针对战场环境下的多无人机协同打击问题, 为了提高无人机的生存率和保证对目标的精确打击, 提出了一种末端同时到达、空间均匀分布的分段航迹规划方法。首先, 构建了满足战场需求的多目标航迹优化模型; 其次, 通过引入协同变量, 设计了多方位同时到达的协同攻击策略; 最后, 采用种群分裂合并原则并基于“分段式”惯性权重调整策略、Tent混沌映射种群初始化的方法对粒子群(PSO)算法进行改进, 并应用于问题求解。仿真结果表明, 所提模型能够在复杂、多威胁的战场环境中, 实现多无人机对目标的协同打击, 改进后的粒子群算法收敛速度更快、精度更高。

针对存在通信时延时含单一领导者的多无人机系统的编队控制问题, 基于一致性控制理论设计了控制器, 使得系统在一定的通信时延条件下依旧能够使各系统状态趋于一致, 形成期望的编队。首先, 建立系统中各无人机的动力学模型, 做出一些基本假设, 并根据一致性理论设计参数待定的控制器; 其次, 通过变量代换和数学变形, 得到一个新系统, 将原系统的编队控制问题转化为低阶系统的渐近稳定问题; 最后, 设计Lyapunov-Krasovskii函数, 结合线性矩阵不等式推导出了系统达到一致性的充分条件。仿真结果表明, 在满足给出的条件时, 系统能够在时滞条件下形成期望的时变编队。

针对多无人机协同搜索多运动目标航迹优化问题, 建立基于搜索概率图的信息环境模型, 提出了一种基于人工势场与自适应参数调整粒子群优化的搜索算法(APF-APSO算法), 用于不确定环境中的动态目标搜索。利用人工势场中无人机与山体之间、无人机之间的虚拟排斥力进行有效避障, 以及无人机与目标之间的虚拟吸引力加快目标搜索; 通过非线性的指数函数参数调整法对粒子群参数进行调整, 并根据无人机搜索过程中得到的栅格单元信息确定度和目标存在概率对搜索概率图进行实时更新, 来引导无人机对目标进行搜索。仿真结果表明, 与其他算法相比, 所提算法在搜索目标方面具有很大的优势, 缩短了路径长度;避免了陷入局部最优解, 具有较好的收敛性; 能够有效地实现多无人机之间的协同搜索, 提高了搜索效率。

针对分布式群系统编队控制问题, 提出一种有向拓扑条件下的分布式编队控制方法。首先, 通过在控制协议中引入辅助函数, 利用变量代换, 将编队控制问题简化为自治系统的稳定性问题, 使得复杂的控制问题简单化。其次, 通过求解线性矩阵不等式设计控制增益矩阵, 形式简单, 求解复杂度低。然后借助李雅普诺夫方法分析系统的稳定性。仿真实验表明, 多无人机系统在分布式控制协议下, 能够有效实现编队跟踪控制。

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。

基于对局迭代对多无人机协同空战博弈决策问题进行了研究。首先, 根据敌我双方作战态势和效能参数信息, 利用矩阵对策法建立敌我双方对抗支付博弈模型, 得到支付矩阵;然后, 根据混合策略纳什均衡的定义及其推导过程给出了使用对局迭代求解空战博弈混合策略纳什均衡的方法与求解步骤;最后, 通过仿真实例验证了该方法的可行性及有效性, 为解决多无人机空战策略问题提供了有价值的参考。

运用多无人机执行侦察任务具有突出优势，研究多无人机侦察任务分配方法具有重要意义。从多无人机侦察任务分配问题建模与求解两个方面展开综述。首先对经典模型进行介绍并分类，讨论其特点及适用问题; 其次对集中式、分布式、混合式求解方法进行归纳，对代表算法进行介绍，分析其优缺点与应用前景; 最后结合实际需要指出目前多无人机侦察任务分配方法在模型建立、任务分配动态性、任务分配不确定性、任务分配对抗性和大规模任务分配等方面存在的不足以及未来的研究方向。

为提高多无人机动态侦察分配效率,更好地满足现代战争对多无人机动态侦察实时性的要求,建立了多无人机动态侦察资源分配模型。该模型将动态任务分配问题转化为多阶段静态分配问题,利用状态更新方法对各阶段静态分配问题的初始状态进行更新,从而提升整体分配效率。采用改进的人工蜂群算法对该模型进行求解,在选择蜜源阶段采用双向进化以增加种群的多样性,提高了算法的寻优能力。仿真结果表明,动态侦察资源分配模型相较于传统的静态分配模型具有侦察效率高、续航能力强的优势,且更适用于大规模无人机集群作战情况。

针对联合连通拓扑条件下具有多个领导者的多无人机系统编队包含控制问题, 分别为领导者和跟随者设计分布式一致性控制器, 依据领导者和跟随者对Laplacian矩阵进行分块, 对具有有向生成树的Laplacian矩阵进行特殊分解, 将领导者的编队控制问题简化为低阶时变系统的渐近稳定性问题。定义跟随者实现包含控制误差量, 将跟随者的包含控制问题简化为时变系统的渐近稳定性问题。利用平均化方法, 将两个时变系统的渐近稳定性问题转化为两个时间平均系统的渐近稳定性问题, 借助线性矩阵不等式和Lyapunov函数给出了控制器的设计步骤, 使得多无人机系统的通信拓扑切换足够快, 多无人机系统就能在联合连通拓扑条件下实现编队包含控制。通过仿真验证, 结果表明所设计控制器的有效性。

针对二阶多无人机系统时变编队控制问题, 借助事件触发函数, 设计了一致性分布式控制器, 使其形成时变编队。结合Laplacian矩阵的特殊性质, 对其分解, 将编队问题化简为低阶系统渐近稳定性问题。给出控制器设计算法, 利用线性矩阵不等式(LMI)和Lyapunov函数证明了在给定事件触发函数下算法的有效性, 并证明了所给事件触发函数时间序列不存在Zeno现象。对多无人机系统的运动在三维空间进行仿真, 结果表明无人机在所设计的控制器作用下形成期望的时变编队, 有效地节约了通信带宽和计算资源。