动态不确定环境下多飞行器协同攻击轨迹规划方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61603406
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0306.自动化检测技术与装置
  • 结题年份:
    2019
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2019-12-31

项目摘要

This project will study the key technologies in terms of multiple air vehicles cooperative attack trajectory planning problem: modeling, optimization and application based on optimal control theory, in order to solving the problems of multi-constraint, time-special cooperation, dynamic uncertainty of battlefield environment, robustness during the flight of multiple air vehicles. Firstly, the model of multiple air vehicles cooperative attack trajectory planning will be built, which provides the basis for the study of planning approach. Then, the design approaches of cooperative attack trajectory planning under time-special coupling constraints will be studied, and the generation strategy of cooperative trajectories with satisfying the several constraints efficiently can also be proposed. Thirdly, aiming at the dynamic uncertainty of the complicated battlefield environment, the offline and online approaches of the robust cooperative attack trajectory planning will be proposed respectively, and the cooperative trajectory planning strategies can be designed satisfying the robustness. Lastly, to deal with the highly computational complexity of traditional hierarchical approaches, the integrated approach for the target assignment and trajectory planning will be proposed, and the two-stage indirect solving strategy can be designed. This project is expected to provide theory and algorithms for the development of multi-air-vehicle’s mission planning system. The theoretical and experimental achievements should better support practical and actual combat mission planning. Moreover, this project would also provide a new technical reference for multi-agent or robot planning and control.
针对多飞行器协同攻击过程中的复杂多约束、时空协同要求、环境动态不确定性、计划鲁棒性等难点问题,研究最优控制框架下,多飞行器协同攻击轨迹规划中的建模、优化及应用问题。首先,构建多飞行器协同攻击轨迹规划问题模型,为规划方法研究奠定基础。然后,研究时空耦合条件下的多飞行器协同攻击轨迹规划方法,提出满足复杂多约束、时间协同要求的协同轨迹生成策略;其次,针对战场环境中的动态不确定性因素,分别研究离线和在线条件下多飞行器协同攻击鲁棒性轨迹规划方法,提出满足计划鲁棒性要求的协同轨迹生成策略;最后,为了克服分层递阶求解思想存在的计算复杂度问题,研究协同目标分配和轨迹规划一体化求解方法,提出分阶段间接求解策略。本项目旨在解决动态不确定环境下多飞行器协同轨迹规划过程中的关键理论问题,为任务规划系统的研制提供理论指导和算法支持,推动协同任务规划技术向实用化、实战化发展,并为多智能体、机器人规划提供技术参考。

结项摘要

复杂战场环境下的多机协同攻击轨迹规划技术是增大目标毁伤概率的重要手段,是提高飞行器对地打击的准确性、效率及自动化程度的关键所在。围绕复杂战场环境下的多机协同攻击轨迹规划方法及其试验验证,本项目重点开展了五点研究内容:(1)多飞行器协同攻击轨迹规划问题建模:分析了多飞行器协同攻击过程中的动态性和不确定性,建立了协同轨迹规划的时空协同约束模型,构建了协同轨迹规划问题求解框架。(2)时空耦合约束下的多飞行器协同攻击轨迹规划方法:分析和建立了带可变时间窗空间约束的轨迹规划问题模型,提出了最优控制框架下基于虚拟运动伪装方法的轨迹规划算法,实验验证了算法的有效性与比较优势。(3)考虑不确定性因素的多飞行器协同攻击鲁棒轨迹规划方法:建立了仿真鲁棒多目标优化的轨迹规划问题求解模型,提出了矢量序优化理论和智能优化算法相结合的混合矢量序优化算法,并进行了实验研究与分析。(4)动态不确定性战场环境下,在线鲁棒协同突击轨迹规划方法研究:建立了分布式滚动时域控制的问题求解模型,提出了基于协调变量/协调函数的分布式协同策略,设计了双阶段分布式协同鲁棒轨迹规划算法,并进行了实验研究与分析。(5)多机协同多目标攻击轨迹规划一体化求解方法:考虑目标分配问题,建立了带动力学和时间窗约束的邻域访问多基地多旅行商问题求解模型,设计了包含预处理和问题求解两个阶段的分阶段间接求解策略,针对静态战场环境下多飞行器协同攻击轨迹规划问题进行了应用研究,验证了多飞行器协同攻击轨迹规划一体化求解方法的适用性和有效性。.项目共发表论文19篇,其中SCI检索11篇,EI检索8篇。培养博士生5名、硕士生2名,支撑了《多智能体及时策略对抗方法与实践》专著的编写,支持了4项专利和9项软件著作权。研究成果为有人机、无人机的协同轨迹规划提供了基础理论和算法支撑,在多飞行器预先和在线协同轨迹规划、人机协同任务规划等领域得到了应用与推广,具有重要的理论及实践价值。

项目成果

期刊论文数量(11)
专著数量(1)
科研奖励数量(0)
会议论文数量(8)
专利数量(4)
Convergence Analysis of Signed Nonlinear Networks
有符号非线性网络的收敛性分析
  • DOI:
    10.1109/tcns.2019.2913550
  • 发表时间:
    2020
  • 期刊:
    IEEE Transactions on Control of Network Systems
  • 影响因子:
    4.2
  • 作者:
    Chen Hao;Zelazo Daniel;Wang Xiangke;Shen Lincheng
  • 通讯作者:
    Shen Lincheng
A mutual-selecting market-based mechanism for dynamic coalition formation
基于市场的相互选择的动态联盟形成机制
  • DOI:
    10.1177/1729881418755840
  • 发表时间:
    2018
  • 期刊:
    INTERNATIONAL JOURNAL OF ADVANCED ROBOTIC SYSTEMS
  • 影响因子:
    2.3
  • 作者:
    Xie Bing;Chen Shaofei;Chen Jing;Shen LinCheng
  • 通讯作者:
    Shen LinCheng
Opponent-Aware Planning with Admissible Privacy Preserving for UGV Security Patrol under Contested Environment
竞争环境下无人车安全巡逻的对手感知规划和允许隐私保护
  • DOI:
    10.3390/electronics9010005
  • 发表时间:
    2020-01-01
  • 期刊:
    ELECTRONICS
  • 影响因子:
    2.9
  • 作者:
    Luo, Junren;Zhang, Wanpeng;Gu, Xueqiang
  • 通讯作者:
    Gu, Xueqiang
Intrinsic Motivation Based Hierarchical Exploration for Model and Skill Learning
基于内在动机的模型和技能学习的层次探索
  • DOI:
    10.3390/electronics9020312
  • 发表时间:
    2020
  • 期刊:
    Electronics
  • 影响因子:
    2.9
  • 作者:
    Lu Lina;Zhang Wanpeng;Gu Xueqiang;Chen Jing
  • 通讯作者:
    Chen Jing
Reconstruction of Complex Networks Under Missing and Spurious Noise Without Prior Knowledge
在没有先验知识的情况下,在丢失和杂散噪声下重建复杂网络
  • DOI:
    10.1109/access.2019.2909406
  • 发表时间:
    2019-01-01
  • 期刊:
    IEEE ACCESS
  • 影响因子:
    3.9
  • 作者:
    Ren, Baoan;Song, Yaobo;Shen, Lincheng
  • 通讯作者:
    Shen, Lincheng

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

高超声速飞行器多目标复杂约束滑翔弹道优化
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    国防科技大学学报
  • 影响因子:
    --
  • 作者:
    谢愈;潘亮;谷学强;陈璟
  • 通讯作者:
    陈璟

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码