基于T_S-SAS的多无人机四维协同攻击航线生成_张堃.pdf

第 44 卷第 6 期2 0 2 3 年 6 月兵工学报ACTA AMAMENTAIIVol 44 No 6Jun2023DOI:10 12382/bgxb 2022 0211基于 T/S SAS 的多无人机四维协同攻击航线生成张堃1，2，刘泽坤1，华帅1，张振冲1，李珂1，于竞婷3(1 西北工业大学 电子信息学院，陕西 西安 710072;2 光电控制技术重点实验室，河南 洛阳 471000;3 中航(成都)无人机系统股份有限公司，四川 成都 611743)摘要:针对多无人机攻击目标时间协同以及飞行航线空间协同问题，提出基于时间与空间双协同稀疏 A*搜索(T/S-SAS)算法的多无人机四维协同攻击航线生成算法。改进飞行扩展节点模型，设计基于并发扩展的算法结构，建立时间协同代价计算模型与多机防碰撞约束模型，并开展仿真研究。研究结果表明:所提算法能够增强无人机攻击航线的规划效率、减少不同无人机抵达目标的协同攻击时间极差、解决不同无人机之间的空间防碰撞问题;该算法使多无人机协同攻击航线满足时间/空间约束，提升了多无人机协同时间打击性能及飞行路线空间协同性能，提高无人机协同作战效率与作战能力。关键词:多无人机;双约束;四维协同;攻击航线生成中图分类号:V279文献标志码:A文章编号:1000-1093(2023)06-1576-12收稿日期:2022-03-30基金项目:国防科技基础加强计划项目(2020 年);航空科学基金项目(20200051053001);陕西省自然科学基础研究计划项目(2020JM-147)Generation of Multi UAV Four dimensional CooperativeAttack oute Based on T/S SASZHANG Kun1，2，LIU Zekun1，HUA Shuai1，ZHANG Zhenchong1，LI Ke1，YU Jingting3(1 School of Electronics and Information，Northwestern Polytechnical University，Xian 710072，Shaanxi，China;2 Science and Technology on Electro-Optic Control Laboratory，Luoyang 471000，Henan，China;3 AVIC(Chengdu)UAS Co，Ltd，Chengdu 611743，Sichuan，China)Abstract:To address the problem of target attack time coordination and route space coordination ofmultiple UAVs，a multi-UAV four-dimensional cooperative attack route generation algorithm based on theT/S-SAS(Time/Space Dual Cooperative Sparse A*Search)algorithm is proposed The flight expansionnode model is improved，an algorithm structure based on concurrent expansion is designed，and a costcalculation model for time coordination as well as a multi-UAV anti-collision constraint model areestablished Simulations are performed The results show that the proposed algorithm can enhance theplanning efficiency of UAV attack route，shorten the range in coordination time for different drones toreach the target，and solve the anti-collision problem for different UAVs The multi-UAV cooperativeattack route can meet the time/space constraints，allowing the multi-UAV strike performance atcooperative time and the flight route space coordination performance to be improved，and the operationalefficiency and capability of multi-UAV cooperative combat to be increasedKeywords:unmanned aerial vehicles;dual constraints;four-dimensional coordination;attack route gen-eration第 6 期基于 T/S-SAS 的多无人机四维协同攻击航线生成0引言在军事智能化1大背景下，无人机技术得到了蓬勃发展，但随着作战环境日益复杂，作战任务日渐多样，单架无人机难以独自完成作战任务，多无人机协同作战研究愈发重要。其中，攻击航线生成作为多无人机协同作战的关键环节，是保障无人机生存概率，增强多无人机协同作战能力的重要前提。在实际作战环境中，战场态势环境错综复杂、参与作战的多无人机起点不尽相同，但是对目标的打击常常存在时间需求，导致参战的不同无人机攻击航线交错纵横，容易发生碰撞，且航程参差不齐，难以在相近时间抵达任务点，进而实施协同攻击。因此，开展多无人机时间/空间双协同下的攻击航线生成研究十分必要。目前，航线生成算法多集中于数学规划法、路标图法、势场法、随机规划法、启发式搜索法等。近年来也涌现出许多强化学习方法如 Q-Learning2，但是强化学习在前期学习阶段具有较高计算成本。数学规划法包括动态规划法3、混合整数线性规划(MILP)法4、模型预测控制(MPC)法5/滚动时域控制(HC)法6、基于 Markov 决策过程的方法7 等。数学规划法易于理解，但在复杂空间环境下求解难度及计算量较大，难以保证算法的实时性。基于路标图法主要包括可视图法8、Voronoi 图法9 等。这些算法通常依据环境及障碍物对规划空间进行划分，规划结果较为安全，但规划速度与规划空间复杂度关系密切，航路规划结果并不占优，特别是针对无人机飞行性能约束需要进一步改进。势场法通过不同力场间合成力的作用引导无人机到达目标集合点，典型算法包括人工势场(APF)法10 及其改进方法11，如 APF 与虚拟结构结合的控制方法12、流函数(SF)法13、扰动流体动态系统(IFDS)法14 等。这类算法计算量较小、实用性高，但对于复杂规划环境仍需考虑规避局部最小的问题，且算法对参数的依赖性较大。随机规划法通过随机采样构建路径集合，并在其中寻找可飞行路径，主要方法包括随机路标图(PM)法15 和快速扩展随机树(T)法16 等。不同改进提高了对时间和空间上的利用率，加快了算法收敛速度，但其规划结果较难应用于多无人机协同航路规划过程。基于启发式搜索的路径规划算法以 A*、D*算法为代表，将求解的目标信息引入启发式信息，使搜索过程具有导向性，极大地提高了搜索效率。特别是 A*算法，作为应用最广泛的航路规划算法，许多研究人员在不同方向上提出了改进17 20，但对多无人机协同，特别是时间/空间双协同规划问题还需进一步考虑和平衡。为满足多无人机抵达各自目标点的时间协同以及空间防碰撞飞行协同要求，本文提出基于时间与空间双协同稀疏 A*搜索(T/S-SAS)算法的多无人机四维协同(时间+三维空间协同)攻击航线生成算法，通过改进飞行扩展节点模型，建立多机防碰撞约束模型，建立时间协同代价计算模型，设计基于并发扩展的算法结构，生成满足空间安全约束以及协同时间到达约束的多无人机攻击航线，以提高多无人机协同作战能力。1多无人机作战环境模型1.1作战环境描述设多无人机协同作战空间范围为 l w h，目标 T 空间坐标位置为Pe=(x，y，z)T(1)参与作战的无人机数量为 NU，定义无人机集合U 为U=U1，U2，Ui，UNU(2)式中:无人机 Ui(以下简称 Ui)的空间坐标位置为(xUi，yUi，zUi)，1iNU，建立无人机 3 自由度运动模型。1.2作战地形模型采用广泛应用的数学方程建立数字地形，以圆锥体模拟山峰并加入微小波动作为原始基准地形。模拟山峰如式(3)所示:h1(x，y)=Npj=1Hj(expx AjK)j(y BjK)j2(3)式中:h1(x，y)为采用式(3)计算的点的山峰高度，(x，y)为任意一点的水平投影面二维坐标;Np为山峰个数;Hj为山峰的最高高度;(Aj，Bj)为山峰二维中心点坐标;Kj为山峰的山坡陡度。原始基准地形的数学模型如式(4)所示:h2(x，y)=sin(y+a)+b(sin x)+ccos(dx2+y槡2)+ecos(y)+fsin(fx2+y槡2)+gcos(y)(4)式中:h2(x，y)为采用式(4)计算的(x，y)点的山峰高度;a、b、c、d、e、f、为 7 个不同的系数。根据式(3)、式(4)的描述，建立模拟地形如7751兵工学报第 44 卷式(5)所示:h(x，y)=max(h1(x，y)，h2(x，y)(5)式中:h(x，y)为地形高度。在给出任意一点的水平坐标(x，y)条件下，可计算得到该点在地形中对应的高度 h(x，y)。1.3环境威胁模型环境威胁模型包括不利气候威胁区模型、雷达威胁区模型、防空导弹威胁区模型，在多无人机协同攻击航线生成时需要进行规避。1.3.1不利气候威胁区模型不利气候威胁区可近似建模为圆柱体区域，威胁区高度远高于无人机飞行高度，在无人机不同飞行高度的水平截面为圆形区域，如图 1 所示。图 1中，dC表示当前无人机水平投影点与不利气候威胁区水平投影中心点的欧式距离，OC为威胁区中心水平投影面二维坐标，dC，min分别为不利气候威胁区不可穿越区半径，dC，max为不利气候威胁区最大影响半径，PC，min为不利气候威胁区对无人机最小威胁代价值，PC，max为不利气候威胁区对无人机最大威胁代价值。图 1不利气候威胁区Fig 1Adverse climate threat zone不同距离下不利气候威胁代价值如式(6)所示:PC(dC)=0，dC dC，maxdC，max dCdC，max dC，min，dC，mindCdC，max1，dC dC，min(6)式中:PC表示不利气候威胁区对无人机威胁代价值。1.3.2雷达威胁区模型雷达是一种利用无线电磁波进行探测目标的设备，可以根据发射和回收的电磁波完成对目标的识别和测距甚至是追踪，其威胁模型如图 2 所示。图 2 中，h 表示当前无人机与雷达中心坐标的高度差值，为雷达威胁的扫描范围角，d，min为雷达威胁的不可逃逸距离，d，max为雷达威胁的最大半径距离。图 2雷达威胁区Fig 2adar threat zone不同位置下雷达威胁代价值如式(7)所示:P(d)=0，d d，maxh dcos 1，d d，minhdcos d4，max d4d4，max d4，min，其他(7)式中:d表示无人机当前位置与雷达威胁区中心位置的三维欧氏距离。1.3.3防空导弹威胁区图 3防空导弹威胁区Fig 3Air defense missile threat zone防空导弹的杀伤区存在最大射高，因此在垂直截面可近似为圆台，其威胁模型如图 3 所示。图 3中，ABCDE封闭区域为杀伤区，ODE封闭区域为不