项目名称: 非确定环境下基于分层理论的无人机多机协同控制算法研究

项目编号: No.61070218

项目类型: 面上项目

立项/批准年度: 2011

项目学科: 金属学与金属工艺

项目作者: 张广政

作者单位: 中国人民解放军陆军军官学院

项目金额: 11万元

中文摘要: 多机协同控制是目前无人机应用领域亟等解决的关键技术难题之一,本申请紧紧围绕非确定环境下多无人机自主协同这一科学问题,采用分层理论与智能优化相结合的技术手段来构建一个基于分层理论的多机协同控制算法模型,提出利用"分层协作感知"算子来提取非确定环境下的主特征向量,利用"层场景引擎"吸引子来进一步优化多机协同任务分配模块和快速路径寻优,以提高无人机的自主协同能力和多机协同的实时性,重点研究的关键问题包括:1)构建一个非确定环境下的多机协同控制算法;2)确立一个基于"分层协作感知"算子和"层场景引擎"吸引子的基于分层理论的多机协同控制数学模型;3)模拟并完善非确定环境下多机协同路径寻优快速计算及动态任务规划等。此研究成果对提高多无人机在非确定环境下协同作战能力有较强的理论参考价值。

中文关键词: 多机协同;无人机;层场景引擎;任务规划;非确定环境

英文摘要: As one of the challenging aspects in the application of Unmanned Aerial Vehicle (UAV), Multiple UAVs (Multi-UAVs) cooperative controal technology has got much attention in the past few decades. Here, based on the hierarchical theory and intelligent optimization methods, we focus on the topic of Mutli-UAVs cooperation and try to construct a cooperative control model of multiple UAVs under uncertain enviroments. Specifically, the most important two points of our proposal are: 1) introducing a hierarchical capture operator, which will be used to construct input principal eigenvector, 2) proposing a scene attractor for the purpose of optimizing formation flight and cooperative tasking. The above two operators will be adopted to improve the automatic cooperative ability of a UAV, as well as a team of Multi-UAVs. Here, the porpose of our proposal is to provide a survey on the following problems: firstly, constructing Multi-UAVs cooperative control algorithm under uncertain conditions; secondly, constructing a cooperative control model based on hierarchical capture agent and scene attractor; and lastly, constructing Multi-UAVs cooperative path plan and dynamic mission assignment based on intelligent optimization technologies. Our proposal would has much contribution to address the problem of improving Multi-UAVs cooperative control ability under uncertain conditions.

英文关键词: Multi-UAVs cooperation; Unmanned aerial vehicle; Hierarchical scene engine; Mission plan; Uncertain environments

成为VIP会员查看完整内容
11

相关内容

【CVPR2022】多机器人协同主动建图算法
专知会员服务
47+阅读 · 2022年4月3日
类脑超大规模深度神经网络系统
专知会员服务
55+阅读 · 2022年1月21日
专知会员服务
10+阅读 · 2021年8月8日
专知会员服务
121+阅读 · 2021年7月22日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
133+阅读 · 2021年2月17日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
【CVPR2022】多机器人协同主动建图算法
专知
0+阅读 · 2022年4月3日
Mask-RCNN模型的实现自定义对象(无人机)检测
计算机视觉life
17+阅读 · 2019年8月12日
【AGV】仓库内多AGV协作的全局路径规划算法的研究
产业智能官
27+阅读 · 2018年11月10日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
无人机集群、蜂群与蜂群算法
无人机
89+阅读 · 2018年9月25日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
【无人机】无人机的自主与智能控制
产业智能官
48+阅读 · 2017年11月27日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
20+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
57+阅读 · 2021年5月3日
Arxiv
10+阅读 · 2020年6月12日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Arxiv
24+阅读 · 2018年10月24日
小贴士
相关VIP内容
【CVPR2022】多机器人协同主动建图算法
专知会员服务
47+阅读 · 2022年4月3日
类脑超大规模深度神经网络系统
专知会员服务
55+阅读 · 2022年1月21日
专知会员服务
10+阅读 · 2021年8月8日
专知会员服务
121+阅读 · 2021年7月22日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
133+阅读 · 2021年2月17日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
相关资讯
【CVPR2022】多机器人协同主动建图算法
专知
0+阅读 · 2022年4月3日
Mask-RCNN模型的实现自定义对象(无人机)检测
计算机视觉life
17+阅读 · 2019年8月12日
【AGV】仓库内多AGV协作的全局路径规划算法的研究
产业智能官
27+阅读 · 2018年11月10日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
无人机集群、蜂群与蜂群算法
无人机
89+阅读 · 2018年9月25日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
【无人机】无人机的自主与智能控制
产业智能官
48+阅读 · 2017年11月27日
相关基金
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
20+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员