基于空中投放平台的无人机集群区域侦察策略

2023-10-10胡全鑫高桂清

兵器装备工程学报 2023年9期

胡全鑫,高桂清,王成,王乐

(中国人民解放军火箭军工程大学,西安 710025)

0 引言

无人机集群协同作战是无人作战系统研究的重点课题,通过多架无人机的协同配合可实现对敌重要目标的侦察、监控、跟踪和火力打击,是快速掌握对敌制空权的重要手段,在国内外引起了广泛的研究[1-3]。无人机集群在战争前期可对作战区域进行侦察搜索,获取待攻击敌方目标的详细点位、防御构成、战力规模等重要的情报信息;在战争末期则可以用于清查战场,排除隐患。如何高效快速地对目标区域进行协同侦察是其作战应用的关键问题之一。

随着无人机技术的发展,无人机集群协同侦察应具备自主性较高的决策评估、任务分工、航迹规划、运动控制等智能化特征。其中,对无人机集群区域侦察任务进行建模和航线自主规划是需要研究的重点内容。现有的研究大多将无人机集群和待侦察区域之间的映射关系建模为任务分配模型,通过构建约束条件和需要优化的指标函数,设计集中式或分布式的分配算法,使得整体侦察效能在指标函数和时空条件约束下尽可能达到最优化水平[4-8]。如文献[4]中考虑了无人机的通信容量、探测能力以及无人机的智能水平建立了侦察优势函数并建立了协同侦察目标任务分配模型;文献[5]中研究了察打无人机集群在线自主生成侦察和攻击路线问题,同时构建了正常飞行和威胁规避2种工作模式应对不同的任务场景;文献[6-7]中建立了由多地面站/多基地控制的无人机集群协同侦察问题模型;文献[8-9]中则重点考虑了多无人机协同侦察中的油耗问题。常见的任务分配方法如遗传算法[10-11]、粒子群算法[12-13]、蚁群算法[14-15]以及整数规划算法[16]等均属于集中式分配方法,求解结果质量高,但需要运算中心事先已知所有目标信息,且算法迭代次数多,处理速度较慢,一般较多用于任务开始前的预分配工作。分布式方法包括合同网算法[17-18]、市场调配算法[19]、基于多智能体协同拍卖方法[20]等。分布式求解算法鲁棒性较强且无人机具有较高的自主性,能够充分利用每架无人机自身的计算资源,但是解的最优性较为一般,常用于任务执行中的动态重分配。

需要指出,现代化战争中,虽然通过情报系统可以预先发现目标动向,提供一定的目标参考信息,但由于部分目标具有雷达隐身性能或存在干扰措施,在实施精确攻击时,仍需侦察型无人机在对应的方向和区域近距离侦察搜索,以确定具体攻击位置。这种目标信息不准确、不完全、动态性较强的战场态势给集中式预分配方法的应用带来了较大挑战。此外,分布式分配算法需要较好的网络连通性和多轮冲突消解过程以找到适合的任务执行者,而在恶劣的作战环境下这种网络连通性容易遭到破坏,且如果缺乏统一的调度中心分配打击资源,冲突消解过程也会降低任务执行效率。随着通信技术和计算机技术的发展,建立搭载有大功率通信设备和高性能计算设备的空中无人云中心通信型无人机成为可能,即可利用少量云服务型无人机盘旋在远离战场的高空,成为连接各架察打型无人机的中心节点,实时同步侦察获得的目标信息,直至任务结束。特别地,无人机集群由统一的空中运载平台运载至指定区域进行投放将成为未来无人机集群快速进入战场的重要方式。例如,美军在2020年利用运输机成功发射并试飞了X-61A“小精灵”无人机集群,预示着“天空母舰“时代即将来临[1]。然而现有研究较少考虑在此出动方式下的无人机集群任务规划问题。基于此,本文中就基于空中投放平台的无人机集群区域侦察策略展开研究,考虑在云服务通信型无人机共享侦察信息的基础上,设计综合集中式和分布式规划方法优势的无人机集群侦察航线自主生成方法,以期获得高效快速、凸显集群规模优势的区域侦察策略。

1 任务建模分析

本文中考虑的任务场景为:无人机集群通过空中投放平台被投放到待侦察目标群所在的大致区域,无人机需要在给定的区域范围内自主搜索目标,为后续协同攻击奠定侦察基础。无人机集群中包含2类无人机:侦察型无人机和通信型无人机。侦察型无人机数量较多,挂载有目标探测设备,可侦察一定范围内的目标,并能和通信型无人机实现信息交互。通信型无人机数量较少,挂载有大功率通信设备,盘旋并隐蔽在远离战场的高空,不具备搜索目标的功能,但能和在其通信范围内的所有无人机通信。其作用类似于云端信息交互中心,可记录侦察无人机上传的目标搜索结果,并共享战场数据到其他侦察无人机。本文中假设通信无人机的综合通信范围可覆盖整个任务区域,相互之间可构成连通的通信网络同步更新侦察结果。侦察无人机集群的初始位置由投放点决定,每个投放点可投放的侦察无人机数量相同,且所有侦察无人机在各自的投放点同时被释放(即同时开始侦察任务)。投放点的数量是固定的,但投放位置可根据任务需要自主设计。

如图1所示,利用栅格法将任务区域建立为a×b个栅格拼成的矩形地图,每个小栅格面积设为r×r,小栅格实际大小可结合侦察无人机探测设备单位时间内可扫描的范围进行定义。考虑到侦察无人机数量较多,为避免侦察区域重复,将任务区域进一步划分为若干区块,用于分配给各架无人机进行独立搜索,各区块的形状和大小将在下一节通过区块分割算法给出。每个区块有2种状态:已分配和未分配;每个栅格也有2种状态:即未侦察和已侦察。称已侦察的栅格为染色栅格,未侦察的栅格为空白栅格。初始条件下,所有目标的具体位置均未知,但均在任务区域内,并随着无人机的侦察可能被发现。

图1 无人机集群区域侦察任务示意图

基于以上描述,可利用列表集合Mission={Des,UAV,Reg,Grid}表示无人机集群侦察任务各个要素的状态。其中,目标列表Des中每个元素包含目标的编号、位置、当前状态等目标属性;侦察无人机列表UAV中每个元素包含无人机编号、位置、速度、剩余能量、工作模式等属性。区块列表Reg={Regi∈{0,1,2,…,NUAV}|i∈{1,2,NREG}}和栅格列表Grid={Gridi,k∈{0,1}|i∈{1,2,…,a},k∈{1,2,…,b}}用于标记所在区域是否被分配或者被侦察。其中,NUAV和NREG分别表示侦察无人机和区块的总数,如Reg2=1表示第2个区块被分配给1号无人机,Reg2=0则表示该区块未分配;Gridi,k=1表示第i行第k个栅格已被侦察,Gridi,k=0表示该栅格未被侦察。

侦察效果评价指标为

式中:tr为侦察过程消耗时间,具体计算时可取最后一架侦察无人机返航至投放点的时间;tm为给定的任务截止时间。可以看出,该评价指标包括两部分,第一部分是已搜索的栅格与栅格总数之比,此部分反映了任务时间受限时,无人机集群区域侦察任务的完成度;第二部分的侦察时间tr则可反映无人机集群完成区域侦察的快慢。

(1)

其中:UAVi,speed为无人机i的飞行速度;UAVi,pos(0)为第i架无人机的初始位置;Sh为投放点集合;NS为投放点的数量;Egyrate为单位时间能量消耗;Egytotal为无人机的总能量;NUAV为无人机总数。

2 区域侦察策略设计

本文中无人机集群区域侦察策略分为3部分:

1) 区域分割策略:结合投放点和无人机集群规模将任务区域分为若干个搜索区块,从而为各架无人机的侦察任务分配合理的工作量;

2) 区块搜寻策略:为各架无人机尽可能设计航线不重叠的目标搜索路径。此策略下,无人机之间保持较大的飞行间隔,以尽可能扩大搜索范围;

3) 栅格搜寻策略:对于残留的侦察死角进行补充搜寻,并最大限度地利用闲置无人机资源,提高侦察效率。

2.1 区域分割策略

考虑到后续搜索区域应尽可能不重叠,无人机集群初始位置,即各投放点的位置不宜过于集中;同时在搜索末期,无人机之间应当相互支援,各架无人机初始投放点也不宜过于分散。基于此,结合任务区域为矩形的特征,本文中提出最优恒等切块法进行初始投放点的布设。最优恒等切块法定义:

定义1：将一个矩形切割成N个小矩形,称该切割方式为最优恒等切块法,如若满足以下条件:

1) 切割出来的N个小矩形面积相等;

2) 在条件1)的基础上,取分割出的小矩形长宽比之和为最小时的分割方式;

3) 在条件2)的基础上,长宽比较大的小矩形尽可能靠近区域中间。

该方法的3个条件中,条件1)用于确保每个投放点覆盖的区域面积相等;条件2)用于避免分割出的矩形过于狭长;条件3)可将较为狭长的矩形置于区域靠近中间位置,以免无人机始终在边缘区域活动。

以初始矩形左下角的顶点为原点建立平面直角坐标系,则初始矩形的4个顶点坐标可分别记为(0,0),(xR,0),(0,yR)和(xR,yR)。设N个分割的小矩形的顶点坐标为(xr,1,yr,1),(xr,2,yr,1),(xr,1,yr,2)和(xr,2,yr,2),其中r=1,2,…,N且xr,1

利用整数规划相关工具软件(如Matlab等)可得到任意大小的矩形切块成N个等面积小区块的分割结果。

假设共有NS个投放点,基于最优恒等切块法,设计投放点的布设策略:

策略1：投放点均匀布设策略

若NS=1,投放点布设为矩形任务区域的中心;

若NS>1,则利用最优恒等切割法将任务区域切割成NS个小矩形,每个投放点布设的位置即为小矩形的中心。

图2给出了一些投放点布设案例。可以看出,布设点确定好之后,该布设点所投放的无人机集群分管的小矩形任务区域也随之确定。但此时仍需为投放点的无人机集群初步划分各架无人机所需侦察的区域,即需要进行二级区块分割。与第一次分割不同,由于各架无人机均从投放点出发,因而二级分割后的区域均应尽可能接近投放点。

图2 不同数目的投放点布设范例

为说明二级区块分割方法,首先需明确最短不重叠折连线的概念。其定义:

定义2：称连接某2个栅格中点A、B的连线为最短不重叠折连线,如果满足以下条件:

1) 若该连线在栅格地图中是首次绘制,则从A点出发到B点连线绘制过程中,只从上下左右4个方向行进,而不存在斜连线;

2) 若是非首次绘制,A、B两点之间连线经过的栅格尽量避免与事先已有的连线经过的栅格重叠;如果无法避免重叠,则以最短的线段(此时可以是斜线)穿过重叠栅格到达最近的空白栅格,之后仍以走直线段的方式完成余下路程的连接过程。

3) 在满足1)和2)的基础上使连线长度最短。

基于以上概念,二级区块分割方法为:

策略2：栅格借路区块分割策略

步骤1：初始化循环变量i=1,并输入投放点的侦察无人机个数Ns,UAV;

步骤2：按照最优恒等切块法将每个投放点所在的布设区分割为具有相同栅格数量的Ns,UAV等份,并进行编号,编号规则为顺时针螺旋式由外向内编号,不能等分的栅格向心搁置(即未能被Ns,UAV整除的栅格围绕投放点排列)。

步骤5：令i=i+1,重复步骤3～步骤4,直至所有等份的最短不重叠折连线绘制完毕。

图3给出了投放点释放9架侦察无人机时,栅格借路区块分割算法的一个示例。

图3 策略2应用示例

通过策略2既可以保证分配给每架无人机的侦察区域大致相等,同时又能保证各侦察无人机出发时的路径尽可能避免重叠,可大幅减少无效搜索面积。但如若投放点释放的无人机数量大于4架,则策略2不能确保所有分割的区块均能接触到投放点。

2.2 区块搜寻策略

所有侦察无人机的初始模式均为区块搜寻模式。该模式下对应的工作流程如图4所示。每架侦察无人机首先在策略2的基础上抽取对应于自身编号的区块。抽取到区块后,发送已选区块信息到通信无人机列表集合中的列表,使之更新区块已选的状态信息。同时,各架无人机从投放点出发对所选择的区块进行巡视侦察,巡视过程中,需要尽可能减少巡视区域重复并缩短返程距离。对此,下面给出路径不重叠回心搜索策略,使无人机可从投放点出发依次侦察所分配的各个栅格。

图4 区块搜寻模式任务流程框图

策略3：路径不重叠回心航线生成策略

步骤1：输入当前侦察无人机的起始点和所选区块边界,其中该起始点作为当前所在栅格。

步骤2：判断当前栅格是否存在相邻的未侦察栅格,是则进入下一步,否则进入第6步。

步骤3：判断当前栅格邻接未侦察栅格中是否存在紧贴边界的栅格(所述边界包括已侦察的路径边界、任务区域边界以及与其他区块相隔的边界),如果存在,记该类栅格为A类邻接栅格,并进入下一步;如果不存在,则记相邻的未侦察栅格为B类栅格,并进入步骤5。

步骤4：在A类栅格中选择距离起始点最远的栅格,进入步骤6。

步骤5：在B类栅格中选择距离起始点最远的栅格,进入步骤6。

步骤6：选择距离当前位置最近的空白栅格,并用最短直线路径跨过染色栅格到达所选择的空白栅格。

步骤7：判断区块内所有栅格是否侦察完毕,是则搜寻结束,否则返回步骤2。

注意,无人机每探测一个栅格,就会将该栅格的探测结果上传至通信无人机,从而通信无人机可以实时更新栅格列表Grid的状态信息。策略3中,侦察无人机所需的未侦察栅格信息可通过通信无人机的Grid列表进行查询,要求各侦察无人机与通信无人机之间具有较好的实时通信能力。但该搜寻策略无需消耗大量的计算资源,每一步的运动决策仅需分析当前栅格相邻的未侦察栅格分布情况即可。

2.3 栅格搜寻策略

由于部分侦察无人机分配的区块可能并不直接与投放点接触,因此侦察无人机对于各自区块的搜索进度存在先后之分,先搜索结束的无人机如若处于闲置状态不利于侦察效率的提升;此外,布设区等分为多个区块时,栅格数可能因为无法被区块数整除而出现残留栅格。因此,侦察无人机在完成区块搜寻模式后,需要切换搜寻模式,执行空白栅格搜寻策略,其对应的工作流程如图5所示。

图5 栅格搜寻模式任务流程图

该策略下,侦察无人机首先计算剩余能量所能支持的航程,然后查询以此航程为半径的范围内尚未被侦察的栅格(该信息可从通信无人机的Grid列表中查询),若航程半径范围内已无未侦察栅格,则直接切换到返航模式;否则自主规划搜寻路径。

假设第i架侦察无人机编号为UAVi,当前能量的最大航程所能支持搜索的区域为Si,则设计栅格搜寻策略:

策略4：栅格竞争航线生成策略

步骤1：初始化循环变量n=0,标记量flag=0,有序路径集Routei={∅},并记UAVi当前所在位置为p0,当前模式对应的最大航程为ld,i。

步骤6：判断flag=1是否成立,是则从无人机UAVk中路径集中删去pn+1。并重新令flag=0;否则不需执行任何操作。

步骤7：返回步骤2。

步骤8：算法结束。

从步骤3和4中可以看出,栅格搜寻模式下,具有距离优势的无人机可从其他无人机的搜索路径中夺取空白栅格,且此时无人机无须走折连线,可直线到达目标栅格。事实上,策略4可为栅格搜索模式的无人机找到一条与其他无人机合作侦察的局部最优搜索路径。

如前所述,无人机集群可能不会同时切换到栅格搜寻模式。因而具有搜索进度优势的无人机可辅助进度劣势者完成搜索任务,客观上产生了协同侦察的效果。在所有栅格均已侦察完毕或者当前能量已到达返航临界能量点后,无人机切换到返航模式。返航模式下,所有侦察无人机返回初始的投放点。

上述策略中,集中式方法的运用主要体现在2个方面:一是侦察无人机需要通过通信无人机查询栅格列表,确定空白栅格的分布情况;二是各架侦察无人机需要将规划结果上传至通信无人机,其规划路线所经过的空白栅格均需在栅格列表中标记为预分配栅格,以便其他侦察无人机进行查阅。分布式方法的运用则主要体现在各架侦察无人机通过策略3和策略4自行计算侦察航线,而不需要集中规划。此外,本文中没有对无人机之间的避碰问题进行考虑,主要原因有两点:一是搜索前期的区块分割策略为各架无人机分割了不重叠的任务区域,此时即便侦察无人机的飞行航线出现了直达目标栅格的穿越线,也仅与自身过去的轨迹出现交叉,而不会出现与其他无人机相撞的情形;二是本文中对于无人机的航线规划主要在二维平面进行,而无人机实际具有三维空间机动能力,在航线交叠时,无人机可以在高度方向上采取错位飞行的方式进行避撞。基于此,本文中没有对机间避碰问题进行考虑。

3 仿真案例分析

考虑由1个200 km×120 km的矩形任务区域,并划分为100×60个栅格(即每个栅格面积为4 km2)。任务区域内存在10个目标,其位置坐标利用随机函数在任务区域内随机生成。无人机集群中存在30架侦察型无人机和5架通信型无人机(综合通信范围可覆盖任务区域),分别在5个投放点进行投放,每个投放点可投放6架侦察无人机和1架通信型无人机。根据策略1,得到5个投放位置分别为(40 km,30 km),(40 km,90 km),(100 km,60 km),(160 km,30 km),(160 km,90 km)。

投放点和目标点在任务区域内的分布情况如图6所示。综合文献[21-22],可设置小型侦察型无人机的主要飞行参数为:① 速度:120 km/h;② 油耗:0.3 kg/h;③ 总油量:3 kg。结合策略2,可将任务区域分割为30个区块,每个区块由200个栅格组成。分割结果如图7所示,图中,每种颜色的区块均代表预分配给某个无人机的搜索区域。

图6 目标点和投放点分布示意图

设置任务截止时间为tm=4。由策略3中给出的路径不重叠回心搜索算法和策略4给出的栅格竞争路径规划算法可求解得出各架侦察无人机的搜寻路线如图8所示。

各架无人机消耗的侦察时间如图9所示。可以看出侦察时间大致相等,其中第6架无人机时间略长,为3.462 h,由此,可计算得到侦察效果指数为:

图9 侦察时间统计图

所有任务区域全部侦察完毕,且10个目标均已发现。

下面检验算法对于不同任务截止时间和无人机数量的适应性进行分析,并与现有的侦察策略进行比较。

1) 任务截止时间tm对于侦察效果指数的影响

任务截止时间对于无人机的侦察行为是一个较强的约束,一般而言,任务截止时间越短,可侦察的区域范围越小。为展示本文中提出的侦察策略的高效性,选择文献[8]基于多目标进化算法的多无人机任务规划策略(MOEA)和文献[8]中提出的基于蝗虫群觅食行为的多无人机侦察策略(LIAM),对不同任务截止时间下的侦察效果进行对比分析。其中,任务区域大小、目标点个数和坐标、侦察无人机的数量和性能参数与前述仿真案例配置一致。

2) 侦察无人机数量对于侦察效果指数的影响

无人机集群规模也是影响侦察效果的一个重要因素。一般侦察无人机数量越多,侦察效率也越高。同样地,仍选择LIAM与MOEA策略进行对比仿真,任务截止时间均设置为4 h,其他参数仍和前述仿真案例配置一致。

3) 任务截止时间与无人机数量的综合影响

为进一步证明本策略在多因素综合考量中的优势,分析任务截止时间在1～8 h和侦察无人机数量在5～55架内变化时,3种侦策略对应的效果指数波动情况。

仿真结果分别如图10、图11和图12所示,可以看出随着任务截止时间/无人机数量的增多,侦察效果也越来越好。同时,本文中所提出的侦察策略对应的效果指数均高于LIAM与MOEA策略。其本质原因在于本文中为每架无人机设计的侦察路线几乎没有重叠,且侦察路线的终点也是向投放点回归的,而后2种算法均存在随机选择步骤,也未考虑返航回收问题,因而随着侦察时间的增多或者无人机数量的增多,无人机的侦察路线也越容易重叠,对应的侦察效果指数也愈加差于本文中所提出的侦察策略。