复杂环境下多目标多无人机协同任务规划

发表时间:2020/8/18   来源:《中国西部科技》2020年第8期   作者:程英鑫
[导读] 在目前更加复杂的战争环境下,无人机多以机群协同方式执行特殊任务
        摘要:在目前更加复杂的战争环境下,无人机多以机群协同方式执行特殊任务。对此,本文通过构建无人机协同任务规划系统模型,分别就无人机协同任务规划控制体系、多目标任务分配架构、无人机目标融合架构、航迹规划模型进行了设计研究,同时也结合层次聚类算法和数值仿真实验验证了设计的可行性,旨在进一步提升无人机在复杂动态环境下的飞行适应能力,并为在最短时间内制定合理的无人机协同任务分配方案提供理论帮助。
        关键词:复杂环境;无人机;协同任务;模型规划
        引言:近年来,基于无人机技术的高速发展,以无人机协同任务规划为基础来合作完成多个战略目标,已经成为诸多领域尤其是军事领域的重要发展成果之一。其中,所谓多无人机协同系统,其指的是以多架无人机组成一个整体共同完成统一战略目标的任务机制,能够借助多无人机的信息共享功能实现对无人机任务效能的最大化发挥。对此,考虑到多目标状态的不确定性以及目标的多样性,需就无人机的资源分配进行合理控制,并依赖无人机航迹规划模型搭建以保障无人机对目标的全范围覆盖,进而在减少无人机定位误差的基础上实现对定位目标突发情况的灵活应对。
        1 多无人机协同任务规划控制体系结构
        针对单无人机,构建分层递阶式结构和包容式体系结构,其中,分层递阶式结构参照人类思考行为模式搭建“感知-思维-执行”组织体系,需依赖上下级实时通信来确保系统执行能力,因此实用性相对不足。相反,包容式体系结构采用“感知-执行”单元独立运行模式,虽然无需依赖组织通信执行任务,但由于缺乏全局调控,容易产生局部最优的情况。对此,在综合多种体系结构优劣势的基础上构建如图一的分层递阶分布式任务规划控制体系结构。

        图一:分层递阶分布式任务规划控制体系结构
        在此基础上,根据任务结构构建任务执行模型框架。其中,在无人机根据指定信息于任务区域发现目标后,对任务目标进行精准定位和系统分析,保障持续的目标状态信息监视。因此,多采用传感器追踪目标,而由于传感器本身观测范围有限,因此需在多架无人机协同目标跟踪的基础上实现目标信息的实时监测,进而构成如图二所示的多无人机协同跟踪多目标系统架构。
        
        图二:多无人机协同跟踪多目标系统架构
        2 多无人机多目标分配控制体系结构
        在无人机任务执行过程中,由于任务目标多具有分散性特点,因此需对无人机进行合理分组分配以满足不同目标的追踪需求。其中,由于事先无法预知无人机的具体数量和目标的分散特点,且任务目标可能发生突发情况,因此应在考虑遮蔽区域情况的基础上对分配算法进行选择。对此,选用层次聚类算法对该问题进行分析,但需要注意的是,由于层次聚类算法并不适用于地面静止或速度较慢的目标,因此需在目标初始化状态下完成所有对象的聚类, 进而通过改造层次聚类算法完成多目标的合理分组分配。
        在此基础上,以多目标层次聚类算法为依托开展仿真实验,其中基于五架无人机系统跟踪六个目标的数值仿真结果,包括目标分离、目标组合并、目标进入遮蔽区域、无人机遇到障碍在内的诸多问题均能够得到顺利解决,因此层次聚类算法具有应用可行性,能够满足多无人机多目标分配的实际需求。
        3 多无人机协同目标融合架构
        为充分应对任务目标所可能发生的突发情况,设计并应用多无人机目标融合架构同样十分关键。其中,由于不同无人机的目标信息来自多个传感器,因此如何基于不同数据周期及地理位置信息进行融合,是无人机协同目标融合的关键所在。对此,一般可使用集中式结构、分布式结构或递阶分布式结构对该问题进行解决,但由于前两种架构均存在一定的弊端,设计在综合研究基础上选用能够于每个融合节点均进行本地数据处理的递阶分布式架构进行目标融合,具体如图三所示。
        
        图三:递阶分布式融合架构
        此外,使用IMM_UKF算法和IMM_EKF算法开展仿真实验,通过对数据进行滤波融合分析形成对比数据。其中,在200s实验内,IMM_UKF算法的目标融合效果相对较好,且Y轴误差低于X轴误差,尤其是在120s后即转弯阶段,前者的距离误差明显低于后者。
        4 多无人机航迹模型架构
        在无人机任务执行过程中,除多无人机间的协同问题外,无人机的避障、禁飞区域控制问题同样十分关键,对此,通常可借助保距盘旋跟踪模式就目标进行跟踪,进而一方面解决因无人机速度过快而无法保持直接跟踪的弊端,另一方面在盘旋作业基础上实现对目标组的全方位无死角探测,并以此降低真实战争中地面机动目标对于无人机的威胁程度。首先,针对单无人机,采用LGVF保距算法进行航迹控制,并于算法内加入反馈控制,形成如图四所示的LGVF保距算法架构,通过调节PID值以加快原始LGVF的收敛速度;其次,针对障碍环境,秉承尽量不偏离原始航线的原则进行避障控制,即在LGVF导航向量场和障碍躲避势能场的叠加下实现对于无人机的避障处理,同时,在无人机飞过障碍区域后,由LGVF导航向量作为主导控制无人机收敛到以任务目标为圆心的极限圆环。
        
        图四:LGVF保距算法架构
        在此基础上,分别就单无人机和多无人机进行避障仿真实验,其中,以固定翼无人机为例开展实验后发现两次避障转弯均为最佳处理,且无人机间存在一定相位角,因此可证明算法满足无人机任务避障需求,具有一定应用可行性。
        结束语:针对多无人机协同目标跟踪需求,在明确协同体系架构在军用及民用领域应用价值基础上探究了协同机制的具体构建方法,其中简要分析了无人机协同任务规划控制体系、多目标任务分配架构、无人机目标融合架构以及航迹规划模型,同样也以仿真实验证明了算法应用的可行性,希望以此促进无人机作业系统的进一步完善,并促进无人机技术的进一步发展。
        参考文献:
        [1]竺殊荣. 动态环境下多无人机协同任务规划方法[D].南京邮电大学,2019.
        [2]张灿. 多无人机协同任务规划的仿真系统设计与实现[D].南京邮电大学,2019.
        [3]刘畅,谢文俊,张鹏,郭庆.多目标群多基地多无人机协同任务规划[J].弹箭与制导学报,2019,39(01):119-124.
        [4]杨晨,张少卿,孟光磊.多无人机协同任务规划研究[J].指挥与控制学报,2018,4(03):234-248.
        
作者简介:
程英鑫(1979.12)男,广西三江县人,毕业于北京师范大学现代教育技术专业,柳州城市职业学院信息工程系专业教师,研究方向:无人机应用技术
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: