基于加權模糊Petri網的無人機自主任務推理決策研究

譚雁英, 童明, 張艷寧, 祝小平

1.西北工業大學 航天學院精確制導與控制研究所, 陜西 西安 710072 2.中國人民解放軍68128部隊, 甘肅 蘭州 730000 3.西北工業大學 計算機學院, 陜西 西安 710129 4.西北工業大學 無人機所, 陜西 西安 710065

基于加權模糊Petri網的無人機自主任務推理決策研究

譚雁英1, 童明2, 張艷寧3, 祝小平4

1.西北工業大學 航天學院精確制導與控制研究所, 陜西 西安 710072 2.中國人民解放軍68128部隊, 甘肅 蘭州 730000 3.西北工業大學 計算機學院, 陜西 西安 710129 4.西北工業大學 無人機所, 陜西 西安 710065

圍繞無人機搜索/攻擊自主任務推理決策典型想定,針對無人機自主任務推理決策規則中存在的不同輸入命題對結論的貢獻和影響不同,對加權模糊Petri網(weighted fuzzy petri nets,WFPN)形式化推理算法進行了深入研究;設計了雙機自主搜索/攻擊任務推理決策規則集;為進一步適應上述想定下規則集中存在的多條規則的輸出命題是相同的情形,對WFPN形式化推理算法進行了改進;應用分層的策略,采用改進的WFPN形式化推理算法和上述設計的規則集,仿真驗證了雙機搜索/攻擊自主任務推理結果的合理性,并降低了推算過程中矩陣的維數。

無人機；自主；加權模糊Petri網；形式化推理；分層策略；決策

無人機的高度自主智能化和多機協同是適應未來復雜多變戰場環境的關鍵,這就要求無人機盡量減少人為干預和操控,不斷提高多機協同自主推理決策能力[1]。

模糊Petri網形式化推理方法,由于具有Petri網強大的建模能力以及由模型生成矩陣,通過矩陣代數運算自動執行推理決策的優勢[2],廣泛應用于有人機、導彈、機器人及無人機等領域基于規則的故障診斷與推理決策中[3-7],而其在多無人機自主任務推理決策方面的應用還比較少。

本文針對多無人機自主搜索/攻擊任務典型想定下推理決策規則中存在的不同輸入命題對結論貢獻不同的問題,對加權模糊Petri網(WFPN)形式化推理方法進行了深入研究,并為滿足上述想定下存在的多條規則的輸出命題是相同的情形,對WFPN形式化推理方法進行了改進。

1 WFPN形式化推理算法及其改進

1.1 WFPN的定義[8]

定義1WFPN可以定義為一個10元組:

WFPN=(P,T,D,I,O,α,β,f,Th,W)

1.2 加權模糊產生式規則的Petri網建模

加權模糊產生式規則包含許多“合取(∧)”或“析取(∨)”連接的命題,將簡單規則以及它們的相互組合的規則對應的加權模糊產生式結構歸結為以下3種類型[9]：

1) IFd1(w1)THENdk(μ1,λ1)。w1為輸入命題的權值,通常為實數1。令y=α1·w1，當y≥λ1時，規則才能執行,那么αk=y·μ1；

圖1 簡單加權模糊Petri網結構及其變遷激活準則

2) IFd1(w1)∧d2(w2)∧…∧dn(wn)THEN

圖2 合取式加權模糊Petri網結構及其變遷激活準則

3) IFd1(w1)∨d2(w2)∨…∨dn(wn)THEN

dk(μ1,μ2,…,μn,λ1,λ2,…,λn)輸入命題的權系數wi都為1。令yi=αi·wi,若每條規則中的前提置信度都滿足yi≥λi,那么αk=max(y1·μ1,y2·μ2,…,yn·μn)。

圖3 析取式加權模糊Petri網結構及其變遷激活準則

1.3 WFPN形式化推理算法改進

文獻[10]中WFPN形式化推理算法適用于產生式規則集中每條規則的輸出命題是不相同的情形。為進一步適應無人機自主任務推理決策規則集中存在的多條規則的輸出命題是相同的情形,本文將“?”算子引入到WFPN形式化推理算法中,對文獻[10]的算法進行了改進,具體說明如下:

1) 算子的引入

(1) ⊕[10]:A⊕B=D,dij=max{aij,bij},其中A、B、D均為m×n維矩陣,i=1,2,…,m;j=1,2,…,n;

(2) ?[10]:A?B=D,如果aij≥bij,dij=aij;aij

2) 改進的推理算法

步驟1 令k=0,對向量α0,輸入矩陣I,輸出矩陣0,閾值向量λ進行初始化;

步驟2 計算已知客觀事實條件下,變遷的輸入命題組合置信度ρ=IT·αk;

步驟3 計算σ=ρ?λ,比較命題組合置信度ρ和變遷閾值向量λ,判斷能夠使能的變遷;

步驟4 激發上一步判斷出的使能變遷,并計算τ=0?σ,同時為變遷的輸入輸出庫所傳遞新的狀態值;

步驟5 計算αk+1=αk⊕[0?((IT·αk)?λ)],通過得到的新的狀態值,更新整個庫所集的狀態值;

步驟6 若αk+1≠αk,令k=k+1,重復步驟2至步驟5;若αk+1=αk,推理結束, 并輸出αk+1。

2 基于WFPN的雙機自主搜索/攻擊任務推理決策規則設計

2.1 雙機自主任務決策典型想定

假設:在某一目標區域內有A、B兩架無人機執行搜索/攻擊任務,任務存在優先級之分。若小組內A、B兩架無人機在所負責區域同時跟蹤到同一目標時,那么A、B兩架無人機將按照設計的產生式規則進行任務決策。考慮到A、B兩機自主任務決策的應用需求,產生式規則的輸入命題包含,攻擊適合值(suitable value for attack,SVA):包括適合攻擊(suitable attack,SA)、中等適合攻擊(moderate suitable attack,MSA)、不適合攻擊(not suitable attack,NSA),即:XSVA={SA,MSA,NSA},X=AorB;目標優先級(target priority,TP):存在高(high,H)、中(moderate,M)、低(low,L)之分,即:TP={H,M,L};剩余燃油(fuel):包括充足(enough,E)、不充足(not enough,NE),即:XFUEL={E,NE},X=AorB。

規則的輸出命題包含:A攻擊目標B繼續搜索(Astrike target andBcontinue search,ASTBCS)、A繼續搜索B攻擊目標(ACSBST)、A繼續搜索B繼續搜索(ACSBCS)、A繼續搜索B重新對準再次攻擊(Acontinue search,Bredirect and attack again,ACSBRAA)、A重新對準再次攻擊B繼續搜索(ARAABCS)。

2.2 雙機自主任務決策加權模糊產生式規則集設計

根據專家經驗,設計A、B兩架無人機自主任務決策加權模糊產生式規則Rule1～Rule72如表1所示。

其中Rule1具體說明如下:

Rule1:IF目標優先級較高p1(0.2)AND A適合攻擊p4(0.3)AND B適合攻擊p7(0.1)AND A剩余燃油充足p10(0.3)AND B剩余燃油充足p12(0.1)THEN A攻擊目標B繼續搜索p14(μ=0.9,λ=0.6)。

Rule1～Rule72閾值和信度值均假定為μ=0.9、λ=0.6。其輸入命題和輸出命題的庫所編號定義分別如表2和表3所示。

表1 A、B兩機自主任務決策加權模糊 產生式規則集設計列表

表2 輸入命題對應的庫所編號定義

表3 輸出命題對應的庫所編號定義

2.3 基于分層的WFPN建模

本文應用分層的思想:根據設計的規則集,分別以目標優先級較高、目標優先級中等、目標優先級較低建立A、B兩無人機自主任務決策的Petri網子模型,將完整的無人機自主任務決策的Petri網模型拆分成3塊,如圖4所示。

圖4 WFPN模型分層示意圖

3 仿真與分析

3.1 矩陣和向量初始化

根據定義1、規則集表1以及表2、表3的定義得到各類矩陣和向量為:子模型1輸入矩陣為I1、輸出矩陣為O1、閾值向量為λ1;子模型2輸入矩陣為I2、輸出矩陣為O2、閾值向量為λ2;子模型3輸入矩陣為I3、輸出矩陣為O3、閾值向量為λ3。

3.2 仿真算例1

1) 仿真數據的給出

2) 推理計算

3) 推理結果分析

按照最大置信度原則,無人機決策結果為A繼續搜索 B繼續搜索(p18)。說明A、B兩機在發現一低優先級目標后,由于A、B兩機都不適合攻擊,且剩余燃油都較充足,故而都采取繼續搜索的策略。

3.3 仿真算例2

1) 仿真數據的給出

假定A、B兩機飛行一段時間后,又同時跟蹤到新的同一目標。各狀態值變化為:TP[0.9,0.05,0.05]、ASVA[0.8,0.1,0.1]、BSVA[0.1,0.1,0.8]、AFUEL

2) 推理計算

3) 推理結果分析

按照最大置信度原則,無人機決策結果A 攻擊目標 B 繼續搜索。說明A、B兩機在發現一高優先級目標后,A無人機適合攻擊且剩余燃油較低,B無人機不適合攻擊且剩余燃油較高,故而采取A攻擊目標B繼續搜索的策略。

3.4 分析說明

仿真算例1、仿真算例2決策結果如表4所示。基于WFPN形式化推理決策結果與專家決策結果相吻合,驗證了A、B兩機搜索/攻擊自主任務推理決策結果的合理性。

表4 A、B兩無人機自主飛行任務決策結果示例

4 結 論

本文將WFPN形式化推理方法應用于無人機搜索/攻擊自主任務推理決策中,通過命題權值的引入,使得上述任務存在的不同輸入命題對結論貢獻大小不同的情形,在推理決策過程中得到較合理的反映;為進一步適應上述任務想定下規則集中存在的多條規則的輸出命題是相同的情形,本文對WFPN形式化推理算法進行了改進;設計了兩機搜索/攻擊自主任務決策加權模糊產生式規則集;應用分層的策略,采用改進的WFPN形式化推理算法,仿真驗證了雙機搜索/攻擊自主任務推理結果的合理性,并避免了計算過程中矩陣維數較高的問題。

[1] Department of Defense USA. Unmanned Aircraft Systems Roadmap2013-2038[R]. 2013

[2] 丁富玲,李承家. 模糊Petri網的發展[J]. 杭州電子科技大學學報,2008, 28(6):147-150 Ding Fuling, Li Chengjia. A Survey of Fuzzy Petri Nets[J]. Journal of Hangzhou Dianzi University,2008, 28(6):147-150 (in Chinese)

[3] Gao Meimei, Zhou Mengchu. Control Strategy Selection for Autonomous Vehicles in a Dynamic Environment[C]∥Systems, Man and Cybernetics, 2005(2): 1651-1656

[4] Sun Limin, Meng Chen, Yang Sen, Li Hao. A Method for Fault Diagnosis in Missile Based on Fuzzy Petri Net[C]∥2012 International Conference on Industrial Control and Electronics Engineering,2012,5: 1911-1913

[5] Gao Meimei, Zhou Mengchu, Tang Ying. Intelligent Decision Making in Disassembly Process Based on Fuzzy Reasoning Petri Nets[J]. IEEE Trans on Systems, Man, and Cybernetics, Part B, 2004,34(5): 2029-2034

[6] 史志富,張安,劉海燕,等. 基于模糊Petri網的空戰戰術決策研究[J]. 系統仿真學報,2007, 19(1):63-66 Shi Zhifu, Zhang An, Liu Haiyan, et al. Study on Air Combat Tactics Decision-Making Based on Fuzzy Petri Nets[J]. Journal of System Simulation, 2007, 19(1):63-66 (in Chinese)

[7] 趙振宇,周銳,池沛. 基于模糊推理Petri網的無人機智能決策方法[J]. 兵工自動化,2015, 34(3): 71-73 Zhao Zhenyu, Zhou Rui, Chi Pei. UAV Intelligent Decision Method Based on Fuzzy Reasoning Petri Net[J]. Ordnance Industry Automation, 2015, 34(3): 71-73 (in Chinese)

[8] Liu Jiufu, Chen Kui, Wang Zhisheng. Fault Analysis for Flight Control System Using Weighted Fuzzy Petri Nets[J]. Journal of Convergence Information Technology, 2011, 6(3): 146-155

[9] Chen Shyiming. Weighted Fuzzy Reasoning Using Weighted Fuzzy Petri Nets[J]. IEEE Transs on Knowledge and Data Engingeering, 2002, 14(2): 386-397

[10] 張墨華. 基于模糊Petri網的PAAIS知識處理研究[D]. 西安：西北工業大學,2006 Zhang Mohua. PAAIS Knowledge Processing Research Based on fuzzy Petri nets[D]. Xi′an, Northwestern Polytechnic University, 2006 (in Chinese)

Reasoning and Decision Making for Autonomous UAVs Based on Weighted Fuzzy Petri Nets

Tan Yanying1, Tong Ming2, Zhang Yanning3, Zhu Xiaoping4

1.Institute of Precision Guidance and Control, Northwestern Polytechnic University, Xi′an 710072, China 2.The Chinese People′s Liberation Army 68128 Forces, Lanzhou 730000 3.School of Computer, Northwestern Polytechnic University, Xi′an 710129, China 4.UAV Research Institute, Northwestern Polytechnic University, Xi′an 710065, China

This paper is dealt with autonomous reasoning and decision-making for unmanned aerial vehicles (UAVs) executing the search and attack mission. There exists the fact in the above reasoning envision that each input proposition does different contribution to the conclusion of the rule, and so the formalized reasoning method based on weighted fuzzy Petri nets (WFPN) is studied. The weighted fuzzy production rule set about two UAVs cooperating in search and attack mission is designed. The formalized reasoning method based on WFPN is further improved to adapt to the situation that the output propositions of several rules are the same in the above rule set. Applied the layered strategy, the improved formalized reasoning method is simulated based on the designed rule set. The simulation shows that the reasoning results are reasonable and the dimension of the large reasoning matrix is reduced efficiently.

unmanned aerial vehicles (UAVs), autonomous, weighted fuzzy petri nets (WFPN), formalized reasoning, layered strategy,decision making

2016-03-29

譚雁英(1967—)，女，西北工業大學教授，博士，主要從事無人機自主飛行智能管理、任務規劃及組合導航控制。

TP393

A

1000-2758(2016)06-0951-06