高原地区无人机气象威胁度建模与评估方法

王茂胜，付　佳，武　坚，陈胤璇，梁松涛

（61243部队，甘肃 兰州730020）

高原地区无人机气象威胁度建模与评估方法

王茂胜，付佳，武坚，陈胤璇，梁松涛

（61243部队，甘肃 兰州730020）

高原地区气象条件复杂，无人机飞行威胁因素多变，本文提出一种基于贝叶斯网络的高原地区气象威胁度建模与评估方法，总结出6种对飞行安全有严重影响的气象相关因子并进行了量化分析，应用多树传播推理算法对威胁度进行建模及评估，仿真结果表明，该算法能够合理地评估复杂多变的高原气象威胁，能起到提升无人机在高原地区安全飞行率的作用。

高原气象；威胁评估；贝叶斯网络；多树传播算法；无人机

1　概述

由于无人机自身动力小、速度慢等不足，造成其受气压气象条件影响大，限制了其在高原地区的使用。在无人机执行高原地区任务前，对威胁无人机的恶劣气象条件的威胁程度进行评估，是一种避免事故、减少损失的有效途径。本文在分析影响无人机飞行的高原气象条件特性的基础上，提出一种基于贝叶斯网络的高原气象威胁度建模与评估方法，对无人机的飞行控制决策，合理地进行航迹规划，提高无人机的生存概率。

2　基于贝叶斯网络的无人机气象威胁度模型与评估

2.1贝叶斯网络及其推理机制

评估采用基于贝叶斯网络［2，5］的多树传播推理算法，网络中每个节点分配一个处理机，每个处理机利用相邻节点传递来的消息和存储于该处理机内部的条件概率表进行计算，以求得自身的信度即后验概率，并将结果向其余相邻的节点传播。相邻节点的处理机接收到传递来的消息后，重新计算自身的信度，然后将结果向自己其余的相邻节点传播，如此继续下去直到证据的影响传遍所有的节点为止。

2.2影响威胁度的高原气象相关因子量化分析

高原地区影响无人机飞行安全的气象条件有雷暴、冰雹、雨雪、积冰、云雾、降水和风沙等，还有气压、空气含氧量。影响气压和空气含氧量的主要是飞行区域海拔。结合气象因子及无人机自身性能，提出以下6种气象、海拔相关因子作为气象威胁等级的评价量化指标：

WT表示气象类型（Weather Type），划分为极度恶劣天气（雷暴、冰雹）、恶劣天气（雨雪、积冰等）、一般性天气（云雾、风）、晴好天气等4类。

EI表示作用强度（Effect Intensity），是指某一气象要素发挥作用的强度，划分为强，较强，中，较弱，弱5个等级。

LT表示作用时间（Last Time），是指气象要素发挥作用的时间长短，这里分短（＜0.5h）、中（0.5—1.5小时）和长（＞1.5h）3类加以区分。

RP表示相对位置（Relative Position），是指无人机与气象要素作用区域中心位置的相对位置，分为作用区域内、作用区域边缘，作用区域外或者只存在方位关系4类。

AA表示地区海拔（Areas Altitude），是指飞行区域海拔高度。地区海拔分为很低 （＜1000m）、较低（1000m～2000m）、中等（2000m～3000m）、较高（3000m～4000m）、很高（＞4000m）5类。

TP表示威胁性质（Threat Property），是指影响无人机飞行的威胁因素是单独的还是叠加的。

TL表示威胁等级（Threat Leve1），是用来描述气象条件对无人机安全飞行的威胁度大小，本文采用3级量化，即将威胁等级分为低、中，高3类。

本文所采用的威胁等级评估模型如图1所示：

图1　基于贝叶斯网络的高原气象威胁度模型

2.3条件概率表确定

条件概率表反映的是一种专家知识，难免存在一定的主观性，可以采用样本数据反复调试的方法对矩阵数据进行适度调整以提高评估结果的可信度。本文提出的六种影响威胁度的气象因子和威胁等级作为威胁等级评估模型中关联节点，推理威胁等级的条件概率分布表（CPT）见表1。

表1　条件概率表

3　实例运用

本文以我部装备的特定机型的无人机为例，该型无人机多次在青藏高原上的湟中、玉树等地执行航摄、抢险救灾等任务。青藏高原平均海拔4000m以上，气压低；气候特点：年平均气温低，冬季干冷大风，夏季温凉多雨、多冰雹，四季不明。以湟中地区7月份一般天气为初始威胁条件，设定TL节点的先验概率为。初始化后，当评估系统获得叶节点的气象威胁信息更新时，则触发该贝叶斯网络的推理，更新每一个网络节点的概率分布，最终获取根节点状态的概率分布，完成一次气象威胁评估。利用Matlab对算法进行仿真，算法流程如图2所示。表2所示为不同评估因子状态值下的气象威胁度评估仿真结果。

图2　算法流程图

表2中第一组数据可以看出，在较高海拔的地区，在雷暴或冰雹较强并伴有其他恶劣气象的条件下，该型无人机在气象作用区域中心位置附近飞行时，评估结果高威胁度的概率远大于中、低威胁度的概率，根据最大概率法来判定威胁程度，其威胁程度为高。第二组数据表明，在中等海拔的地区，在雨雪天气并伴有其他恶劣气象条件（如积冰），但气象作用强度不大的前提下，无人机在气象作用区域附近飞行时，威胁评估等级为中等的概率更大。第三组数据中，气象条件为云雾天气，且飞机处在气象区域外边缘，评估结果威胁度等级为低。

表2　气象威胁评估结果

以上结果是在先验概率给定情况下得出的结论。如果改变先验概率，而上表中气象威胁评估状态值不变，表中数据威胁等级分布概率会有明显变化，甚至会改变评估结果。这表明，在贝叶斯方法中，先验信息具有记忆效应，其评估结果不仅与当前信息有关，还与历史信息相关，算法具有积累效应。

4　结束语

高原地区气象条件复杂，气压低、氧气稀薄，无人机在高原地区飞行时，气象威胁会对无人机安全飞行造成很大影响。本文重点分析了影响无人机安全飞行的气象相关因子和地区海拔因子，并基于此建立贝叶斯网络模型，应用贝叶斯网络推理方法对气象威胁度进行建模及评估，仿真结果表明，该算法能够合理地评估复杂多变的高原气象威胁，能起到提升无人机在高原地区安全飞行率的作用。

［1］ Krozel J．Estimating time of arrival in heavy weather conditions［C］//AIAA Guidance Navigation and Control Conference．1999：1481-1490．

［2］ Krieg M L．A Tutorial On Bayesian Belief Networks［R］．DSTO Electronics and Surveillance Research Laboratory，2001．

［3］ KIM K W，KIM Y J．Perceived visibility measurement using the HIS color difference method［J］．Journal of the Korean Physical Society，2005，46：1243-1250．

［4］ 马呜远．人工智能与专家系统导论［M］．北京：清华大学出版社，2006．

［5］ 董卓宁，张汝麟，陈宗基．无人机在恶劣气象条件下的自主决策技术［J］．航空学报，2008，29（5）：107-113．

［6］ 胡春玲．贝叶斯网络的结构学习算法研究［D］．合肥：合肥工业大学，2006．

［7］ 王新增，慈林林，李俊山，等．恶劣气象条件对无人机飞行航迹的威胁评估［J］．飞行力学，2010，28（5）：84-87．

［8］ 朱国涛，周树道，吕波，等．基于气象威胁的无人机航迹规划方法研究［J］．电光与控制，201l，18（6）：26-30．

［9］ 徐浩军，刘东亮，孟捷，等．基于系统仿真的飞行安全评估理论与方法［M］．北京：化学工业出版社，2011．

V279TP391.9