类脑心智机理下UAV集群协作导航理论与关键技术研究

UAV swarm system is a developing trend for the UAV accomplished some designated tasks in complex environment. However, the traditional navigation can't meet the need of the future of UAV system’s property of autonomy and gregariousness, and to become one of the key factors which restrict the development of the UAV swarm system. This project is based on the mechanism of information processing in brain, through establishing a kind of cooperative navigation mind models to simulate the processing and architecture of information in brain, let the UAV navigation system with the good qualities on autonomy and gregariousness. At the same time, the reinforcement learning method is used to adaptive optimization the combination of navigation sources. Finally, the characteristics of airflow disturbance and the navigation error diffusion model are analyzed, the sample adaptive particle filter algorithm is adopted to compensate the error airflow disturbance in real-time for further improve the UAV cooperative navigation accuracy. The expected results of this project will promote the development of new theory for UAV navigation, and it has important significance for the value of academic and application.

UAV集群协作是复杂环境下UAV完成局部区域任务的发展趋势，然而，目前“各自为战”的导航方式已经不能满足未来UAV系统自主集群性的发展要求，从而成为制约UAV集群发展的关键因素之一。本项目在研究类脑信息处理与协作机制上，通过建立类脑导航协作心智模型来模拟脑信息处理协作模式及构架，使UAV智能导航系统发挥自主协作优势。同时，以所建导航协作心智模型为范式，采用POMDP模型和强化学习方法对协作导航信息配置进行优化，并采用神经网络和D-S论据结合的联邦滤波框架对导航信息进行协作融合。最后，对气流扰动引起的协作导航误差扩散效应进行建模分析，采用基于交叉熵的自适应粒子滤波和秩亏自由网基准理论分别对扰动误差进行递进实时抗差补偿,以提高UAV协作导航精度。本项目的预期研究成果对于提高UAV导航的自主协作发展、推进导航新理论发展具有重要的理论意义和实际应用价值。

UAV集群协作是复杂环境下UAV完成任务的发展趋势之一，目前“各自为战”的导航方式不能迎合UAV自主集群的发展需求，从而在一定程度上制约UAV集群的发展。本项目在探索类脑信息处理与协作机制上，重点研究了高等动物脑导航功能的生物机理，以及脑导航功能的参与要素和导航信息处理机制，并在此基础上建立了类脑的智能导航模型；在智能导航模型基础上研究了多UAV协同导航信息配置与融合方法；并针对气流扰动对协作定位的影响，研究了气流扰动在线估计方法，以及相应的定位误差补偿方法。项目主要取得了以下研究成果：（1）设计基于多尺度空间表征的生物启发目标指引导航模型，为模仿高等生物脑导航机制的实现奠定了基础；（2）提出了基于脑导航细胞工作机制的位置估计模型和自主导航条件下导航细胞放电模型，使脑导航机制在UAV协作导航定位中的应用得以初步实现；（3）提出了基于改进Q学习算法的导航认知图构建方法，使类脑的协作导航信息配置和融合得以实现；（4）提出了基于改进CSM模型的协同定位信息融合方法和基于自适应粒子滤波的协同定位信息融合方法，使UAV在高低机动情况下的定位精度和信息融合效率得以提升；（5）设计了UAV实时风速预测方法和气流扰动误差补偿方法，使气流扰动在UAV协作定位中误差传播影响得以降低；（6）提出的UAV三维航迹规划方法和装置为UAV高效实时航迹规划提供了支撑，并为多UAV协作三维航迹规划的研究奠定了基础；（7）设计搭建了UAV集群物理验证平台和仿真实验平台，使相关理论能得以验证。对应以上研究内容，发表学术论文18篇，其中国内外核心期刊15篇，会议论文3篇，SCI源刊1篇，EI源刊8篇；申报国家发明专利3项；在审待发表论文4篇，待申请专利2项；培养博士研究生3名，硕士研究生3名。以上研究成果，为本课题组关于UAV智能导航技术的研究奠定了坚实的基础，并为推进UAV智能化发展具有重要的理论意义和实用价值。