XiaoMi-AI文件搜索系统
World File Search SystemSwarm
信息群：无人机群与信息战
1. Sebastien Roblin，“俄罗斯无人机群技术有望实现空中雷区能力”，《国家利益》（网站），2021 年 12 月 30 日，https://nationalinterest.org/blog/reboot/russian-drone-swarm-technology-promises-aerial-minefield-capabilities-198640。2. “ZALA Aero 公司成功测试 KUB-BLA 神风特攻队无人机”，《Air Recognition》（网站），2021 年 11 月 12 日，https://www.airrecognition.com/index.php/news/defense-aviation-news/2021/november /7857-zala-aero-company-successfully-tests-kub-bla-kamikaze-drone.html；以及 Will Knight，《俄罗斯在乌克兰部署的杀手无人机引发人们对人工智能在战争中的应用的担忧》，《连线》（网站），2022 年 3 月 17 日，https://www.wired.com /story/ai-drones-russia-ukraine/。3. Zachary Kallenborn 和 Philipp C. Bleek，《蜂群破坏：无人机蜂群和化学、生物、放射和核武器》，《防扩散评论》第 25 卷，第 5-6 期（2019 年）：523–43。
信息群：无人机群与信息战
1. Sebastien Roblin，“俄罗斯无人机群技术有望实现空中雷区能力”，《国家利益》（网站），2021 年 12 月 30 日，https://nationalinterest.org/blog/reboot/russian-drone-swarm-technology-promises-aerial-minefield-capabilities-198640。2. “ZALA Aero 公司成功测试 KUB-BLA 神风特攻队无人机”，《Air Recognition》（网站），2021 年 11 月 12 日，https://www.airrecognition.com/index.php/news/defense-aviation-news/2021/november /7857-zala-aero-company-successfully-tests-kub-bla-kamikaze-drone.html；以及 Will Knight，《俄罗斯在乌克兰部署的杀手无人机引发人们对人工智能在战争中的应用的担忧》，《连线》（网站），2022 年 3 月 17 日，https://www.wired.com /story/ai-drones-russia-ukraine/。3. Zachary Kallenborn 和 Philipp C. Bleek，《蜂群破坏：无人机蜂群和化学、生物、放射和核武器》，《防扩散评论》第 25 卷，第 5-6 期（2019 年）：523–43。
AI-WSN：基于蜂群的到达方向估计
人工智能 (AI) 技术是无线传感器网络 (WSN) 中能源利用的最重要考虑因素。AI 通过优化传感器节点的能耗来改变工业运营。因此，它对于提高传感器节点定位精度至关重要，尤其是在不平衡或 Ad-hoc 环境中。因此，本研究的目的是提高传感器节点经常遇到障碍物或障碍物的位置的定位过程的准确性。蜂群优化 (BSO) 算法用于分割传感器节点，以提高锚节点和未知节点对之间的到达方向 (DoA) 估计的准确性。即使在存在不平衡条件的情况下，涉及三个独立蜂群的所提出的 DoA-BSO 也可以识别合理的锚节点以及排列成簇的分段节点。为了获得预期结果，目标函数的设计考虑了锚节点和未知节点对的跳数、能量和传输距离等因素。研究在大规模 WSN 中使用传感器节点对进行，以确定 DoA-BSO 的定位精度。将 DoA-BSO 与传统方法进行比较时，元启发式算法的结果表明，它显著提高了节点的准确性和分割性。
研究文章 基于优化模糊逻辑的 FANET 无人机群 Ant-Hocnet 路由协议
无人机或无人驾驶飞机通常被称为无人驾驶飞行器 (UAV)，由这些无人机组成的自组织网络通常被称为飞行自组织网络 (FANET)。无人机和飞行自组织网络最初与军事监视和情报收集有关；此外，它们现在被广泛用于民用领域，包括搜索和救援、交通监控、消防、摄像和智能农业。然而，由于其独特的架构，它们带来了相当大的设计和部署挑战，主要与路由协议有关，因为传统的路由协议不能直接用于飞行自组织网络。例如，由于高移动性和稀疏拓扑，频繁的链路中断和路由维护会导致高开销和延迟。在本文中，我们采用基于优化模糊逻辑的生物启发式蚁群优化 (ACO) 算法（称为“Ant-Hocnet”）来改进 FANET 中的路由。模糊逻辑用于分析有关无线链路状态的信息，例如可用带宽、节点移动性和链路质量，并在没有数学模型的情况下计算最佳无线链路。为了评估和比较我们的设计，我们在 MATLAB 模拟器中实现了它。结果表明，我们的方法可以提高吞吐量和端到端延迟，从而提高 FANET 的可靠性和效率。
研究论文 基于优化模糊逻辑的 FANET 无人机群 Ant-Hocnet 路由协议
无人机或无人驾驶飞机通常被称为无人驾驶飞行器 (UAV)，由这些无人机组成的自组织网络通常被称为飞行自组织网络 (FANET)。无人机和飞行自组织网络最初与军事监视和情报收集有关；此外，它们现在被广泛用于民用领域，包括搜索和救援、交通监控、消防、摄像和智能农业。然而，由于其独特的架构，它们带来了相当大的设计和部署挑战，主要与路由协议有关，因为传统的路由协议不能直接用于飞行自组织网络。例如，由于高移动性和稀疏拓扑，频繁的链路中断和路由维护会导致高开销和延迟。在本文中，我们采用基于优化模糊逻辑的生物启发式蚁群优化 (ACO) 算法“Ant-Hocnet”来改进飞行自组织网络的路由。模糊逻辑用于分析无线链路状态信息（例如可用带宽、节点移动性和链路质量），并在没有数学模型的情况下计算最佳无线链路。为了评估和比较我们的设计，我们在 MATLAB 模拟器中实现了它。结果表明，我们的方法提高了吞吐量和端到端延迟，从而提高了 FANET 的可靠性和效率。
研究论文 WSN 网络中传感器节点部署的粒子群优化算法
为了解决无线传感器网络因资源有限、开放部署、无人值守等特点导致节点定位过程中存在安全隐患的问题，本文结合目前WSN节点提出一种主流的定位算法，通过降低网络定位中的误差，使无线传感器网络定位技术发挥到实用效益，实现基于节点资源和有限容量的WSN发射源定位。将一些定位技术应用到发射源定位中，取得了一些有意义的结果。针对无线传感器网络中主要节点定位算法存在的问题，深入研究定位技术的功耗、定位精度等问题，降低定位误差。实验表明，在节点发送不同状态时，保持节点数150不变，通信半径不变，环境输出不变，网络中的骨干节点数可以改变，两种算法经过多次仿真实验，都可以看到定位方案受到锚节点部分影响的定位结果曲线。
搜索和救援中无人机群的用户界面设计
搜索和救援 (SAR) 行动是指一组训练有素的专业人员搜寻区域以寻找和帮助失踪人员的任务。目前在丹麦，SAR 行动由丹麦国防部下属的政府机构丹麦紧急事务管理局 (DEMA) 1 执行。在传统的 SAR 行动中，紧急救援人员被派出去搜寻失踪人员，然而，在最近的 SAR 行动中，涉及使用无人机。救援队增加无人机可确保他们能够更快地搜寻区域，并通过派遣无人机搜寻高危区域来降低危及紧急救援人员的风险。硕士论文名为“搜索和救援中无人机群的用户界面设计”，我们在其中探讨了如何设计无人机群的用户界面以及控制群的各种方法。我们开发了一个原型，其形式为 Web 应用程序，无人机操作员可以同时控制多架无人机。增加了对控制物理无人机的支持，这增加了研究参与者使用原型时的真实感。它为无人机操作员提供了使用三种方法控制无人机的能力：
无人机群搜索救援的用户界面设计
搜索和救援 (SAR) 行动是指一组训练有素的专业人员在特定区域搜寻并帮助失踪人员的任务。目前在丹麦，SAR 行动由丹麦国防部下属的政府机构丹麦紧急事务管理局 (DEMA) 1 负责。在传统的 SAR 行动中，紧急救援人员被派出去搜寻失踪人员，然而，近代 SAR 行动涉及使用无人机。救援队加入无人机后，他们能够更快地在区域搜寻，并降低因派遣无人机到高危区域搜寻而危及紧急救援人员的风险。这篇硕士论文名为《搜索和救援中的无人机群用户界面设计》，我们在其中探讨了如何设计无人机群的用户界面以及控制无人机群的各种方法。我们开发了一个 Web 应用程序形式的原型，无人机操作员可以同时控制多架无人机。增加了对控制实体无人机的支持，这增加了研究参与者使用原型时的真实感。它为无人机操作员提供了使用三种方法控制无人机的能力：
RTG SET-263“用于情报监视和侦察的蜂群系统”分析了蜂群系统的操作和系统问题，这些问题可能
未来部队将陆地、空中和海上自主和半自主平台整合在一起，以提高部队的效率。该系统可自主部署，可在多个梯队、旅级战斗部队中实现多种力量的部署。指挥官们将负责开发和维护对局势的全面了解，以确保在该区域内持续进行监视，并在人类无法进入的区域内进行大规模的持续时间延长。机器人/捕捉器是一种协作系统，一种多机器人/捕捉器，是一种集体行为，可实现系统的实现，包括广阔的区域、信息共享者和不可实现的行为的共享系统个人。
通过约束航空结构粒子群优化进行飞机螺旋桨设计
摘要：通过螺旋桨设计方法与粒子群优化 (PSO) 相结合，开发了一种降低螺旋桨驱动飞机能耗的航空结构算法。优化过程中考虑了多种螺旋桨参数，包括每个螺旋桨截面的翼型几何形状。螺旋桨性能预测工具采用收敛改进的叶片元素动量理论，该理论由从 XFOIL 和经过验证的 OpenFOAM 获得的翼型气动特性提供。根据实验 NACA 4 位数据估计失速角校正，并在出现收敛问题时使用。对气动数据进行校正以考虑压缩性、三维、粘性和雷诺数效应。根据实验数据拟合提出了旋转校正系数。采用基于欧拉-伯努利梁理论的结构模型，并根据有限元分析对其进行验证，同时讨论了离心力的影响。进行了一个案例研究，将弦长和螺距分布与涡流理论的最小损失分布进行了比较。使用印刷螺旋桨进行风洞试验，以得出整个程序的可行性以及 XFOIL 和 CFD 最佳螺旋桨之间的差异。最后，将最佳 CFD 螺旋桨与具有相同直径、螺距和运行条件的商用螺旋桨进行比较，显示出更高的推力和效率。