火箭军工程大学 导弹工程学院，陕西 西安 710025
针对现有目标检测算法未考虑无人机群成员之间相互关系，容易出现漏检、误检群成员和未能感知无人机群队形结构特性的问题，提出了一种基于红外探测的无人机群结构特性感知方法。首先，为减少图像中无人机外观特征损失，设计了空间深度-通道注意力模块，该模块结合空间深度转换模块保留判别特征信息的优点和通道注意力关注通道间相关性的特点，提高了检测网络的特征提取能力；其次，为充分利用图像中无人机群成员的位置、边界框大小等结构信息，提出了群成员关系模块，将无人机的结构信息融入到无人机群成员之间的关联信息，提高了检测网络对无人机群成员的检测定位能力。最后，在自建的Drone-swarms Dataset数据集上开展实验验证。实验结果表明：文中提出的无人机群结构特性感知算法的mAP达到了95.9%，较原始YOLOv5算法的mAP提高了约7%，有效提高了无人机群成员的检测精度；同时，检测速度达到59帧/s，实现了无人机群目标的实时检测，进而实现了无人机群队形结构特性的感知。
红外探测 无人机群 群成员结构 通道注意力 群成员关系 infrared detection UAV group group member structure channel attention group member relation 红外与激光工程
2024, 53(1): 20230429
1 上海市质量监督检验技术研究院，上海 200031
2 中国科学院长春光学精密机械与物理研究所，吉林 长春 130033
针对无人机载光电平台的安装特点，文中对平台及阻尼减振器特性进行了分析、建模与测试。首先，对光电平台阻尼减振器特性进行了介绍；其次，分析了安装阻尼减振器后的光电平台特性，并对阻尼减振器的运动特性进行建模，分析阻尼减振器安装布局与平台性能之间的关系；最后，结合具体某型光电平台及其配套阻尼减振器，给出了仿真结果及相同外部扰动条件下减振器安装位置对平台性能的测试结果。结果表明：相关研究对优化无人机载光电平台阻尼减振器布局及提升载荷整体性能具有积极的意义。
无人机 光电平台 阻尼减振器 运动建模 性能测试 UAV EO payload damper motion model performance test 红外与激光工程
2024, 53(1): 20230432
三峡大学电气与新能源学院, 湖北 宜昌 443000
在激光供能无人机中, 激光跟瞄无人机光伏电池板的方法成为关注热点之一。针对激光跟瞄无人机存在跟踪偏差大的问题, 提出基于改进蝴蝶优化的粒子滤波算法。首先在蝴蝶优化算法初始化阶段引入对立学习策略, 改善算法寻优性能; 其次将蝴蝶优化算法位置更新公式进行优化, 提升算法寻优速度; 最后将引入蝴蝶优化算法的粒子滤波算法应用于激光供能无人机的跟瞄中, 实现激光对无人机光伏电池板的最优跟踪。MATLAB结果表明, 基于改进蝴蝶优化的粒子滤波算法在激光跟瞄过程中可以提高激光器发射激光的准确度, 有效减小跟瞄误差, 改善激光跟瞄无人机光伏电池板的效果。
无人机 激光供能 跟瞄方法 粒子滤波 蝴蝶优化算法 UAV laser energy supply tracking method particle filter butterfly optimization algorithm
长沙理工大学电气与信息工程学院, 长沙 410000
针对无人机室内无全球定位系统(GPS)信号、定位精度较低的问题, 提出融合视觉和惯性数据来实现无人机室内定位。前端改进特征匹配算法, 针对图像发生旋转运动提出了利用主成分分析法(PCA)计算旋转角度, 改变特征点所在网格及其8邻域网格, 并根据邻域特征点与匹配特征点欧氏距离设定高斯阈值, 提出新的分数统计模型, 使正确匹配对的数量增多, 提高了特征匹配的快速性和视觉室内定位的准确性。针对图像局部相似产生误匹配问题, 提出了利用特征点之间的几何关系确定数据集, 通过Pearson相关系数分析数据的相似性, 设定阈值剔除置信度较低的特征匹配对, 优化视觉估计无人机的位姿信息、后端采用视觉惯性基于滑动窗口的紧耦合优化位姿信息。通过设计室内光线正常与室内光线较暗情况下的无人机悬停实验, 分析其飞行日志可知, 改进后网格运动统计(GMS)算法的特征匹配速度是原算法的3倍, 并在局部相似区域剔除误匹配, 特征匹配准确率能达到94%, 无人机室内定位精度达到0.02 m, 能在复杂**环境中有更好的应用。
无人机 室内定位 剔除误匹配 惯性测量单元 视觉定位 UAV indoor positioning mismatch elimination GMS GMS IMU visual positioning
中国人民解放军92228部队, 北京 100000
针对无人飞行器编队协同过程中的避碰控制问题, 设计了一种基于两极导航函数与模型预测控制(MPC)相结合的飞行器编队分布式避碰控制方法。首先, 利用邻居集中其他飞行器的位置信息及其目标位置, 建立每架飞行器的导航函数和控制律; 然后, 基于MPC设计了分布式高层编队控制律, 给出分布式预测控制算法; 最后, 以5架无人飞行器在末端攻击阶段飞向各自分配的目标点为例,对飞行器编队避碰控制方法进行了仿真。仿真结果表明, 基于导航函数和MPC的飞行器编队协同避碰控制方法是有效的。
无人飞行器编队 导航函数 预测控制 分布式避碰控制 UAV formation navigation function predictive control distributed collision avoidance control
1 无锡学院, 江苏 无锡 214000
2 南京信息工程大学, 南京 210000
3 无锡学院, 江苏 无锡 214000南京信息工程大学, 南京 210000
针对传统蜉蝣算法在求解无人机航迹规划存在稳定性差、精度低、收敛速度慢, 且容易陷于局部最优等问题, 提出了一种应用于无人机航迹规划的多策略改进蜉蝣算法。首先, 建立代价函数模型和环境模型, 将无人机航迹规划问题转变为满足无人机可行航路要求和航路安全约束的优化问题;其次, 基于莱维(Lévy)飞行原理对粒子种群(PSO)初始化, 通过采用自适应t分布和基于Pareto原理的精英保留策略对传统蜉蝣算法进行改进;最后, 通过仿真实验验证了所提算法。结果表明: 改进的蜉蝣算法的性能优于传统蜉蝣算法和粒子群算法, 且规划出的航迹质量较高。
无人机 航迹规划 蜉蝣算法 自适应t分布 Lévy飞行 UAV path planning Mayfly algorithm adaptive t-distribution Lévy flight
在复杂环境中执行任务已经成为旋翼无人机发展的必然趋势。为了让旋翼无人机在复杂环境中高效、安全地执行任务, 学者们对旋翼无人机的双目视觉避障技术展开了广泛的研究。为了解旋翼无人机的双目视觉自主避障技术的现状及发展趋势, 首先,介绍了双目视觉避障系统的构成, 分析各技术在双目视觉避障系统中的作用; 然后, 重点介绍双目视觉避障技术中常用的相机标定方法、立体匹配算法和避障算法, 总结了各自的优缺点, 并阐述最新发展; 最后, 对双目视觉避障技术的发展方向进行了展望。
旋翼无人机 相机标定方法 立体匹配算法 避障算法 综述 rotorcraft UAV camera calibration method stereo matching algorithm obstacle avoidance algorithm review
1 沈阳飞机设计研究所, 沈阳 110000
2 北京航空航天大学,自动化科学与电气工程学院.飞行器控制一体化技术重点实验室
3 沈元学院, 北京 100000
4 北京航空航天大学,自动化科学与电气工程学院，飞行器控制一体化技术重点实验室
针对无人机自主空中加油过程中加油机、受油机会合编队问题, 基于Lyapunov导航向量场(LGVF)和一致性理论设计了一种编队控制方法。首先, 建立了无人机编队模型, 包括通信拓扑模型和编队几何模型, 并在此基础上定义了多无人机系统的协同变量; 接着, 设计了期望的加油轨迹, 并基于Lyapunov导航向量场方法设计了加油机(编队参考点)的飞行控制律; 然后, 根据加油机的位置、速度信息, 基于一致性理论设计了加、受油机会合编队控制方法, 并分析了该方法的稳定性; 最后, 进行了数字仿真,表明了所提方法的有效性。
自主空中加油 无人机编队 Lyapunov导航向量场 一致性理论 automated aerial refueling UAV formation Lyapunov guidance vector field consensus theory
1 南京信息工程大学自动化学院, 南京 210000
2 南京信息工程大学自动化学院, 南京 210000 江苏省大气环境与装备技术协同创新中心, 南京 210000
针对存在外界干扰的四旋翼无人机轨迹跟踪问题, 提出了一种分数阶Super-Twisting滑模控制器。基于双闭环控制策略, 将四旋翼无人机系统解耦为位置子系统和姿态子系统; 利用Super-Twisting算法设计出滑模控制器, 可在消除系统抖振的同时实现全局有限时间收敛; 为了进一步提高系统的控制精度和抗干扰性, 引入了分数阶微分积分算子; 最后, 与传统Super-Twisting滑模和积分终端滑模进行的仿真对比,验证了所提算法的优越性。
四旋翼无人机 分数阶滑模 轨迹跟踪 quadrotor UAV fractional-order sliding mode Super-Twisting Super-Twisting trajectory tracking
1 常州大学计算机与人工智能学院江苏 常州 213000
2 常州大学微电子与控制工程学院江苏 常州 213000
随着低空空域环境的日益复杂, 执行任务的无人飞行器间发生冲突的概率不断增加。针对传统强化学习算法SAC,DDPG在解决有限空域内多无人飞行器间的避碰问题上存在收敛速度慢、收敛不稳定等缺陷, 提出了一种基于PPO2算法的多智能体强化学习(MARL)方法。首先,将多无人飞行器飞行决策问题描述为马尔可夫决策过程; 其次,设计状态空间与奖励函数, 通过最大化累计奖赏来优化策略, 使整体训练更加稳定、收敛更快; 最后,基于深度学习TensorFlow框架和强化学习Gym环境搭建飞行模拟场景, 进行仿真实验。实验结果表明,所提方法相较于基于SAC和DDPG算法的方法, 避碰成功率分别提高约37.74和49.15个百分点, 能够更好地解决多无人飞行器间的避碰问题, 在收敛速度和收敛稳定性方面更优。
无人飞行器 深度强化学习(DRL) 多智能体 避碰 UAV Deep Reinforcement Learning (DRL) multi-agent collision avoidance PPO2 PPO2
