基于森林火灾的多类型无人机布局与控制方法

朱连熙，颜康龙，罗嘉俊

（北京邮电大学世纪学院，北京102100）

2019-11，澳大利亚东部丛林大火肆虐，灾情继续加剧。到现在火已经烧了4个多月了。这片土地的燃烧面积已经超过26万km2，整个澳大利亚大陆的1/3被厚厚的白烟覆盖。近3 000栋房屋倒塌成瓦砾，数十人在大火中丧生。

经过研究，决定建立两个合理且具有成本效益的解决方案。首先，我们将使用第一种解决方案来解决SSA无人机和无线电中继无人机的最佳数量和混合比。在第二个计划中，我们将建立一个模型来优化超高频悬挂式甚高频/超高频无线电中继器的位置，以应对不同地形上不同规模的火灾。

同时，还将分析和预测澳大利亚未来的森林火灾趋势，并从获得的数据中优化之前设定的计划。我们认为该模型不应过分简化飞行限制。传统的无人机协同控制算法没有考虑地形对无人机飞行控制的影响，没有基于森林火灾热辐射等因素设置无人机安全飞行约束，也没有考虑风速的影响。忽略了无人机飞行的影响和烟雾对观测的阻碍作用。因此，我们团队针对澳大利亚森林火灾的背景，提出了多种无人机分布式双层控制方法（MUBD模型），如图1所示。

图1 基于两个模型构想的MUBD模型的基本部署和控制

1 模型的建立

在森林火灾蔓延的研究中，最常用的模型之一是元胞自动机。元胞自动机是研究复杂系统的典型方法，特别适用于研究空间复杂系统的时空动态模拟。在细胞自动机中，空间被离散成网格，每个网格称为一个单元。细胞具有有限的离散状态，遵循相同的作用规则，并按照一定的局部规则同步更新。大量的细胞通过简单的相互作用形成了一个动态系统的演化。

经典的森林火灾元胞自动机模型是由德罗塞尔和施沃布尔于1992年提出的。森林火灾的元胞自动机模型是在正方形网格上定义的。细胞有三种状态：树（未燃烧的树）、火（燃烧的树）和空（开放的地面）状态。单元格下一状态的更新规则如下。

着火：如果一个单元格的状态是“树”，相邻4个单元格的状态是“火”，那么下一刻单元格的状态就会从“树”变成“火”，用来模拟火的蔓延。另外，一个状态为“树”的细胞，也会以很低的概率变成“火”，来模拟一次闪电引起的火灾。

燃尽：状态为“火”的细胞在下一刻会变成“空”，用来模拟一定时间后燃烧的树。

在以上规则中，火规则中的闪电和新生规则都涉及概率，反映了模型在演化过程中的随机性和不确定性。

接下来，将改进的森林火灾元胞自动机模型应用于澳大利亚，需要基于澳大利亚植被来构造元胞自动机的初始状态。

植被覆盖率低的起火点在蔓延一小块区域后自动熄灭。但多个植被覆盖率高的火点继续蔓延融合在一起，最终形成巨大的森林火灾。这说明植被的覆盖度决定了是否能形成大规模的火灾，换句话说，即如果没有植被，火会切断燃料，当然很难形成大规模的火灾。如果考虑风向的影响，不失一般性，我们以西风为例，模拟结果如图2所示。结果表明，火势有向风的方向蔓延的趋势。

图2 2010年澳大利亚归一化植被指数图

2 灵敏度测试

基于优化后的模型，我们结合MATLAB和GIS等软件进行仿真，得到了一系列结果，如图3所示，证实了在特定风速下混合无人机的最佳位置。

图3 MATLAB模型仿真结果

3 结论

我们以元胞自动机为基础，基于澳大利亚的风况，对模型进行了改进，并对未来十年澳大利亚东南部的火灾进行了MATLAB仿真。MUBD模型只是一个粗略的架构模型，并不是很完整。我们希望通过以后的研究，把模型建成一个完整的系统，这样可以解决更多的问题。