一种针对多动态目标的多无人机智能协同察打方法

一种针对多动态目标的多无人机智能协同察打方法
【技术领域】
[0001] 本发明设及一种针对多动态目标的多无人机智能协同察打方法，属于任务规划领 域。
【背景技术】
[0002] 无人机扣AV)系统是一类机上无人驾驶、能够自主控制或遥控的空中飞行机器人 系统，可执行对地、对海乃至对空作战任务、并且具有可回收、可重复使用等特点。随着自 动化、计算机等各种新技术的不断发展和应用，无人机的技术更为密集，结构日趋复杂，功 能也为强大，无人机预计将在2020年前后逐步进入空军主战武器的行列，将部分取代有人 战斗机和轰炸机，承担大部分防空压制和部分空中打击任务。美国空军研究实验室根据 OODA的bserve-化ient-Decide-Act)模型将无人机自主控制能力分为10个等级；遥引导、 实时故障诊断、故障自修复和飞行环境自适应、机载航路重规划、多级协调、多机战术重规 划、多机战术目标、分布式控制、机载战略目标、全自主集群。在该自主水平定义之中，1-3级 针对单个无人机的性能完善，4级为单个无人机所能到达的最高自主能力。5-10级为无人 机集群的自主水平定义，8级W上代表了未来无人机的发展方向，目前还处于探索阶段。随 着自主级别的提高，相应的无人机自主能力越强，具有更高的自适应性、智能性和复杂性， 所能完成的任务规模、作用范围也逐渐扩大，并逐步从战术层次上升到战略层次。UAV系统 的自主能力经历了一个由低到高不断发展的过程，多UAV协同作战是未来UAV作战方式的 重要发展趋势，另外，随着小型化的侦察设备和打击武器的不断出现，UAV武器化发展日新 月异，"察/打一体化"已成为未来UAV发展的必然趋势。
[0003] 目前，针对任务规划，较常用的研究思路主要包括自顶向下和自底向上。自顶向下 主要基于分层递阶求解的思路，已成为主流方法，可W有效地降低问题求解难度。自底向上 主要基于自组织方法，强调个体对环境的感知、判断、决策和动态反应，W及多个个体之间 基于规则的行为协调。尽管分层递阶结构的分解策略能够有效降低问题的求解难度和复杂 性，但不得不面临"主问题分解一子问题建模一子问题求解一子问题协调"一系列复杂的求 解流程。当战场环境敌我态势发生动态变化时，该类方法将消耗更多的计算代价和通信代 价。基于自组织的自底向上的方法，更加强调个体对环境的动态响应，目前基于多群体智 能理论的自组织方法通过模拟蜂群、蚁群、鸟群、鱼群等生物群体的行为实现多无人机自组 织，具有计算简单、鲁椿性好等优点。
[0004] 相对国外而言，国内在多无人机的自主控制领域的研究起步较晚，通过近几年的 努力，国内相关研究机构在基于分层递阶方法的多无人机自主协同控制技术方面取得了较 多的成果，基于自组织的研究才刚刚起步。但受到现有技术条件的限制，整体研究基本处于 起步阶段，相比国外的研究，我国在多无人机自主协同控制的概念研究、系统设计、理论方 法、实际应用等方面都存在一定差距，因此，急需在此领域开展进一步的深入研究。然而， 国外基于自组织的多无人机任务规划的研究如协同察打任务自组织、协同捜索任务自组织 等，多数是针对静态目标，没有考虑目标运动的情况，不符合实际情况。

【发明内容】

[0005] 发明目的；针对现有技术的不足，本发明提供一种针对多动态目标的多无人机智 能协同察打方法，通过无人机之间的通信协作，在进一步提高无人机自主水平的基础上实 现多无人机对重点区域内的移动目标捜索和打击。
[0006] 技术方案：为实现上述目的，本发明采用的技术方案为：一种针对多动态目标的 多无人机智能协同察打方法，包括W下步骤：
[0007] 步骤1，将任务区域离散化，并将无人机机动性能对应于离散空间的捜索；
[000引步骤2,基于蚁群算法，实现任务区域的协同捜索，其中每个妈蚁代理代表一架无 人机，妈蚁代理按状态转移规则移动，并将自身状态通知其他妈蚁代理；同时根据自身的状 态W及本地记录的其他妈蚁代理的状态进行当前捜索区域的信息素更新；且每隔一段时 间，进行一次由于环境不确定性增强带来的全局信息素更新；妈蚁代理在转移过程中对当 前捜索区域进行目标捜索。
[0009] 步骤3,根据步骤2妈蚁代理对当前捜索区域进行目标捜索的情况，通过基于平行 接近法的制导方法，实现无人机对该移动目标的跟踪打击执行。
[0010] 所述步骤1将任务区域离散化，并将无人机机动性能对应于离散空间的捜索的方 法；将任务空间进行栅格化处理，则无人机的运动体现为在栅格点中的运动。
[0011] 所述步骤2中的妈蚁代理具有和无人机平台一样的定位、感知、记忆、移动、打击、 通信和自我更新的能力，同时受到无人机的性能约束；妈蚁代理之间每隔固定时间进行通 信，交换的信息包括妈蚁的当前位置、当前速度方向。
[0012] 所述步骤2中根据自身的状态W及本地记录的其他妈蚁代理的状态进行当前捜 索区域的信息素更新的方法如下；妈蚁代理按照一定的概率选择信息素浓度最高的栅格点 进行每次的状态转移，当妈蚁代理完成一次状态转移后，需要根据自身和其他妈蚁代理的 空间分布情况进行信息素更新，降低已经捜索过的区域的信息素浓度。
[0013] 所述步骤2中根据自身和其他妈蚁代理的空间分布情况进行信息素更新模型：
[0016] 其中，k为当前时刻，<,、.料是k时刻妈蚁代理i的本地信息素结构中栅格坐标 (X，y)处的信息素浓度，(叫是妈蚁代理j造成的信息素衰减量，Nu是无人机总数， AT。为局部信息素衰减常量，j=i时，（X\k，y\k)是k时刻妈蚁代理i自身的位置，j声i时，（x\k，Ak)是妈蚁代理i根据k)时刻掌握的妈蚁代理j的运动信息进行预测 的妈蚁代理j在k时刻所在的位置，d4((x，y), (x\k，/ik))为两栅格（x，y)与（xtj.,k，y\k) 之间的距离，R为无人机的探测范围在任务区域平面上的投影半径。
[0017] 所述步骤2中隔一段时间就对当前捜索区域的信息素进行一次全局增强，更新模 型：
[0018] r;(川)二r;1'(/：) + 八'么厂。；
[0019] 式中，是k时刻妈蚁代理i的本地信息素结构中栅格坐标（X，y)处的信息 素浓度，FG(0,1)为环境不确定因子，AT。为局部信息素衰减常量。
[0020] 所述步骤3中根据步骤2妈蚁代理对当前捜索区域进行目标捜索的情况，通过基 于平行接近法的制导方法，实现无人机对移动目标的跟踪打击，执行的方法如下；妈蚁代理 对自身当前捜索区域进行捜索，若探测到新目标，则通过基于平行接近法的制导方法执行 打击任务，直到打击任务完成即目标被摧毁。
[0021] 所述步骤3中基于平行接近法的制导方法的模型：
[002引 1]) =arcsin(VMsin ;
[0023] 其中，iKiK分别为无人机、目标速度矢量与目标线之间的夹角，Vm为目标移动速 度，M为探测到的目标，V为无人机飞行速度。
[0024] 有益效果：本发明提供的一种针对多动态目标的多无人机智能协同察打方法，相 比现有技术，具有W下有益效果：
[0025] 1.本发明通过妈蚁代理对移动目标进行协同捜索，通过基于平行接近法的制导方 法对移动目标进行独立打击。因此本发明包括协同捜索和独立打击两部分，协同捜索部分 通过无人机之间的通信实现协同，并利用蚁群算法信息素更新机制实现在线动态环境的捜 索，其中，无人机之间的通信包括位置信息和运动方向信息的交换，因此可W实现对移动目 标的侦察。打击部分建立在捜索到目标的基础上，通过平行接近法实现无人机跟踪运动目 标的制导律的生成，用平行接近法导引时，无人机所需的侧向过载总是比目标的侧向过载 小，便于对目标的打击，因此可W实现对移动目标的跟踪打击。
[0026] 2.本发明所述的一种多无人机协同察打方法基于自组织结构，不需要中屯、计算 节点，通过无人机之间的通信进行协调合作，完成自主捜索和打击的任务，具有较好的鲁椿 性，从而可W进一步提高无人机的自主水平。
【附图说明】
[0027] 图1为本发明所述的离散化任务空间；
[002引图2为本发明所述的基于自组织结构的动态目标的多无人机协同察打策略图；
[0029] 图3为平行接近法示意图；
[0030] 图4为本发明所述的多无人机的智能协同察打流程图；
[0031] 图5为任务区域内目标运动示意图；
[0032] 图6为采用本发明所述方法执行152代时的仿真图；
[0033] 图7为采用本发明所述方法执行218代时的仿真图。
【具体实施方式】
[0034] 下面结合附图对本发明作更进一步的说明。
[0035] 一种针对多动态目标的多无人机智能协同察打方法，如图4所示，具体包括W下 步骤：
[0036] 步骤1、将任务区域离散化，并基于无人机的机动性能将无人机的运动对应于在离 散空间中栅格间的运动。考虑二维平面中的运动，将任务空间进行栅格化处理，则无人机的 运动体现为在栅格点中的运动。设无人机的探测范围在任务区域平面上的投影半径为R，无 人机最大转角为0may,无人机的速度为V，在单位时间内的位移为d，则无人机的探测范围 如图1所示，在半径为R的圆W内的栅格可W被探测到，图中灰色栅格表示无人机下一时刻 的可能位置。
[0037] 步骤2、基于蚁群算法，实现多无人机的智能协同捜索，对应于图2中的捜索任务 部分，每个妈蚁代理代表一架无人机，妈蚁代理具有和无人机平台一样的定位、感知、记忆、 移动、打击、通信和自我更新的能力，同时受到无人机的性能约束；每个妈蚁代理有一个本 地信息素结构，在进行信息素更新时包括妈蚁代理当前捜索区域的信息素更新和随时间推 移环境不确定性增强带来的全局信息素更新；妈蚁代理之间每隔固定时间进行通信，交换 的信息包括妈蚁的当前位置、当前速度方向。
[003引其中，介绍信息素的更新包括：
[0039] (1)妈蚁代理当前捜索区域的信息素更新
[0040] 妈蚁代理按照一定的概率选择信息素浓度最高的栅格点进行每次的状态转移，当 妈蚁代理完成一 次状态转移后，需要根据自身和其他妈蚁代理的空间分布情况进行信息素 更新，降低已经捜索过的区域的信息素浓度，避免过多地对某块区域的进行重复捜索。
[0041] 设当前时刻为k，妈蚁代理i掌握的妈蚁代理j的信息为
[0042]
(1)
[00创式中，)是妈蚁代理j在k财刻的位置，是妈蚁代理j在k财刻的 运动信息，即运动方向。据此妈蚁代理i预测的妈蚁代理j在k时刻的信息为
[0044] In的,k= {(X\k，y\k)，PSriJ 似
[0045] 设计妈蚁代理i的本地局部信息素更新公式为
[0048] 式中，<.,.(^是k时刻妈蚁代理i的本地信息素结构中栅格坐标（X，y)处的信息 素浓度，Ar段叫是妈蚁代理j造成的信息素衰减量，Nu是无人机总数，AT。为局部信息 素衰减常量，d4((x，y)，（x\k，/j,k))为两栅格（x，y)与（xtj,k，y\k)之间的距离。可W看出， 公式（4)进针对仅针对捜索区域内的信息素进行更新。
[0049] (2)随时间推移环境不确定性增强带来的全局信息素更新
[0050] 由于环境的不确定性即目标的动态性，某一区域虽然被捜索过，但是随着时间的 推移仍然有目标出现的可能，因此需要隔一段时间就对信息素进行一次全局增强，更新公 式为
[005 ]] + 4 =吃.，'(A) +FxAr〇 (5)
[00巧式中，FG(0, 1)为环境不确定因子。
[0化3]步骤3、基于平行接近法的制导方法，实现无人机对移动目标的跟踪打击，对应于 图2中的打击任务部分。
[0化4] 如图3所示，U为无人机，飞行速度为v，M为探测到的目标，移动速度为VM;r是无 人机相对目标的距离，无人机命中目标时r= 0 ;q是目标线与基准线之间的夹角，称目标线 方位角，若从基准线逆时针转到目标线上时，则q为正；0、0M分别为无人机、目标速度矢 量与基准线之间的夹角，分别W无人机、目标所在位置为原点，若由基准线逆时针旋转到各 自的速度矢量上时，则0、0M为正；iKM分别为无人机、目标速度矢量与目标线之间的夹 角，分别W无人机、目标为原点，若从各自的速度矢量逆时针旋转到目标线上时，则iK 为正。
[0055] 平行接近法要求在制导过程中始终保持目标视线在空间沿给定方向平行移动，即 目标线方位角速度为零，平行接近法导引方程的表达形式为：
[0化6]vsinit=v"sinit"
[0化7] (6)
[005引 i])M=q-0M
[0化9] 从而得到导引规律：
[0060] it=arcsin(v"sinitj,/v) (7)
[0061] 从公式（7)中可W看出，在目标作直线运动的情况下，只要速度比v/vm保持常数， 无人机从任何方向攻击目标，都能得到直线轨迹；当目标做复杂机动运动时，1]^必须相应 变化，此时无人机的理想轨迹是弯曲的，但是用平行接近法导引时，无人机所需的侧向过载 总是比目标的侧向过载小，便于对目标的打击。
[0062] 综上，多无人机的智能协同察打流程如图4所示，具体步骤为：
[0063] (1)任务区域离散化；
[0064] (2)设置蚁群算法中的参数；
[00化](3)妈蚁代理按照状态转移规则移动，注意避免与其他妈蚁代理发生碰撞，将自身 状态发送给其他妈蚁代理，预估其他妈蚁代理的状态；
[0066] (4)按照公式（3)和公式（5)进行信息素更新；
[0067] (5)妈蚁代理对自身周围环境进行捜索，若探测到新目标，转而执行打击任务，直 到打击任务完成即目标被摧毁，若未探测到新目标则执行第（6)步；
[0068] (6)判断是否达到算法结束条件，未达到则转到第（3)步，否则算法结束。
[0069] 图4中，算法结束条件可W是算法迭代次数达到设定的最大迭代次数，或目标全 部被消灭，或是其他终止条件。在算法结束之前，当妈蚁代理在执行捜索任务时探测到新目 标，转而执行打击任务，当目标被摧毁后，妈蚁代理则转而执行捜索任务，在该一过程中，妈 蚁的捜索和跟踪打击交替进行，W完成对任务区域的持续察打。
[0070] 为了验证本发明对多动态目标协同察打的有效性，进行如下仿真实验。仿真工 具采用MTLAB软件。实验设定；UAV任务区范围为1000X1000 ;其中共分布9个移动 目标，如图5所示，图中圆圈表示目标起始位置，直线代表移动方向，假设目标作简单的 直线运动，运动速度为每个单位时间移动1个栅格距离；共有2架UAV，起始位置分别在 UAV1 (400, 600)、UAV2 (400, 400)，UAV的运动速度为每个单位时间移动5个栅格距离，探测 半径R= 30,最大转角0m"= 45 \妈蚁代理按照0. 9的概率选择信息素浓度最高的栅格 点进行每次的状态转移。
[0071] 图6、7所示为两个时刻的实验结果图，其中S角标号表示当前时刻目标的位置， 其中图6表示迭代152次时UAV1发现目标2,接下来采用基于平行接近法的制导方法，对移 动目标进行打击，并于158代成功摧毁目标2 ;图7表示211代时UAV2发现目标1，采用基 于平行接近法的制导方法，对移动目标进行打击，并于218代成功摧毁目标1。实验将继续 循环执行直到达到设定的最大迭代次数或是其他终止条件。实验表明，本发明所述的一种 针对多动态目标的多无人机智能协同察打方法可W有效的侦察到移动目标，并对其实施打 击，实现察打一体化的自主水平。
[0072]W上所述仅是本发明的优选实施方式，应当指出；对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可W做出若干改进和润饰，该些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种针对多动态目标的多无人机智能协同察打方法，其特征在于，包括以下步骤： 步骤1，将任务区域离散化，并将无人机机动性能对应于离散空间的搜索； 步骤2,基于蚁群算法，实现任务区域的协同搜索，其中每个蚂蚁代理代表一架无人机， 蚂蚁代理按状态转移规则移动，并将自身状态通知其他蚂蚁代理；同时根据自身的状态以 及本地记录的其他蚂蚁代理的状态进行当前搜索区域的信息素更新；且每隔一段时间，进 行一次由于环境不确定性增强带来的全局信息素更新；蚂蚁代理在转移过程中对当前搜索 区域进行目标搜索； 步骤3,根据步骤2蚂蚁代理对当前搜索区域进行目标搜索的情况，通过基于平行接近 法的制导方法，实现无人机对该移动目标的跟踪打击。2. 根据权利要求1所述的针对多动态目标的多无人机智能协同察打方法，其特征在 于：所述步骤1将任务区域离散化，并将无人机机动性能对应于离散空间的搜索的方法：将 任务空间进行栅格化处理，则无人机的运动体现为在栅格点中的运动。3. 根据权利要求1所述的针对多动态目标的多无人机智能协同察打方法，其特征在 于：所述步骤2中的蚂蚁代理具有和无人机平台一样的定位、感知、记忆、移动、打击、通信 和自我更新的能力，同时受到无人机的性能约束；蚂蚁代理之间每隔固定时间进行通信，交 换的信息包括蚂蚁的当前位置、当前速度方向。4. 根据权利要求1所述的针对多动态目标的多无人机智能协同察打方法，其特征在 于：所述步骤2中根据自身的状态以及本地记录的其他蚂蚁代理的状态进行当前搜索区域 的信息素的更新模型：其中，k为当前时刻，是k时刻蚂蚁代理i的本地信息素结构中栅格坐标（x，y) 处的信息素浓度，是蚂蚁代理j造成的信息素衰减量，乂是无人机总数，Λ τ ^为 局部信息素衰减常量，j = i时，（x*j,k，y*j,k)是k时刻蚂蚁代理i自身的位置，j乒i时， (x、k，y、k)是蚂蚁代理i根据h (k# k)时刻掌握的蚂蚁代理j的运动信息进行预测的蚂 蚁代理j在k时刻所在的位置，d4((x，y)，（ X\k，y\k))为两栅格（x，y)与（x\k，y\ k)之间 的距离，R为无人机的探测范围在任务区域平面上的投影半径。5. 根据权利要求1所述的针对多动态目标的多无人机智能协同察打方法，其特征在 于：所述步骤2中隔一段时间就对当前搜索区域的信息素进行一次全局增强，更新模型： <v(^ + 1) = ri,v(^) + i7xAr〇; 式中，(Μ是k时刻蚂蚁代理i的本地信息素结构中栅格坐标（X，y)处的信息素浓 度，F e (〇, 1)为环境不确定因子，Λ τ ^为局部信息素衰减常量。6. 根据权利要求1所述的针对多动态目标的多无人机智能协同察打方法，其特征在 于：所述步骤3中根据步骤2蚂蚁代理对当前搜索区域进行目标搜索的情况，通过基于平行 接近法的制导方法，实现无人机对移动目标的跟踪打击，执行的方法如下：蚂蚁代理对自身 当前搜索区域进行搜索，若探测到新目标，则通过基于平行接近法的制导方法执行打击任 务，直到打击任务完成即目标被摧毁。7. 根据权利要求1所述的针对多动态目标的多无人机智能协同察打方法，其特征在 于：所述步骤3中基于平行接近法的制导方法的模型： Φ = arcsin(vMsin ΦΜ/ν)； 其中，Φ、ΦΜ分别为无人机、目标速度矢量与目标线之间的夹角，νΜ为目标移动速度， M为探测到的目标，V为无人机飞行速度。
【专利摘要】本发明公开了一种针对多动态目标的多无人机智能协同察打方法，首先将任务区域离散化，并基于无人机的机动性能将无人机的运动对应于在离散空间中栅格间的运动；然后基于蚁群算法，实现任务区域的协同搜索，其中每个蚂蚁代理代表一架无人机，具有和无人机平台一样的定位、感知、记忆、移动、打击、通信和自我更新的能力，同时受到无人机的性能约束；最后蚂蚁代理针对搜索到的目标，通过基于平行接近法的制导方法，实现无人机对移动目标的跟踪打击。在这一过程中，蚂蚁的搜索和跟踪打击交替进行，以完成对任务区域的持续察打。
【IPC分类】G05D1/12
【公开号】CN104881043
【申请号】CN201510218742
【发明人】甄子洋, 郜晨, 龚华军, 丁如艺
【申请人】南京航空航天大学
【公开日】2015年9月2日
【申请日】2015年4月30日