艦載多傳感器協同探測資源調度模型研究

王彥霖,王紅軍

(海軍大連艦艇學院,遼寧 大連116018)

1 多傳感器資源調度算法

1.1 多傳感器資源調度問題描述

在日常的多傳感器資源調度運行中,常常會出現以下幾個方面的問題:第一,對于性能不同的傳感器,其功能也不同,所適用的領域以及戰斗類型都是有針對性的;第二,面臨不同作戰情況,其是否會受到作戰環境的影響,這是能不能穩定發揮出自身性能的不確定性;第三,傳感器的資源有限,這一點就限制了其功能的發揮,只能執行一定范圍內的工作量,不能無限透支其功能和資源;第四,對于一些突發狀況,如果其傳感器在軟件或是硬件等方面出現了問題,那么會直接影響作戰結果[1]。我們所使用的這種單一傳感器,不論是從性能還是使用效率方面,都有著很多的不足之處,其不能處理復雜情況下的探測問題,不能為作戰提供更好的保障。想要在作戰中取得勝利、奪取優勢,就需要對傳感器進行深入研究,不斷地升級其系統和性能,讓它能夠更好地與作戰相匹配,得到更大的效能[2-4]。

1.2 多傳感器管理調度方法

在管理方法方面,多傳感器有著很多種計算方式,每種方式針對的重點和執行步驟都不太一樣。比如說,在線性規劃的算法下,首先需要建立起效能函數,而這一函數的設計目的就是為了更好地進行性能的分配[5]。程榮(2007)在其碩士學位論文中對運動目標跟蹤過程中傳感器資源調度進行了研究,提出了α-k覆蓋算法,確保目標運動區域中至少有k個傳感器以至少α的概率覆蓋;王紅軍(2007)在其博士學位論文中提出和使用克隆免疫算法及神經網絡算法解決艦艇編隊協同抗導資源調度問題;動態規劃的算法主要采取的模式是,先進行概率的計算,然后根據這一結果進行管理操作;信息論的管理方法就是先進行信息的采集,確定目標對象之后看其動態信息,掌握其在什么時候最為活躍,然后根據此進行跟蹤監測,能夠獲得更好的效果[6-7]。

除了上述的一些管理方法之外,隨著科技的發展與進步,這些方法已經不能滿足所有的作戰需求,因此近幾年來又出現了很多新的管理模式,更加科學智能。

在作戰中,很多情況都是未知且不可控的,面對著這種復雜的環境,一般的管理方法根本不能與之適應,因此出現了模糊推理和神經網絡的管理方法。它能夠克服這種無法預測的弊端,讓傳感器不論在何種情況下都能穩定地發揮其性能,也因為這一特性,此方法受到大家的歡迎與認可。張堃、周德云、王謙(2011)根據作戰階段和目標類型,建立了基于目標類型的模糊決策樹模型,對機載多傳感器動態智能管理進行研究;J M Mplina Lopez、F J Jimenez Rodriguez、J R Casar Corredera(1995)采用模糊決策和基于知識推理理論構建傳感器管理系統,為后續的操作打好基礎[8-12]。

根據軍事作戰講究反應快、準確度高的原則,本文選擇成熟的線性規劃作為求多傳感器協同探測最優解的算法進行建模。

2 多傳感器協同探測資源調度模型

2.1 艦載多傳感器資源調度系統

多傳感器協同,是為獲得戰場優勢而提出的一種模式,它能夠廣泛地探測現場情況,通過多種技術的融合而發揮出穩定的探測性能,能夠多方面、多角度地獲得比較全面、準確的目標信息,是一種效率很高的探測模式。艦載多傳感器資源調度系統主要功能:首先能夠根據實際情況做出系統選擇的判斷,能夠根據其情況的不同合理運用合適的傳感器;其次是針對模式的選擇,能夠準確判斷出應不應該使用協同模式進行探測;還有就是對機器狀態的掌握,能夠調節其內部參數以適應現場環境,找出最適合的匹配參數;最后是可以掌握其資源動態信息,以此來對機器狀態做出判斷,是否能夠發揮出其功能作用。圖1為系統功能圖解。

圖1 艦載多傳感器協同探測資源調度系統

2.2 協同策略規劃

此內容是指為了達到目的,幾組傳感器一起配合發揮作用的工作模式。由于作戰是復雜而多變的,不可能只出現一種情況,所以面對多種復雜的情況,就需要不同的傳感器發揮出其不同的職能,而每種傳感器都有其各自的獨特性能,所以為了讓其能夠充分發揮,就需要不同的傳感器之間進行協同工作,即構成協同策略。下面將針對3種不同的作戰情況,對其協同探測策略進行舉例規劃。

(1)預警探測

這種協同作業就是為了發揮出多種工作性能,以做到最好的探測效果,快速準確地獲得目標的探測信息,設CY為預警探測任務的協同策略集,CY=C{ ,CY2,…,CYm1}。

表1 預警探測任務協同策略集

(2)目標識別

這一內容的目的就是為了清晰準確地辨認目標、捕捉目標,避免出現探測對象的混淆。設CS為目標識別任務的協同策略集,CS=CS1{ ,CS2,…,CSm2}。

表2 目標識別任務協同策略集

(3)目標跟蹤

使系統能夠穩定且持久地對目標進行監測跟蹤,其所獲得的信息反饋能夠作為導彈定位的參考條件,設Cgz為目標跟蹤任務的協同策略集,CG=CG1{ ,CG2,…,CGm3}。

表3 目標跟蹤任務協同策略集

綜合上述分析,能夠得出最終的策略集合結果為:C={C1,C2,…,Cn},Ci∈{CY∪CS∪CG},i=1,2,…,n。

2.3 多傳感器資源調度系統描述

(1)虛擬任務描述

(2)虛擬任務重要程度及排序

前面所列舉的3種作戰任務,在具體的作戰環境中進行判斷哪一種是目前最需要完成實現的,然后將任務進行先后的排序,確定其完成的先后順序,使用專家打分法、有序比值法或模糊層次分析等方法,得出它們的重要程度結果為W=(w1,w2,w3),預警探測虛擬任務重要程度權向量分別為ρY=(ρY1,ρY2,… ,ρYE),目標識別虛擬任務重要程度權向量分別為ρS=(ρS1,ρS2,… ,ρSF),目標跟蹤虛擬任務的重要程度權向量分別為ρG=,故而可得虛擬任務集合T中各虛擬任務的重要程度加權系數為:

即ρ=(ρ1,ρ2,…,ρE+F+G),然后根據加權系數大小對虛擬任務進行優先級排序。

2.4 目標函數與約束條件

(1)目標函數:其系統在運作時是以滿足任務需求為目的,在傳感器資源進行了科學合理的分配,達到了最好的狀態時,得出其最優的協同探測結果:

式中:E(cj)代表策略cj代表所發揮的協同效益,其中涉及到多傳感器協同探測效能集內容,有待進一步研究。

式中:k為傳感器Ui的某種工作模式;Nki為Ui在工作模式k下的最大任務容量。

2.5 資源調度原則

資源調度原則為:

(1)首先滿足重要程度的需要,先完成最重要的任務之后再完成次重要任務。

(2)資源如果有限,出現分配不足的情況,那么優先分配給更重要的任務,或者從重要程度低的任務中抽取資源滿足重要程度高的任務的需要。

(3)完成任務時采取最好的協同策略,獲得最高的協同效益。

2.6 資源調度算法步驟與流程

資源調度算法步驟與流程為:

(1)首先建立起當前任務集合T={T1,T2,…,TN},確定任務的重要程度值,并將其按照程度大小進排序。

(2)參考協同策略集,以此作為根據來進行資源的分配預測。

(3)參考資源分配預測,以此來評估可以完成何種任務,并且在完成任務時要選擇最佳協同方式,注意對實施結果信息進行跟蹤記錄。

(4)分析任務的類型特性,以此作為參考選擇適合的協同策略,匹配合適的傳感器協同探測系統模式。

(5)如果出現了新的任務情況,要將其信息立刻輸入到集合中,重新執行步驟(1)。

(6)如果任務已經完成,就要將其從集合中移除,同樣重新執行步驟(1)。

(7)如果集合中沒有內容,那么立刻結束資源調度計算。

3 仿真計算

3.1 參數設置

設置預警探測、目標識別、目標跟蹤3種作戰任務多傳感器協同策略子集中各參數,詳細內容可參見表4。表中,“傳感器需求”若只有一個字符,如“A”則表示子任務由傳感器A單獨提供資源保障,若有2個字符,如“AB(0.9)”則表示子任務由傳感器A與B協同提供資源保障且當A與B協同工作時對此項子任務的保障效益為0.9,如t2為需要A與B分別同時提供的資源量(即資源總量的15%)。

表4 任務參數設置

其資源分為A,B,C 3種,每種傳感器資源資源總量為1,其中傳感器A與B,B與C,A與C可以協同使用,以保障不同的子任務,形成協同策略集。其重要程度權重向量為W=(0.25,0.3,0.45),預警探測任務子集為TY=(t1,t2,t3),子任務的重要程度權重向量ρY=(0.35,0.25,0.40);目標識別任務子集為TS=(t1,t2),子任務重要程度權重向量ρS=(0.5,0.5);目標跟蹤任務子集為TG=(t1,t2,t3),子任務重要程度權重向量ρG=(0.3,0.3,0.4)。

根據上述內容,經過計算最終可以得出以下結果,獲得相應的系數參數,其數值結果如表5所示。

表5 任務重要程度加權系數

3.2 仿真結果

通過仿真計算,得到傳感器A,B,C的資源調度情況,見圖2～圖4。

圖2 傳感器A在資源調度時的資源分配

圖3 傳感器B資源調度時的資源分配

圖4 傳感器C資源調度時的資源分配

3.3 結果分析

從圖2～圖4的內容中可以看出,傳感器A保障4個任務,t2是不完全保障;傳感器B保障了5個任務,其中t2未能完全保障;傳感器C保障了3個任務,所有任務完全保障到位。

由表4、表5、圖2～圖4可知,當t=10 s時,t5開始進行,此時需要對傳感器資源進行調度,根據實際情況匹配相應的資源,這時傳感器A已將資源分配給之前開始的任務t1、t2、t4,資源分配量分別為0.3、0.15、0.4,剩余資源量0.15已不滿足4個任務同時保障的條件。在已分配的任務中t2任務重要程度加權系數(見表5)最小,并且低于即將到來的t5,而參考原則2中的內容,重要程度高的任務可以在資源不足的情況下,通過調取重要程度低的任務資源來滿足需要,所以這時傳感器A不再對t2進行資源保障,而是將這部分資源提供給t5。此時根據原則4,當傳感器資源受限時,選擇傳感器資源不受限的協同策略中協同效益最高的協同策略,故t2選擇收益低于由傳感器A和B協同策略的傳感器B和C的協同策略,來執行任務。于是傳感器B開始在t=10 s時對t2進行資源保障,分配0.15的資源。當t=13 s時t3開始進行,首先還是需要一定的資源保障,向系統提交申請。而傳感器B把資源給了之前開始的任務t2、t4、t6,分配量分別為0.15、0.4、0.28,剩余資源量0.17,已不能滿足4個任務同時保障的條件。在已分配的任務中,t2任務重要程度加權系數(見表5)最小,并且低于即將到來的t3,參考上述原則2的內容可以執行操作,使傳感器B不再對t2進行資源保障,而是把這部分資源對t3提供。

故從t=13 s開始,t2的策略集中沒有可以對其進行資源保障的策略,任務停止。當t=15 s時,t4結束,根據“原則3”t2選定最好的協同策略來完成此項任務,因此使用傳感器A、B共同完成這項任務。

4 結束語

多傳感器協同探測資源調度涉及到很多內容,其中間步驟以及需要注意的事項也非常多。論文以不同的任務作為切入點進行分析,對于如何選用策略以及對協同策略集展開了一系列的研究,并進行了詳細的舉例,使用線性規劃算法對多傳感器資源調度模型進行了設計,確定了資源調度主要原則,給出了算法實現的基本步驟,并結合一種典型任務進行了仿真計算。最后通過仿真計算為艦載多傳感器解決資源受限下以最大效益為基礎的作戰使用與資源調度問題提供了基礎方法。