使用无人机群的动态侦察行动:适应环境变化

科学领域:

• 机器人技术和自主系统
• 人工智能的人工智能
• 运营研究 运营研究

背景情况:

• 传统的无人飞行器 (UAV) 群运营通常假定静态条件,限制了适应能力.
• 无人机可用性 (I型) 和任务参数 (II型) 的动态变化给实时规划带来了重大挑战.
• 现有的模型在侦察任务期间应对意外事件时,难以有效地重新规划.

研究的目的:

• 开发一种新的,适应性框架,用于使用无人机群的动态侦察行动.
• 在统一的优化方法中解决无人机群改动和任务配置变化.
• 提高无人机群体在不确定的环境中的实时响应能力和任务连续性.

主要方法:

• 基于殖民地优化 (ACO) 的统一优化框架,用于轨迹规划和重新规划.
• 区分和联合处理I型 (无人机变化) 和II型 (任务变化) 动态场景.
• 引入费罗蒙矩阵初始化 (PMI) 技术,以加快I型场景中的趋同.

主要成果:

• 该框架在六个现实的场景中证明了有效的实时适应动态变化.
• 成功地保持任务连续性,尽管有复杂和连续的变化,但延迟最小.
• 与经典和最先进的方法相比,优化时间和任务完成时间的显著减少.

结论:

• 拟议的框架为动态无人机群任务规划提供了一种实用且可扩展的解决方案.
• 该方法在时间敏感和不确定的侦察任务中提高了作战效率和稳定性.
• 这项工作为复杂的操作环境的自主自适应系统提供了重大进展.