局搜索能力;仿真实验结果表明,TMACA具有跳出局部极值的能力,而且能快速收敛到(近似)全局最优解,算法性能不随网络规模的增长而急剧变化。 (4)提出了不确定环境下无人机任务自组织的分布式蚁群算法。就如何提高无人机对未来不确定战场环境的自主作战能力,通过分析蚁群中兵蚁的搜捕行为,设计了与无人机行为特性相适应的分布式搜捕蚁群算法(Distributed Raid-PatternAnt Colony Algorithm,DRPACA)。DRPACA采用无中心节点的体系结构,保证了复杂环境下系统的稳定性与生存能力。DRPACA以蚂蚁作为无人机代理,针对环境不确定性、无人机有限探测能力与多机任务效能最大化的矛盾,蚂蚁之间采取基于信息素的间接通信和基于数据链的直接通信,增强了蚂蚁对战场环境以及任务进展的感知能力;针对环境的动态特性以及打击目标的有限价值特性,提出了时变、全局/局部相结合的信息素更新机制,增强了算法的多任务覆盖能力;针对蚂蚁之间直接通信的延迟和数据丢失问题,提出了基于信息素分布的状态预估模型,增强了蚁群行为的协同性。仿真结果表明,该方法能够控制无人机集群在保证对任务区域的侦察覆盖的前提下,对敌方目标实施快速有效的压制打击,同时适应动态变化的战场环境和任务需求。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 税薇;葛艳;韩玉;魏振钢;孟友新;;基于混合蚁群算法的无人机航路规划[J];系统仿真学报;2011年03期
2 楚瑞;周德云;马云红;;一种新型启发式搜索算法研究[J];弹箭与制导学报;2006年S8期
3 柳长安,李为吉,王和平;基于蚁群算法的无人机航路规划[J];空军工程大学学报(自然科学版);2004年02期
4 姚永杰;席庆彪;刘慧霞;;基于改进遗传蚁群算法的无人机航路规划[J];计算机仿真;2011年06期
5 任波;于雷;韩李勋;;自适应蚁群算法的无人机航迹规划方法[J];电光与控制;2007年06期
6 胡中华;赵敏;;无人机任务规划系统研究及发展[J];航天电子对抗;2009年04期
7 叶文;廉华耕;漆云海;陈海生;赵方义;;无人机航路规划算法研究[J];电光与控制;2011年02期
8 邱小湖;邱永成;;优化蚁群算法在无人机航路规划中的应用[J];计算机仿真;2010年09期
9 马培博;康彦肖;张冬宁;;遗传算法在无人机航路规划中的应用[J];无线电工程;2010年09期
10 田伟;张安;;改进蚁群算法的无人机航路规划[J];火力与指挥控制;2008年11期
11 严建林;李春涛;;无人机航路规划技术研究进展[J];航空计算技术;2007年05期
12 鲁艺;周德云;;基于数学形态学的无人机航路规划方法研究[J];弹箭与制导学报;2006年S7期
13 郑锐;冯振明;陆明泉;;基于遗传算法的无人机航路规划优化研究[J];计算机仿真;2011年06期
14 穆中林;鲁艺;任波;张斌;;基于改进A~*算法的无人机航路规划方法研究[J];弹箭与制导学报;2007年01期
15 王磊;施荣华;;基于粒子群算法的无人机航路规划与建模仿真[J];计算机仿真;2011年04期
16 朱向阳;李强;;无人机航路规划与威胁源模型研究[J];微计算机信息;2009年19期
17 周彬彬;王学伟;曾毅;;无人机航路规划问题初步研究[J];中国西部科技;2011年04期
18 董世友;祝小平;龙国庆;;多架无人机协同攻击目标的研究[J];弹箭与制导学报;2004年S3期
19 蒋定定;李万泉;;基于改进蚁群算法的无人机侦察航路规划研究[J];飞机设计;2008年02期
20 马向玲;陈旭;雷宇曜;;基于数据链的无人机航路规划A~*算法研究[J];电光与控制;2009年12期
中国重要会议论文全文数据库 前10条
1 朱华光;刘莉;朱勇;;基于蚁群算法考虑无人机可用过载的航迹规划[A];第六届全国信息获取与处理学术会议论文集(1)[C];2008年
2 乔宗涛;谢军;谢明;;蚁群优化算法在无人机航路规划中的应用[A];中国航空学会控制与应用第十二届学术年会论文集[C];2006年
3 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
4 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
5 柳长安;王和平;詹浩;李为吉;;蚁群算法在无人机航路规划中的应用[A];探索创新交流--中国航空学会青年科技论坛文集[C];2004年
6 武晶杰;潘丽君;张峰刚;;虚拟战场环境中武装直升机航路规划算法研究[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
7 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
8 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
9 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
10 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
中国博士学位论文全文数据库 前10条
1 陈岩;蚁群优化理论在无人机战术控制中的应用研究[D];国防科学技术大学;2007年
2 柳长安;无人机航路规划方法研究[D];西北工业大学;2003年
3 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
4 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
5 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
6 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
7 何荥;用信息法研究天空亮度分布[D];重庆大学;2008年
8 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年
9 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
10 吕雄伟;邮政物流车辆路径问题研究[D];西南交通大学;2009年
中国硕士学位论文全文数据库 前10条
1 楚瑞;基于蚁群算法的无人机航路规划[D];西北工业大学;2006年
2 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
3 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
4 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
5 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
6 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
7 姚海亮;基于改进蚁群算法的QoS路由研究[D];厦门大学;2008年
8 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年
9 孙莹;无底柱分段崩落法矿山生产调度系统优化研究[D];西安建筑科技大学;2010年
10 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年
中国重要报纸全文数据库 前10条
1 柴宪辉 纪保成;总装某基地新型无人机试验成功[N];科技日报;2009年
2 本报专稿 李思;军售受制美国 以色列冻结向俄无人机出口[N];世界报;2009年
3 ;德搁置先进无人机项目[N];世界报;2009年
4 王小龙;美“离子虎”无人机创巡航时间新纪录[N];科技日报;2009年
5 陈宇;美要用激光 对付无人机[N];中国国防报;2009年
6 ;伊朗成功试验国产隐身无人机[N];中国航空报;2010年
7 许赟;巴基斯坦接收美国“影子”无人机[N];中国航天报;2010年
8 高宏建 王璠 尹航;无人机:未来空中“小霸王”[N];科技日报;2010年
9 曾涛;中国无人机技术发展迅猛[N];国防时报;2010年
10 ;美国无人机再袭巴基斯坦[N];新华每日电讯;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978