异构无人系统协同作战关键技术综述

发布时间：2021-04-14 21:22

　　针对异构无人系统的规模、异构性强弱,对异构无人系统进行了分类,引入了异构无人系统协同作战班组的概念以及应用设想,并通过城市环境中异构无人系统协同作战问题为牵引,提出了异构无人系统协同作战面临的挑战与解决思路,在此基础之上,从异构无人系统协同控制架构、协同任务规划、智能交互、目标感知、环境感知等主要方面对异构无人系统协同作战的关键技术进行了分析,最后对异构无人系统协同作战目前的研究进展与挑战进行了总结。 

【文章来源】：宇航学报. 2020,41(06)北大核心EICSCD

【文章页数】：11 页

【部分图文】：

楼宇搜索与值守任务

异构无人系统的协同控制架构是设计异构无人系统的最基本问题,集中式控制架构、分布式控制架构、有限集中式控制架构是三种最为典型的架构[10]。设计合理的协同控制架构是解决异构无人系统中计算负载分配不均衡[11]、通信链路稳定以及无人系统行为控制等问题的关键。集中式控制架构中存在中央控制单元,异构无人系统的感知、状态等信息向上汇集到中央控制单元,中央控制单元依据全局化的信息进行统一的行为规划[12]。集中式控制架构的优点在于:1)协同控制依据的信息完整;2)行为完全预测与受控。其缺点也较为明显:1)对中央控制单元的状态敏感;2)节点数量的增加会造成整体系统协调的性能下降;3)对通信的依赖性强;4)中央控制单元的计算负担较重;5)节点对于环境变化的反应速度较慢。

哈尔滨工业大学航天学院针对基于视觉或激光雷达的环境感知技术无法完全的预测地形的可穿越性及缺少对地形的软硬程度等物理特性的判断的问题,提出了一种基于轮地相互作用引起的车辆结构三维振动的地形分类方法[54]:首先通过无人车的惯性测量单元获取不同地形下无人车测得的加速度信息。然后,学习已知地形的振动特征,移动实验平台与传感器布置方式如图3所示,利用快速傅里叶变换将标记的三轴振动矢量变换为频域,然后通过归一化得到训练特征向量,采用改进的BP神经网络,得到振动与地形类型之间的映射关系。最后,对混凝土、草地、砂、砾石和混合料五种环境进行了分类试验。经过20次随机测试实验,分类精度在88.99%～100%范围内,实现了无人车行进过程中对地形的分类及软硬程度的判断。2)地形重构

【参考文献】：
期刊论文
[1]凸优化算法在有人/无人机协同系统航迹规划中的应用[J]. 李樾,韩维,陈清阳,张勇.  宇航学报. 2020(03)
[2]基于域适应Faster RCNN的复杂背景目标检测[J]. 王露荻,解月江.  航天控制. 2020(01)
[3]基于深度学习的飞机目标跟踪应用研究[J]. 赵春梅,陈忠碧,张建林.  光电工程. 2019(09)
[4]一种三维地形特征提取和匹配方法[J]. 田阳,李国庆,宋新.  宇航学报. 2018(06)



本文编号：3138038