1 空军工程大学航空航天工程学院，西安 710038
2 光电控制技术重点实验室，河南 洛阳 471023
针对现阶段分组一致性协议应用的局限性，提出了模糊C-均值聚类算法和考虑子编队之间信息交互的分组一致性控制协议。首先，构建了包含多无人机编队作战关键因素的无人机向量，基于模糊C-均值聚类算法实现了贴合实战需求的编队拆分分组。其次，针对现有分组一致性算法的局限性，提出了一种考虑子编队之间信息交互的分组一致性控制协议，并利用稳定性理论和矩阵论知识推导了相应判据准则。仿真结果表明，所设计的编队分组决策方法和一致性协议可有效实现编队拆分分组和子编队状态的分组一致性，仿真实验验证了判据准则的正确性。
多无人机编队 队形拆分 分组一致性 模糊C-均值聚类 multi-UAV formation formation separation grouping consensus fuzzy C-mean clustering algorithm
1 景德镇陶瓷学院机电系, 江西 景德镇 333403
2 中国电子科技集团公司第二十八研究所,南京 210007
考虑多无人机编队自主重构的优化设计问题，联合编队过程中的3类代价函数、无人机的非线性动力学方程以及4类不等式约束条件，构成一个非线性多目标优化模型。采用加权和策略并将所有的等式和不等式约束分别组合，将非线性多目标优化模型转化为一个标准的非线性单目标优化模型。采用运筹学中的内点算法来求解最优解，并在算法的实现过程中做了某些改进，以避免出现矩阵的秩亏损。从理论上证明多目标优化在加权和策略下与单目标优化间的等价性。最后用仿真算例验证了算法的有效性。
多无人机编队 自主重构 内点算法 多目标优化 multi-UAV formation autonomous reconfiguration interior point algorithm multi-objective optimization
1 中国电子科技集团公司第二十八研究所国家重点实验室, 南京 210007
2 南京大学天文与空间科学院, 南京 210096
针对多无人机编队的异常检测问题,为避免多假设检验及概率不等式的复杂性,将异常检测问题转化为一个线性未知参数矢量的辨识过程.在有无异常检测个数的先验条件下,分别构造极大似然辨识问题和非凸的稀疏优化问题,利用最优必要条件求解最优估计值.采用松弛法将非凸稀疏优化规划成易于求解的凸优化问题.针对凸优化问题中的范数形式,分别应用最优必要条件和快速梯度算法来近似估计最优值,并分析快速梯度算法的收敛不等式.最后用仿真算例验证所提方法的有效性.
多无人机编队 异常检测 稀疏优化 快速梯度算法 multi-UAV formation anomaly detection sparse optimization fast gradient algorithm
1 海军航空工程学院, 山东 烟台 264001
2 光电控制技术重点实验室, 河南 洛阳 471000
提出了动态环境下多无人机编队执行不同使命任务的自主协同控制系统结构。按照分层递阶的思想, 将多无人机编队作战系统分为两级分层控制结构和五层功能结构, 从不同层级实现无人机群的自主控制, 保证了机群指挥的统一性、控制的灵活性和系统的可扩展性; 采用灵活的系统通信结构以应对战场环境的不确定性; 个体无人平台之间局部相互作用引起的涌现行为及无人机功能编队之间的分布式任务规划, 自下而上地驱动作战系统的资源优化配置, 结合自上而下的系统指控组织动态适应性优化, 优化了系统指控组织结构, 有效地整合了战场资源。
多无人机编队 自主协同控制 分层递阶 指控组织 multi-UAV team autonomous cooperative control hierarchical system C2 organization
