论文部分内容阅读
如今,科技的力量渗透在各行各业。作为一股新的科技力量,无人机在各行各业的应用前景备受关注。其中无人机在军事目标搜索系统中搜索与营救应用已经得到世界各国的重视。航迹规划是无人机应用于目标搜索系统中必须考虑的重要问题。无人机目标搜索系统的航迹规划包括两大类,即静止目标搜索系统航迹规划以及运动目标搜索系统航迹规划。当前,对于无人机静止目标搜索系统航迹规划的研究成果比较成熟,已经广泛应用于实际问题。但对于运动目标搜索系统航迹规划的研究工作相对较少。目前,对于运动目标搜索系统航迹规划问题的研究方向主要集中在对搜索算法本身的设计与应用上,而对搜索过程中目标的运动规律问题缺少严格的数学定义。针对这个现象,本篇论文首先从概率论的角度研究本文的搜索对象-有限位置马尔科夫移动目标的运动规律,给出目标的概率模型。然后,在无人机搜索系统航迹规划现有研究成果的基础上,研究无人机对于马尔科夫移动目标的最优搜索问题。利用马尔科夫决策过程理论(Markov Decision Process,MDP)建立了单无人机和多无人机对单个马尔科夫移动目标的搜索问题模型,并对MDP模型中传统的策略迭代算法进行了改进和优化,使得无人机搜索效率更高,整体的搜索航迹更优。对于单无人机搜索,本文在传统策略迭代算法的基础上改进得到基于马尔科夫决策的多阶段启发式策略迭代算法(Multi-Stage Heuristic Strategy Iteration Algorithm,MDP-MSHPI),并用该方法针对特定目标的搜索规划出无人机最优的搜索航迹。对于多无人机协同搜索马尔科夫运动目标的问题,本文建立了基于MDP模型的多无人机协同任务分配搜索路径规划机制。研究了五种协同任务分配搜索策略,并对多无人机协同搜索系统中可能遇到的无人机之间的路径冲突问题进行研究,提出了基于信息交互的航迹协调策略。最后,基于上述研究,本文利用MATLAB仿真工具分别搭建了单无人机和双无人机搜索系统航迹规划仿真平台。在单无人机目标搜索系统仿真平台中,将扫描搜索算法、随机搜索算法以及贪婪搜索算法与本文MDP-MSHPI搜索算法对比,凸显出本文搜索算法对马尔科夫移动目标搜索性能的优势。在多无人机目标搜索系统平台中,比较了本文提出的多无人机针对马尔科夫移动目标搜索的五种不同的任务分配策略的优劣,研究了在同一个任务分配策略下,协同无人机数目对搜索效率的影响。最后,分别仿真出本文的基于MDP多无人机协同任务分配搜索算法、多无人机随机搜索算法与多无人机贪婪搜索算法对马尔科夫移动目标搜索的航迹和搜索步长,验证了本文协同搜索算法的高效性。