無人飛行器集群協同行為建模技術綜述

劉 鋼, 湯 俊, 劉 陳, 李 武,*

(1.湖南理工學院信息科學與工程學院, 湖南 岳陽 414000; 2.國防科技大學系統工程學院,湖南 長沙 410073; 3.中國航天科工集團有限公司, 北京 100048)

0 引 言

隨著需求范圍的日益擴大以及任務難度的不斷增加,單個無人飛行器可能受到主體性能和觀察角度的限制而遺漏信息,不能夠全方位完成偵察任務;同時,受作戰廣度和精度、殺傷半徑和能力的限制,單架無人飛行器越來越難以單獨執行攻擊任務。近年來,通過對魚、羊、蜜蜂、螞蟻等生物的群體性現象進行研究發現:許多生物群體的協作行為具有規避風險更好、覓得食物更快、保存能量更多、生存能力更強等優勢。通過把這種群體智能的思想應用到無人飛行器集群任務中,可以實現對無人飛行器編隊控制、決策和管理的智能協同優化,大幅度地提高無人飛行器的作戰使用效能和完成任務效率,從而安全、可靠地執行各種指派的任務。據美國五角大樓透露,自2016起,美國正積極研發可快速與美空軍交互的“蜂群”無人機技術,即“山鶉”無人機集群系統。美國國防部副部長也表示,從作戰飛機一次性放飛數十架無人飛行器,組成集群網絡,可以執行以往無法完成的任務。

1 集群協同特點及其關鍵問題

當前,以蜂群為代表的無人飛行器集群具有如下主要特點:首先,集群個體是分散式的,沒有中心控制,不會因為單一個體或者若干個體出現不確定的狀況而影響全局;其次,集群個體不能直接得到整體全部信息,僅能感知部分信息,個體遵循自治規則;再次,集群個體之間基于相互通信進行協作,包含個體越多,通信消耗量就越大;最后,集群個體具有良好的自組織能力,能夠協同執行較為復雜的任務。

上述這些特點給無人飛行器集群優化、調度和決策帶來了挑戰,亟待突破無人飛行器集群協同行為建模技術,實現不同環境下自組織集群多編隊協同、隊形重構以及決策控制,為有效發揮無人飛行器自身優勢和提高多無人飛行器系統的作戰效能提供理論基礎和技術支撐。從以上特點分析可以得到,無人飛行器集群協同行為建模關鍵要解決以下幾個方面的問題:

(1)無人飛行器集群協同行為組件化建模問題,采用靈活的鏈接組裝方式將無人飛行器實體圖形化集成為自組織集群協同模型,極大提高了系統開發效率;

(2)以防撞機制為核心的集群多編隊協同問題,形成以局部空域建模、連鎖沖突檢測、協同防撞避碰以及協同任務分配為主體的方法技術體系;

(3)面向效率最優的隊形變換問題,在不同協同編隊隊形下,研究能力有限的個體在局部交互機制下合作完成復雜任務,從而使群體具有高度協同能力和更強的抗擾動能力;

(4)分布式自組織集群協同決策控制問題,完成有效地分布式狀態預測與最優化選擇,能夠考慮不確定因素影響下的狀態分析預測,確保系統具備更好的深度認知與動態擴展能力。

可以說,以上4個關鍵問題既是迫切需要解決的問題,又是未來相關領域的研究方向。總體來說,究其本質是一個集群隊形多組合、協同個體交互緊耦合的多目標強約束復雜優化問題,適合采用智能技術優化求解。本文將組件化建模與分析技術、集群協同行為建模技術相結合,緊貼多無人飛行器協同任務迫切需求,開展無人飛行器集群協同行為建模與關鍵技術研究綜述。將為實現無人飛行器協同編隊飛行控制、決策和管理,拓寬無人飛行器使用范圍與提高集群完成任務的效率提供參考與依據;此外,這項技術的不斷發展和完善將使其在指揮控制決策、沖突風險分析、飛行航路規劃以及系統工程設計等領域發揮越來越大的作用。

2 集群協同行為建模研究現狀

2.1 復雜系統圖形化建模方面

可視化建模技術因其對離散事件仿真的基礎支撐作用,始終得到美國等發達國家的高度重視,取得了豐富的研究成果[1],典型的包括基于事件圖的可視化建模環境、基于Petri網的可視化建模環境、基于并行離散事件系統建模規范理論的可視化建模環境等。事件圖(event graph,EG)[2]是一種針對離散事件仿真的可視化開發方法,其主要特點是利用事件及事件兩兩之間的連線來描述整個離散系統的動態特性。為了提高EG的可組合性,美國海軍研究生院Buss等人在EG建模范式中引入面向對象的建模思想,提出了監聽EG對象(listener EG objects, LEGO),并實現了基于LEGO的可視化建模環境VisKit[3]。Petri網[4]主要針對并發性、隨機性、分布式、異步式的離散系統,利用庫所、變遷和令牌等基本元素構建圖模型對系統組成結構進行分析。著色Petri網[5]的提出為令牌增加了謂詞邏輯,提高了Petri網的描述能力,但通過數學形式對仿真系統進行分析的能力有待提高。亞利桑那州立大學Zeigler教授等人[6]在2000年提出了層次式的并行離散事件系統建模規范PDEVS,包含原子模型和耦合模型兩類范式,前者主要針對特定邏輯功能,而后者主要用于構建復雜模型。但原子/耦合模型之間的通信只能通過模型之間發送端口消息實現,模型之間數據交互能力弱。此外,還有一些其他應用相對廣泛的圖形化組合式建模技術,如加州大學伯克利分校開發的Vergil[7],基于塊圖方式將各種異構并發Ptolemy模型可視化組裝出各種實際應用系統,但主要用于嵌入式應用系統的開發;YetiSim[8]是加拿大多倫多大學提出的一種基于C++的離散事件仿真庫,采用執行圖作為并行離散事件仿真應用可視化描述規范,主要用于解決協同執行路徑的并發問題;加州大學洛杉磯分校提出的秒差距視覺環境[9]用于構建面向Parsec平臺的并行仿真應用,在通用控制流圖的基礎上增加了輔助標識用以表示消息的傳遞方向,但只提供采用進程交互仿真策略;美國MathWorks公司推出的SimEvents[10]為用戶提供動態系統模型構建環境,以拖放的方式將模型進行組裝并設置相應的參數,但難以滿足智能體數量大、交互多的特定需求。

國內學者也開展了對離散事件仿真可視化建模技術的研究,有學者采用了一種可重寫微分Petri網[11],為大規模分布式動態系統的形式化驗證提供有效途徑。文獻[12]在領域仿真實體要素進行分析和歸納的基礎上,提出仿真實體圖形化建模的設計方法、采用“方案-單元-實體-組件”方式的實體管理機制以及采用事件驅動、事件訂購和分發方式的實體交互機制。文獻[13]提出了支持LVC互操作的分布式聯合仿真支撐平臺的技術需求,并從體系架構、公共對象模型的定義、中間件設計等方面介紹了實現分布式聯合仿真支撐平臺Josim的關鍵技術及其解決途徑。文獻[14]提出利用交互式動態影響圖對未知對手進行建模,將對手的候選模型保存在模型節點并隨時間更新其信度,從而制定對特定實體自身有利的策略。文獻[15]提出了面向裝備剩余壽命預測的平行仿真技術,探討了裝備退化狀態在線感知、裝備退化狀態空間模型構建、裝備退化狀態空間模型演化等主要建模技術。文獻[16]結合無人機作戰仿真具體應用背景,提出平臺設計總體框架,主要支持全數字、半實物和綜合研討等3種仿真應用形式,用于分布式作戰仿真活動,但缺乏具體設計細節且執行任務的無人機數量較少。這些研究推動了并行離散事件仿真圖形化建模技術的發展,但基本不支持分布式集群建模,也沒有考慮多智能體協同決策需求,缺少對模型組合語義的描述與推理機制。

2.2 集群多編隊協同方面

關于多編隊協同的相關研究最初是由Marks[17]和Reich[18]于上世紀60年代開展的,特別是Reich模型主要可用于評估多條平行航跡間的碰撞風險,預測安全間隔標準和詳述航行各類需求,重點關注飛行過程中發生的操作失誤。Sahawneh等[19]嘗試通過故障樹對外環系統故障或事件進行建模,并反過來定義基于快速蒙特卡羅內環的多編隊協同態勢。Fasano等[20]提出一個安全分析流程用來評估傳統和非傳統飛機混合協同的作用效果。Netjasov等[21]提出的多機協同模型包括技術、人員以及相關安全系統子模塊,用于驗證有助于分析協調任務分配的關鍵因素以及確保任務順利執行的核心措施。Belkacem等[22]提出了一種多編隊分布式共識算法,將平滑的輸入信號提供給代理的控制通道,再將平滑分布的共識控制協議集成到幾何圖案模型中來開發新的編隊控制方案,用于解決二階非線性多智能體系統的協同控制問題,實現了三維編隊跟蹤。也有一些研究主要考慮飛行員的不同反應對飛行編隊的影響,如Lee等[23]結合貝葉斯網絡和博弈論來分析涉及人員和自動化組件的混合系統,并進一步預測存在沖突風險情況下的飛行員行為。Cetin等[24]對單個無人機操作失誤帶給整個飛行編隊的影響進行了分析。Spyridis等[25]提出了一種移動射頻目標跟蹤中無人機集群協同新算法,在該模型中,裝備有接收信號強度傳感器的多旋翼無人機被組織成一個群體,并協同接近和跟蹤移動目標,能夠在大規模環境中實施自主跟蹤。Gassara等[26]基于圖轉換系統提出了一種應用于反恐場景的無人機集群協同架構及其重構解決方案,如果所對應的圖可以由一系列規則生成,那么就認為其體系結構實例是正確的描述。

國內也有多編隊協同的相關研究,其中較有代表性的是研究分析工程實際應用中的修正模型,特別是生成刻畫協同防撞的主要參數即兩機飛行到最接近點的時間的修正公式[27]。有學者針對無人機編隊在復雜機動情形下的協同軌跡規劃問題,考慮路徑和速度的協同耦合,提出了一種基于解耦的預瞄自適應軌跡規劃方法[28]。文獻[29]基于群體智能開發了一種混沌灰狼優化算法,采用分布式模型預測控制實現了具有無飛行區約束的多無人機編隊的協同控制和軌跡跟蹤。文獻[30-31]都針對未知地面運動目標跟蹤問題,利用卡爾曼濾波算法對未知目標狀態進行預測,前者采用包含指令速度和航向速率的雙輸入無人機運動學模型,提出了一種多無人機編隊協同航跡規劃方法;而后者基于機載光電傳感器提出了一種多無人機編隊協同探測的地面目標定位跟蹤算法。文獻[32-33]則都針對動態運動目標進行搜索或攻擊的問題,前者考慮編隊中各無人機所擁有的環境信息不一致,采用改進的最小二乘法對丟失的信息進行補償,將目標定位模型納入擬合函數,提高數據擬合精度;而后者改進0～1規劃方法和貝葉斯概率統計公式,提出一種多無人機編隊協同攻擊的分層強化學習算法。文獻[34]針對火災監測任務中存在執行機構故障的多無人機集群協同森林火災監測問題,提出了一種容錯時變橢圓編隊控制方案,證明了所有固定翼無人機均可轉向橢圓監測森林火災,且協同跟蹤誤差一致最終有界。相關研究在深入分析編隊協同技術特點的基礎上,建立了系統防護失效故障樹模型,并提出了單個無人機未能及時響應概率和操作失誤概率的計算方法[35]。此外,相關實驗室對多編隊協同進行了半物理仿真測試,包括數字樣機開發測試、物理樣機開發測試、虛擬試飛以及數據統計分析等,并討論了多編隊協同主要風險及在設計、測試、操作方面需要完善的地方[36]。

2.3 集群隊形變換方面

Kim[37]將多無人機隊形變換問題構建成一個多屬性決策模型,把隊形位置的控制輸入序列作為決策變量,把隊形變換所需要的時間作為代價函數,把控制約束和碰撞約束同時作為約束條件,為了降低問題復雜度,在較長時間內才改變一次控制輸入序列,這種方法雖然可以減少搜索空間,但它和現實中的隊形變換有較大的出入,使得該模型的應用性不強。模型預測控制(model predictive control, MPC)主要用于求解強約束多目標優化問題,既可以將高層耦合任務放在代價函數中進行描述,又可以同步處理輸入和輸出兩種約束條件,并且滾動時域優化策略還能夠有效應對任務環境不確定性。Hafez等[38]在無人飛行器編隊隊形控制中使用了MPC方法,取得較好的編隊飛行效果,但他并未在模型中考慮編隊中兩兩碰撞問題,使得可操作性不強;Radmanesh等[39]提出了一個隊形控制MPC模型,利用了混合整數線性規劃思想,大幅提高了編隊的穩定性,但由于時間不同步,使得模型的時效性不強;Thomas等[40]提出了一種分布式MPC算法,適用于在凸有界多邊形區域內考慮多個外向Agent時的編隊部署和重構,算法在多個Agent離開編隊時依然有效;Kabiri等[41]基于“長機-僚機”結構提出了一種隊形變換MPC模型,它的特點是長機在每一個時間間隔中必須給僚機傳輸自己的預測軌跡,必然給模型的時效性帶來很大影響。文獻[42]結合無人機系統有限范圍感知的特點提出一種基于規則的隊形控制方法,可生成任意隊形且對突發威脅能主動有效地規避。文獻[43]利用無人機與目標的速度關系,將二維阿波羅尼奧斯圓擴展為三維阿波羅尼奧斯球,通過阿波羅尼奧斯球設計了無人機編隊圍捕隊形,并基于一致性算法引入二跳網絡加快圍捕隊形收斂。Duan等[44]受仿生學啟發,提出了一種新型仿生智能計算方法——鳥群優化[45],該算法在許多優化問題中求解性能全局性良好。在群體機制方面,Khatib[46]通過衛星全球定位系統觀測鳥群飛行,發現其內部等級森嚴,這不僅存在于飛行隊形保持與變換中的跟隨與協同行為,也體現在進食過程中的先后順序。Azam等[47]將無人機群隊形變換問題設定為一個分散的馬爾可夫決策過程,采用一種叫做信念狀態優化的快速近似動態規劃方法來近似求解編隊隊形控制問題,提出了一種基于決策理論的分散無人機群編隊隊形控制方法。

編隊飛行任務不同,所采用的隊形變換方法也就不同,國內學者們也針對各自的任務研究發展了多種實現方法。如文獻[48]提出了面向時間協同的多無人機隊形變換效率計算方法;文獻[49]研究了以路徑跟蹤為主、速度調節為輔的編隊隊形變換策略;文獻[50]研究了適應飛行速度的無人機編隊彈性隊形控制技術;文獻[51]基于角度和射程測量,研究了無人機編隊對目標的最優觀測隊形配置;文獻[52]提出了一種由4個步驟組成的算法來設計無人機群時變編隊跟蹤協議,解決了具有切換拓撲和有向交互拓撲結構的無人機編隊時變編隊跟蹤控制問題;文獻[53]基于自適應學習的鴿子啟發優化算法,提出了一種面向多無人機編隊恢復力的新型優化方法,實現了隨機攻擊下編隊隊形的快速準確重構;文獻[54]提出了一種基于協同進化算法的編隊隊形重構方法,基于自適應分組策略,將多無人機的變量分為幾個子組,以更好地處理其緊密耦合;以上研究都針對各自的專業領域和任務需求提出了無人飛行器編隊隊形變換模型及方法,但大都沒有從頂層設計的高度對集群協同進行隊形部署,而這恰恰是決定集群協同效果的關鍵所在,是實現集群協同整體性能最優必須考慮的關鍵因素。此外,也有學者提出了兩種非線性控制算法來解決相應的隊形變換控制器設計問題[55],相關研究機構利用退火遞歸神經網絡極值搜索算法解決了緊密編隊中僚機所需動力最小化問題[56],此外利用非線性雙模滾動時域控制器來解決復雜環境下的編隊問題[57]。

2.4 集群決策控制方面

麻省理工學院林肯實驗室對集群決策控制進行了長期的研究[58]。早在1974年,當時美國聯邦航空局要求他們參加一種機載安全保障系統的研發,在1970年代中期該實驗室開發出原型傳感器Mode S;且從2000年開始,林肯實驗室對提出的各種改進多機控制邏輯算法進行安全性評估,并將相關風險模型分為傳統集群沖突和非傳統集群沖突兩大類[59]。Kuchar[60]概述了如何對可裝備在無人機編隊上的控制模塊進行設計的問題,重點突出系統響應的靈敏度。Kochenderfer等[61]提出一種關聯決策模型可隨機生成相互協作的飛行器近距離態勢,并通過快速蒙特卡羅模擬以評估集群決策控制的概念。Smith[62]構建數據驅動的報錯模型用以處理在較短時間段內連續出現的多個集群決策建議,從而盡量減少控制人員因為在同時處理連續出現的建議而引發的過失。此外,林肯實驗室重點考慮相關機載決策控制系統設計以實現更高的安全性能而不干擾常規操作[63];并側重于協作、互操作性和多沖突的決策支持研究,提出的方法技術優化了混雜機載裝備環境中的系統性能[64]。Mehmood等[65]則將多無人機的編隊和軌跡分別由兩個單獨的控制器控制,采用基于Lyapunov函數的自適應擾動估計器來補償外部擾動和參數不確定性的影響,利用Lyapunov定理保證控制器的穩定性。

在集群決策控制方面,國內相關研究對飛行器狀態的基本數據編組(如位置、速度和航向)進行了有效的融合,并利用Kalman濾波器對數據進行處理[66]。文獻[67]詳細介紹了嵌入系統在高密度空域下的輔助決策功能,給出了嵌入系統的總體結構和功能模塊的設計,尤其對高密度空域下電磁干擾控制問題進行了重點研究。有學者采用滑模控制理論設計了編隊控制器,并利用李雅普諾夫函數證明了控制器的穩定性態勢,針對多無人機形成期望隊形后無法成功避開威脅的情況,采用人工勢場法對多無人機編隊的飛行路徑進行實時規劃[68]。相關實驗室將現有的通用三維空中交通控制模型劃分為水平和垂直兩個方向上的二維控制模型,簡化了系統模型的分析,且設計了無人機編隊保持的自適應控制器,使多機控制模型分析有了一定突破[69]。文獻[70]提出采用基于擬態物理法研究多無人機系統的集群構型生成及重構控制問題,在改進傳統的擬態物理法基礎上定義新的引力和斥力,使質點模型多無人機系統能夠生成均勻分布的標準構型,并借助LaSalle不變集理論分析了集群控制律的穩定性。文獻[71]基于人機合作機制,設計了有人/無人機編隊協同的任務規劃層、協調控制層和功能實現層三層遞階式指揮控制結構,并給出了輔助決策模塊、人機交互系統、編隊控制管理系統和航跡規劃路徑跟蹤系統等關鍵模塊的設計內容。文獻[72-73]都基于領航-跟隨框架構建期望集群編隊,前者設計了一種保證集群連通性的編隊控制算法,優勢是以距離為原則對集群進行聯盟劃分,只需信息濃度最大的無人機獲取虛擬長機信息,其聯盟成員通過與該無人機通訊間接獲取虛擬長機信息,解決了切換拓撲結構下的集群編隊控制問題;而后者通過設計合適的擾動觀測器,提出了一種觸發閾值動態可調的動態事件觸發機制,針對無人機編隊制定分布式事件觸發控制方案,解決了時變干擾下無人機動態事件觸發協同編隊控制問題。相對于領航-跟隨框架,文獻[74]將所有無人飛行器分解為幾個不同且不重疊的組,建立了基于組的分層體系結構,所提出的編隊控制律可以保證在控制輸入約束下,整個無人機閉環群系統的全局漸近穩定性。還有學者[75]基于一致性理論研究集群控制問題,提出了對無人機機動性的約束,將算法中無人機的三自由度轉換為與描述無人機間相對位置的自由度一致,使得在標準一致性算法中加入編隊信息成為可能。

2.5 存在問題與難點

基于以上研究現狀分類梳理分析可見,目前尚缺乏針對無人飛行器集群協同行為的有效、可重用建模方法,主要問題和難點總結如下:

(1)傳統“堆砌代碼”式的建模方法普遍存在著開發門檻高、開發效率低、不支持無人飛行器個體模型的快速組裝及重用、系統升級維護困難等問題,難以快速適應無人飛行器集群協同行為動態變化的緊急任務需求;以Petri網為代表的現有可視化建模環境雖具有一定通用性,但是缺少語義描述與推理機制,難以支持集群協同行為描述,且缺少對集群中單個智能體行為決策結果的考慮,無法完成以不同組合形式選取和裝配智能體模型構建不同自組織集群系統模型;

(2)無人飛行器集群并非由多個無人飛行器構成的簡單集合,其功能也并非多個無人飛行器功能的線性組合,因此它是一個復雜非線性協同系統,能夠適應動態環境并執行復雜的任務,因而需要從沖突檢測、協同防撞、協同任務分配等方面建模形成完整的理論技術體系;

(3)傳統優化方法在面對隊形變換這類復雜問題時,需要大量的求解梯度計算而難以滿足緊急任務效率的需求,因此需要找到新的優化方法來求解無人飛行器自主隊形變換問題;

(4)無人飛行器集群協同作為一種全新的任務執行形態,正逐漸成為生成體系作戰能力的有效途徑,而自組織集群行為建模技術是實現集群高效率協同的關鍵所在,需要針對不同任務構建模型用以提高自組織集群協同整體效能。

3 基本框架與關鍵技術

自由飛行概念的提出、多編隊協同執行作戰任務、現有決策控制系統性能的不足以及無人飛行器編隊的大量使用觸發了集群協同行為建模的相關研究,主要包括無人飛行器集群協同行為圖形化建模分析平臺、以防撞機制為核心的多編隊協同、面向效率最優的無人飛行器隊形變換以及分布式自組織無人飛行器集群決策控制4個方面,無人飛行器集群協同行為建模基本框架如圖1所示。

圖1 集群協同行為建模基本框架

3.1 集群協同行為組件化建模分析平臺

傳統基于仿真平臺手動編程的建模開發方式需要建模人員深入學習系統建模相關的基礎理論知識,熟練掌握對應的仿真平臺技術,導致自組織集群協同行為模型開發門檻高、開發周期長、系統升級和維護成本大,難以滿足無人飛行器集群系統頻繁更新、高效集成的實際要求,已成為制約無人飛行器集群協同行為模型仿真分析普及發展的重要因素。無人飛行器集群協同行為模型圖形化建模技術的實現建立在分層組裝的思想理念上,其強調對構成無人飛行器集群協同行為模型的各實體進行獨立的圖形化建模,并采用靈活的鏈接組裝方式將這些無人飛行器實體模型圖形化組裝為無人飛行器集群協同行為系統。因此,無人飛行器集群協同行為模型圖形化建模開發流程可以分解為兩個基本的子階段:① 支持無人飛行器實體模型的圖形化開發;② 將無人飛行器實體模型進行圖形化鏈接組裝。無人飛行器集群協同行為圖形化建模平臺既可以實現自頂向下由無人飛行器集群協同行為模型逐步細化到底層的無人飛行器實體,也可以實現自底向上由無人飛行器實體層次式組裝構造復雜的自組織集群協同行為模型。

集群協同行為圖形化建模分析平臺的組成結構如圖2所示,其中無人飛行器實體圖形化建模模塊,用以支持無人飛行器實體模型的圖形化建模開發;集群協同行為模型集成模塊,用以支持自組織集群協同行為模型的集成鏈接;基于狀態空間的分析模塊,用于生成集群協同行為模型各個階段的狀態數據形成狀態空間,以支持對集群協同行為模型進行分析。仿真實體組裝區主要用以支持對無人飛行器實體模型圖元及無人飛行器實體模型交互關系圖元的加載及連線,支持實體模型開發人員對無人飛行器實體模型相關信息的配置;模型編輯區為無人飛行器實體圖形化建模提供交互界面,建模人員通過鼠標拖拽的方式將無人飛行器實體模型組成圖元拖拽到無人飛行器實體模型圖形化編輯區,并雙擊無人飛行器實體模型組成圖元彈出對話框可以對相關數據進行配置。

圖2 集群協同行為圖形化建模分析平臺組成結構

3.2 以防撞機制為核心的多編隊協同

自組織無人飛行器集群通過局部空域信息共享來實現共同的目標,是典型的復雜非線性協同系統,而并非是多個無人飛行器功能的線性組合,能夠適應動態環境并執行復雜的任務。以防撞機制為核心的多編隊協同相關研究包括局部空域建模,不考慮地球曲率,大大簡化計算,并建立時空混合的無人飛行器沖突區域概念;離散化飛行軌跡用經緯度和高度進行標識,添上時間信息描述飛機四維狀態,構建局部空域內基于復雜網絡的協同防撞機制,從而確保飛行安全這個前提;無人飛行器形成編隊執行任務時,既要考慮防撞問題,又要實現機群整體目標任務高效快速地完成,利用簇化信息單元對自組織集群任務進行有效管理描述之后,考慮目標收益與集群損耗兩個方面對自組織集群任務進行協同分配。

為解決局部空域內的多無人飛行器相撞和連鎖碰撞問題,創新地以復雜網絡理論為基礎,將無人飛行器集群的飛行沖突解脫分為關鍵節點選擇和防撞方向選擇算法兩個步驟實施,最大限度地保證無人飛行器集群受威脅時的安全性。構建無人飛行器集群復雜網絡的主要原理是:通過“碰撞風險檢測-全域數據分析-獲取威脅狀態”三步法,形成碰撞空間,然后以兩兩連線的形式構建分析網絡,同時用鄰接矩陣的記錄跟蹤威脅狀態。圖3以兩個無人飛行器編隊為例,展示分別在兩個不同的垂直平面上的無人飛行器編隊集群場景,用以說明無人飛行器集群復雜網絡的概念。

圖3 無人飛行器集群復雜網絡概念圖

無人飛行器集群復雜網絡中確保安全距離的主要機理是:復雜網絡中每一個節點為一架無人飛行器,每個節點之間設置一個最小安全距離,規定任意兩兩無人飛行器之間不能突破這個最小安全距離,集群協同算法采用單機改變飛行方向的形式來確保最小安全距離。在某些時候,由于無人飛行器可能還沒有達到預設的避撞高度,使得無人飛行器相對距離較近,網絡中顯示存在威脅狀態,但是在隨后的協同過程中,可以保證在計算的碰撞時刻,存在威脅的無人飛行器已經飛行至安全避撞高度,危險接近隨之消除,在后續協同過程中能夠始終保持安全距離。

3.3 面向效率最優的無人飛行器隊形變換

無人飛行器集群一般包含幾十架甚至更多數量的無人飛行器,其集群執行任務時,既要按照任務要求保持規定的編隊隊形,又要同時滿足狀態約束和環境約束。無人飛行器集群隊形變換研究的主要方面是如何突破個體性能限制,通過設計個體交互機制和隊形重構算法,協同完成個體難以勝任的復雜任務。本研究針對無人飛行器隊形變換效率問題,提出隊形變換最優效率求解模型,將能耗最小和隊形變換完成時間最短作為最優效率衡量指標,利用軌跡推導的評價指標具有一般性,可適用于多類無人飛行器。本研究同時分析了無指定目標位置的無人飛行器編隊集結問題,提出利用運動分解的思想求解編隊重構問題,可以有效簡化其問題規模。傳統優化方法在計算隊形變換這類復雜問題時,由于需要大量的求解梯度計算而難以滿足在線應用的需求,因此需要找到新的優化方法來求解無人飛行器編隊飛行自主隊形變換問題。

無人飛行器集群在復雜不明的環境中執行任務時,各種安全威脅將會在任意時空中隨機出現,并且還有可能遭到意料之外的情況發生,從而造成重大損失。在以上場景中,就需要及時進行隊形變換,重新組織編隊隊形,最大程度規避損失,在確保生存的前提下完成既定任務。與編隊集結不同的是,隊形變換有著更多、更強的約束條件。比如,有的個體不可避免無法參與后續任務,就要有其他個體頂替位置,或者全體重新部署后續隊形;又比如,遇到山谷等特殊的威脅障礙時,既要保持住性能約束隊形,又要考慮每個無人飛行器的位置,使得每一架無人飛行器都能安全通過。如圖4所示,6架無人飛行器編隊遇到兩個狹窄障礙物,需要變換隊形從中間通過。可以采用兩階段動作分解方案,將無人飛行器編隊的隊形變換問題分解為設計通過隊形和實施編隊集結兩個動作。首先,依據前方障礙物具體形態為集群編隊設計合適可用的通過隊形;然后,基于最小能耗和最短時間模型進行編隊集結,考慮到集結后續任務需求,這里采用Dubins航跡,以滿足無人飛行器集群協同需要。最后,加上向障礙物移動的運動分量,達到安全通過障礙物的要求。

圖4 編隊重構

3.4 分布式自組織無人飛行器集群決策控制

無人飛行器集群具備智能化程度高、不確定性因素多以、任務環境復雜等諸多特點,自主決策與控制是實現自組織集群多編隊協同的關鍵,對于提高自組織的整體作戰效能起著至關重要的作用。本研究構建時域協同與空域協同的體系結構,采用分布式方式,體系結構呈現扁平分散化的特點,系統具備更好的動態擴展能力。采用基于狀態空間的多無人飛行器復雜態勢預測模型,支持針對局部空域內的多無人飛行器協同控制問題,只要在同一集群內無人飛行器之間存在有效的通信連接,就能夠保證有效的分布式狀態預測與最優化選擇。為使重建誤差最小、模型結構最優,應用智能優化方法使無人飛行器能夠對態勢信息進行整合理解,并將其融入到深度學習的全過程中。

無人飛行器自主實時觀測周邊的鄰近范圍,通過應答機搜尋來自鄰近范圍內其他無人飛行器的回答;當其他無人飛行器處于鄰近范圍內時,則根據收到的應答獲取其相對位置和速度等狀態信息,計算相對距離和到達最近點的時間。在實際飛行中,鄰近的入侵機可能因為受到自然因素、機械故障以及操作失誤等多種不確定因素的影響,造成無人飛行器運動狀態突然改變,從而導致本機獲取的目標運動狀態具有不可確定性。造成無人飛行器運動狀態突然變化的因素有很多,但沒有必要采取逐一討論或者有針對性的討論方式。因為不管是水平方向上的航向角、垂直方向上的俯仰角發生變化,還是速率大小的變化,都體現在無人機速度向量的改變上。因此,本研究直接提取無人機當前最重要的四維狀態信息,只在速度上添加一個變量用來綜合表示各種不確定性,這樣大大簡化了計算難度,縮短了計算時間,同時還做到了計算結果不失真。

4 結 論

近年來,人工智能、通信以及傳感器等技術的迅速發展為無人飛行器集群協同行為建模技術研究提供了理論支持。無人飛行器集群一般由幾十架甚至更多數量的同構簡單無人飛行器組成,具有十分鮮明的分布式系統特征。本文基于無人飛行器集群協同特點梳理總結了關鍵技術問題,從集群協同行為組件化建模、集群多編隊協同、集群隊形變換、集群決策控制等4個方面,對無人飛行器集群協同行為建模技術現狀和存在難點進行了全面總結,同時提出了后續研究基本框架和實現途徑,對于全面了解無人飛行器集群協同行為建模技術研究現狀具有良好的參考意義。

以無人飛行器集群作戰效能涌現為牽引,圍繞無人飛行器集群協同應用前景,梳理無人飛行器集群協同行為建模技術的發展方向如下:

(1)研究無人飛行器集群協同行為圖形化建模技術,為模型開發人員提供直觀高效的集成開發模塊,不僅能避免實際飛行測試帶來的高風險、高成本,而且可以反復測試,有助于提升無人飛行器自組織集群的可靠性與安全性;

(2)研究以防撞機制為核心的多編隊協同技術,離散化飛行軌跡并構建局部空域內基于復雜網絡的協同防撞機制,不僅確保飛行安全這個前提,而且考慮了目標收益與集群損耗兩個方面對自組織集群任務進行協同分配;

(3)研究面向效率最優的無人飛行器隊形變換技術,軌跡推導具有一般性，可適用于不同無人飛行器,且將能耗最小和隊形變換完成時間最短作為最優效率衡量標準,從而使集群具有高度協同能力和更強的抗擾動能力;

(4)研究分布式自組織無人飛行器集群決策控制技術,基于狀態空間對復雜態勢進行全面預測與最優化選擇,有效實現自組織集群的分布式決策控制,且應用智能方法整合理解態勢信息,確保系統具備更好的深度認知與動態擴展能力。

無人飛行器集群協同行為建模技術研究對當前無人飛行器集群應用的拓展具有顯著效益,包括以下幾個方面：

(1)顯著提高系統性能。以飛行器編隊為例,編隊飛行的各成員飛行器不受空間結構的限制,執行相關任務時在確保飛行安全的前提下可以實現多目標協同優化,從而極大地提高了系統的作用范圍和作用效能；

(2)降低系統任務成本。自組織集群具有較高的自主性,對于地面指揮系統的依賴性較低,從而可以減少系統控制管理成本；

(3)具有更強的適應性。隊形的尺寸、形狀以及飛行器的數量都可以根據任務的需要,通過隊形變換來進行調整；

(4)提高系統的可靠性。自組織集群中某個飛行器的失效并不會導致整個系統的崩潰,可以通過系統的重構降級使用,也可以重新加載新的飛行器。