针对多无人机编队控制难题, 设计了一种基于虚拟长机与非线性视线导引律相结合的多机编队控制算法。将编队飞行过程分为航路飞行与航路切换两个阶段。在航路飞行阶段, 虚拟长机由非线性视线导引律生成参考点, 根据队形的几何位置生成实际编队飞机的期望参考点, 进而得到每架飞机保持编队队形所需的滚转角指令；在航路切换阶段, 虚拟长机采用圆弧飞行, 以虚拟长机作为编队飞机的期望参考点生成队形保持的滚转角指令。速度指令由虚拟飞机与编队飞机之间的距离误差得到。以某固定翼飞机的非线性仿真模型为基础, 设计典型“V”字队形, 通过数值仿真验证了多架飞机在航路飞行与航路切换阶段编队算法的可靠性与控制精度。

针对通信带宽受限下的无人机集群协同搜索问题, 考虑了战场环境中存在威胁区的情况, 提出了一种分布式多无人机意图交互的优化搜索算法。首先, 基于设计的环境态势感知图, 建立了环境状态空间模型以及更新方法;其次, 定义了多步长下的搜索回报函数, 得到各无人机的决策意图;然后, 设计了融合更新算子以及带宽受限下的动态通信拓扑, 实现了多无人机之间的意图交互;最后, 在获取其他无人机意图的基础上进行再决策。仿真结果表明, 所提算法能够在通信带宽受限情况下, 完成多无人机对任务区域的协同覆盖搜索任务, 并实现了对威胁区域的规避。

为解决大机动目标拦截过程中加速度信息难以预测的问题, 利用自适应RBF神经网络和反步滑模控制技术提出一种新型三维智能制导律。首先, 基于零化视线角速率的思想, 建立了拦截机动目标的三维制导模型, 并结合反步滑模算法设计了有限时间制导律;然后, 将目标加速度信息视为控制系统的不确定性, 采用RBF神经网络对其进行在线估计和补偿, 同时设计自适应切换增益以抑制控制系统抖振;最终, 基于Lyapunov直接法证明了整个闭环控制系统的稳定性, 并通过对比仿真验证了所提三维制导律的有效性和优越性。

为解决拓扑切换和时延条件下的非线性多智能体协同输出调节问题, 提出了分布式状态观测器控制算法和模糊反馈控制策略。利用T-S模糊模型将非线性系统转化为线性系统；针对智能体跟随者无法获取外部领导者系统状态的协同输出调节问题, 设计了分布式状态观测器和模糊输出反馈控制器, 通过状态观测器估计外部领导者系统的状态信息并反馈给系统的控制器, 解决了跟随者无法获取外部领导者状态的问题；应用Lyapunov稳定性理论证明了拓扑切换和时延条件下非线性多智能体系统稳定性；最后, 通过Matlab算例验证控制律的正确性和有效性。仿真结果表明: 所设计的状态观测器能够解决系统状态不可测问题, 跟随者能够跟踪到领导者信号, 并且跟踪误差为零。

针对无人机编队控制中无人机智能化程度不足、缺乏自主学习能力等问题, 基于深度强化学习中DDQN算法设计无人机编队控制器, 该控制器可同时控制速度与航向通道, 使僚机能够自学习跟踪长机并保持编队, 提高无人机智能化程度。为验证设计控制器的有效性, 通过仿真将设计的DDQN控制器与传统PID控制器进行对比。对比结果表明, 该控制器可有效形成无人机编队并满足编队要求, 对无人机编队智能化控制进行了有效探索。

为解决无人机集群进行协同搜索时的任务分配问题, 在基于天牛须搜索的粒子群优化(BSO)算法的基础上设计了一种天牛粒子群混合(BSO-BAS)算法, 克服了粒子群优化(PSO)算法易陷入局部最优解、寻优不稳定的缺点。以多旅行商模型(MTSP)为基础构建了多目标、多约束的无人机集群任务分配模型。通过实验仿真与原始寻优算法进行对比, 验证了所设计算法求解无人机协同搜索任务分配问题的可行性和稳定性。

近年来, 高分辨率数字化显示器广泛应用于机载座舱中, 受限于特定波段图像传感器的性能以及视频传输链路等因素, 到达显示器端的机载传感器图像的分辨率往往低于显示器分辨率。这些图像直接显示时有效显示区域较小, 不方便观察；简单的插值算法放大又会导致画面模糊；而超分辨率(SR)重建技术在放大图像的同时, 预测了图像细节, 从而提升图像的分辨率。目前, 基于卷积神经网络(CNN)的超分辨率算法凭借其卓越的重建效果(PSNR及SSIM)成为最先进的SR算法；现有的SR算法存在网络结构复杂、参数量大、计算消耗资源大等问题, 难以在机载嵌入式环境下实时实现。针对以上问题, 提出一种轻量化超分辨率算法C-EDSR, 在重建效果基本不降低的情况下, 大幅减少计算量, 为进一步在机载嵌入式环境下实时实现SR算法奠定了基础。实验表明: 所提算法与EDSR相比, PSNR值平均降低0.026 dB, SSIM值平均降低0.000 176, 计算量减少61.1%。

针对图像去雾算法效果不佳、处理效率低的问题, 提出图像融合快速去雾算法。首先对原图降采样处理, 减小图像尺寸, 拷贝两份图像, 然后分别转换到HSV色彩空间。针对转换后的第一份图像, 降低v分量, 提高透射率准确度；针对转换后的第二份图像, 对v分量进行自适应处理、对s分量线性拉伸, 提高图像色彩饱和度；接着将处理后的图像转回到RGB色彩空间, 对转换后的第一份图像进行改进的暗通道算法去雾、直方图拉伸。最后对融合后的两份图像重采样。实验结果表明, 去雾后的图像主观上视觉效果好,客观上算法复杂度降低, 峰值信噪比、结构相似性、信息熵、标准差显著提高, 证明算法有效。

针对无人机执行多目标侦察任务的应用需求, 提出了一种基于改进A*算法的无人机任务分配和航迹规划优化方法。首先, 在地理信息系统中标绘威胁区域, 确定规划空间；其次, 基于改进A*算法预估航程矩阵, 并应用TSP模型和遗传算法求解任务分配结果；然后, 根据多目标时序任务分配结果, 基于改进A*算法实现航迹寻优, 应用三次B样条曲线法进行航迹平滑；最后, 依据威胁区域和任务目标的变化, 确定局部动态规划空间, 执行局部任务动态分配和局部航迹动态规划。开发了无人机任务规划软件, 并验证了所提方法的有效性。