陳衛(wèi)衛(wèi) 遲凱

1.軍事科學(xué)院系統(tǒng)工程研究院北京100141 2.中國電子科技集團(tuán)公司數(shù)據(jù)鏈技術(shù)重點(diǎn)實(shí)驗(yàn)室陜西西安710068

無人機(jī)近年來在軍事及民用領(lǐng)域得到了長足的發(fā)展.集群化應(yīng)用被認(rèn)為是小型化無人機(jī)未來重要的應(yīng)用模式,如大規(guī)模協(xié)同測繪,協(xié)同感知等.在軍事應(yīng)用方面采用有人無人協(xié)同技術(shù),通過快速部署的無人機(jī)集群能夠進(jìn)行抵近協(xié)同偵查和干擾,以及利用體積小、成本低的優(yōu)勢進(jìn)行飽和攻擊,具有極大的對抗優(yōu)勢.

然而,目前單架無人機(jī)的操控需要1 至3 名人員在后方控制,采用現(xiàn)有有人無人協(xié)同技術(shù)進(jìn)行大規(guī)模的集群協(xié)作需要數(shù)量龐大的操控人員,這對無人機(jī)集群應(yīng)用而言是一個(gè)很大的挑戰(zhàn),傳統(tǒng)的無人機(jī)組網(wǎng)及測控技術(shù)也無法滿足大規(guī)模集群在復(fù)雜動(dòng)態(tài)環(huán)境中的高適應(yīng)性要求,5G 技術(shù)提出的面向高可靠超低時(shí)延的URLLC 場景,主要側(cè)重于短符號(hào)周期的新空口標(biāo)準(zhǔn),無法直接支撐集群協(xié)同策略.

1 無人機(jī)集群的特點(diǎn)

隨著無人機(jī)的發(fā)展,其使用方式已逐步從單平臺(tái)應(yīng)用向多平臺(tái)“集群”(Swarm)應(yīng)用方向發(fā)展.目前單架無人機(jī)所能執(zhí)行的任務(wù)非常有限,同時(shí)復(fù)雜任務(wù)也對單平臺(tái)的功能性能提出很高要求[1],功能復(fù)雜的無人平臺(tái)不但導(dǎo)致過高的使用成本,其穩(wěn)定性和可靠性也受到很大影響.而多架無人機(jī)協(xié)同,通過靈活可靠的網(wǎng)絡(luò)將各個(gè)無人機(jī)載荷以“任務(wù)要素”的形式統(tǒng)一協(xié)調(diào),平臺(tái)之間能力互補(bǔ),在網(wǎng)絡(luò)統(tǒng)一調(diào)度下,能夠?qū)崿F(xiàn)單架無人機(jī)無法完成的復(fù)雜任務(wù),如大規(guī)模協(xié)同測繪、分布式協(xié)同偵查等.然而多無人機(jī)協(xié)同是一個(gè)典型的在復(fù)雜環(huán)境中的復(fù)雜問題[2],復(fù)雜性來自于環(huán)境及執(zhí)行任務(wù)過程中的諸多復(fù)雜因素,真正實(shí)現(xiàn)集群的完全自主控制需要解決集群網(wǎng)絡(luò)化環(huán)境感知與認(rèn)識(shí)、多機(jī)協(xié)同規(guī)劃決策[3].單一策略很難達(dá)到可用的效果.

2016年5月,美國發(fā)布《小型無人機(jī)系統(tǒng)飛行規(guī)劃2016—2036》,對“蜂群”、“編組”、“忠誠僚機(jī)”3種集群協(xié)同概念進(jìn)行了闡述,其中“編組”是人對人,“忠誠僚機(jī)”是人對機(jī),“蜂群”是機(jī)對機(jī).其中網(wǎng)絡(luò)規(guī)模從小規(guī)模到中等規(guī)模再到大規(guī)模,作戰(zhàn)要素是人對機(jī)和機(jī)對機(jī)的結(jié)合,能夠?qū)⒂腥藷o人協(xié)同的決策優(yōu)勢與無人集群的數(shù)量規(guī)模優(yōu)勢相互融合,極大地提升體系對抗能力.

我國無人機(jī)技術(shù)起步較晚,但發(fā)展迅速,以智能集群技術(shù)尤為突出.中國電子科技集團(tuán)有限公司(CETC)曾分別在2016年和2017年完成了67 架和119 架固定翼無人機(jī)集群飛行試驗(yàn),刷新了無人機(jī)集群飛行數(shù)量的新紀(jì)錄.試驗(yàn)成功地演示了編隊(duì)起飛、自主集群飛行、分布式廣域監(jiān)視、感知與規(guī)避等智能無人機(jī)集群技術(shù).

研究表明無人機(jī)集群技術(shù)需要首先構(gòu)建無中心、自主智能、高動(dòng)態(tài)的集群網(wǎng)絡(luò),在集群網(wǎng)絡(luò)的框架基礎(chǔ)上進(jìn)一步構(gòu)建各種協(xié)同策略.

2 無人機(jī)集群組網(wǎng)技術(shù)

2.1 面向任務(wù)集群組網(wǎng)架構(gòu)

對于傳統(tǒng)的網(wǎng)絡(luò)而言,當(dāng)節(jié)點(diǎn)數(shù)量到達(dá)一定數(shù)量級(jí)時(shí),網(wǎng)絡(luò)開銷會(huì)急劇增大,同時(shí)網(wǎng)絡(luò)性能會(huì)迅速惡化.依托于傳統(tǒng)的通信架構(gòu)構(gòu)建無人機(jī)集群網(wǎng)絡(luò)無法保障實(shí)時(shí)性與可靠性.近年隨著數(shù)據(jù)鏈技術(shù)的發(fā)展,采用基于數(shù)據(jù)鏈控制策略構(gòu)建大規(guī)模節(jié)點(diǎn)協(xié)同模型的方法不斷得到重視.

無人機(jī)集群在指定空間范圍執(zhí)行任務(wù)時(shí),密集組網(wǎng),存在著較嚴(yán)重的信道干擾,同時(shí)信道質(zhì)量隨著空間環(huán)境的變化時(shí)變劇烈.物理層需要采集信道信息,對信道擁塞等級(jí)進(jìn)行合理分類,同時(shí)應(yīng)用層對當(dāng)前業(yè)務(wù)要進(jìn)行合理的消息分級(jí)策略,通過網(wǎng)絡(luò)分級(jí)保障能夠在信道資源良好時(shí)對全部業(yè)務(wù)消息進(jìn)行發(fā)送,而在信道資源變差時(shí),優(yōu)先發(fā)送關(guān)鍵消息,同時(shí)兼顧低優(yōu)先級(jí)業(yè)務(wù)一定程度的發(fā)送量,如圖1所示.

無人機(jī)集群的自組織路由策略采用基于發(fā)現(xiàn)的路由配置及重構(gòu)策略,同時(shí)基于任務(wù)需求及節(jié)點(diǎn)可信信息對路由進(jìn)行靈活管理,即對節(jié)點(diǎn)在一段時(shí)間消息處理行為進(jìn)行記錄和評(píng)估,基于信息論原則進(jìn)行可信度量,對于信任值較低的節(jié)點(diǎn)采取減輕負(fù)載的策略,對于可能被干擾或被控制的節(jié)點(diǎn)采取告警繞行策略,避免出現(xiàn)中繼失敗多次重發(fā).多跳組網(wǎng)情況下,能夠有效提升可靠性和靈活性,保證消息準(zhǔn)確可達(dá).

每個(gè)無人機(jī)平臺(tái)在執(zhí)行任務(wù)過程中,根據(jù)當(dāng)前任務(wù)需要,不一定需要收發(fā)所有類型的消息,而是只需處理特定類型的消息.并且不同業(yè)務(wù)的消息對網(wǎng)絡(luò)傳輸時(shí)延、傳輸帶寬以及參與此業(yè)務(wù)的平臺(tái)數(shù)量要求有著極大的差異.如協(xié)同控制類的消息要求最低傳輸時(shí)延在毫秒級(jí),而傳感器協(xié)同則要求時(shí)延秒級(jí)即可.考慮到不同任務(wù)類型消息所需網(wǎng)絡(luò)保障能力的差異化,在網(wǎng)絡(luò)設(shè)計(jì)中把消息按照功能進(jìn)行分組,這些分組稱為任務(wù)–網(wǎng)絡(luò)參與組.將消息分類歸屬于不同的任務(wù)–網(wǎng)絡(luò)參與組,并為各個(gè)任務(wù)的特定需求分配網(wǎng)絡(luò)資源,例如不同類型的任務(wù)–網(wǎng)絡(luò)參與組采用不同的服務(wù)等級(jí)、組播地址分配、消息交互協(xié)議.這樣能夠?qū)崿F(xiàn)基于任務(wù)功能對網(wǎng)上傳輸?shù)臄?shù)據(jù)作選擇管理,在大規(guī)模組網(wǎng)時(shí)當(dāng)前時(shí)刻只有任務(wù)需要的用戶才能接入這個(gè)任務(wù)–網(wǎng)絡(luò)參與組,從而才能夠接收相應(yīng)的消息,再將消息發(fā)送到需要的地方.這樣設(shè)計(jì)實(shí)現(xiàn)了任務(wù)驅(qū)動(dòng)網(wǎng)絡(luò)的組織,反過來網(wǎng)絡(luò)的組織策略更自適應(yīng)集群任務(wù)對網(wǎng)絡(luò)傳輸?shù)男枨?

圖1 任務(wù)驅(qū)動(dòng)的組網(wǎng)模型

2.2 面向任務(wù)的網(wǎng)絡(luò)智能管控

無人機(jī)集群網(wǎng)絡(luò)管理的關(guān)鍵在于面向任務(wù)的快速網(wǎng)絡(luò)規(guī)劃與資源配置.子協(xié)同測控及協(xié)同傳輸?shù)葓鼍跋?要能夠快速更新維護(hù)網(wǎng)絡(luò)拓?fù)?同時(shí)根據(jù)任務(wù)變化自主進(jìn)行路由切換.

面向任務(wù)的輔助決策能夠針對任務(wù)為集群中的各無人機(jī)平臺(tái)完成帶寬分配、優(yōu)先級(jí)配置、路由配置方案等網(wǎng)絡(luò)功能,在任務(wù)變更或者網(wǎng)絡(luò)態(tài)勢變化時(shí)能夠及時(shí)調(diào)整網(wǎng)絡(luò)管控方案,保證集群內(nèi)各無人機(jī)之間控制信息、業(yè)務(wù)消息等可靠分發(fā).

集群網(wǎng)絡(luò)智能管理通過收集無人協(xié)同網(wǎng)絡(luò)運(yùn)行信息,網(wǎng)絡(luò)監(jiān)視節(jié)點(diǎn)的信息,傳感器上報(bào)的信息等,對網(wǎng)絡(luò)拓?fù)浜土髁窟M(jìn)行分析,支撐做出網(wǎng)絡(luò)調(diào)整決策.

網(wǎng)絡(luò)輸入信息有:

1)應(yīng)用層的業(yè)務(wù)消息對網(wǎng)絡(luò)服務(wù)能力的需求.

2)物理層感知的信道狀態(tài)、接收到的各類業(yè)務(wù)消息、路由消息及網(wǎng)絡(luò)感知消息反應(yīng)的信道狀態(tài).

3)鏈路層和網(wǎng)絡(luò)層的擁塞狀態(tài),包括節(jié)點(diǎn)轉(zhuǎn)發(fā)擁塞、排隊(duì)處理擁塞等.

感知模型的輸出信息有:

1)網(wǎng)絡(luò)當(dāng)前性能狀態(tài):網(wǎng)絡(luò)拓?fù)洹⒕W(wǎng)絡(luò)鏈路負(fù)載.

2)網(wǎng)絡(luò)發(fā)展趨勢:網(wǎng)絡(luò)拓?fù)渥兓厔?、網(wǎng)絡(luò)重要節(jié)點(diǎn)職責(zé)變更、網(wǎng)絡(luò)鏈路負(fù)載趨勢等.

通過網(wǎng)絡(luò)態(tài)勢感知,能夠在指定空間的復(fù)雜環(huán)境里對集群網(wǎng)絡(luò)的變化作出預(yù)判,從而快速分配資源,保障當(dāng)前網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)性能,在動(dòng)態(tài)環(huán)境里支撐任務(wù)遂行.

3 無人機(jī)集群路徑臨機(jī)規(guī)劃技術(shù)

無人機(jī)集群協(xié)同過程中,為每一個(gè)平臺(tái)單獨(dú)設(shè)定精確航路是不現(xiàn)實(shí)的,需要集群能夠自主進(jìn)行航路臨機(jī)規(guī)劃.集群內(nèi)無人機(jī)平臺(tái)間通過彼此的感知交互,信息傳遞,進(jìn)行簡單的邏輯處理從而完成本地航路規(guī)劃,在少量簡潔的控制指令下,完成多樣性的復(fù)雜任務(wù).

3.1 環(huán)境建模

對于動(dòng)態(tài)航跡規(guī)劃問題而言,進(jìn)行精細(xì)的、實(shí)時(shí)的環(huán)境建模是非常耗費(fèi)計(jì)算資源的,不僅要占用較多的存儲(chǔ)資源,同時(shí)進(jìn)行航跡碰撞檢測也非常復(fù)雜,這勢必會(huì)影響算法的計(jì)算實(shí)效性.通常工程上的做法是,提取障礙物的特征參數(shù)構(gòu)建進(jìn)行近似的幾何包絡(luò)模型,如圖2所示.

通過構(gòu)建一個(gè)“ρ 范數(shù)”形式的通用化函數(shù)模型,調(diào)整模型參數(shù),通過組合多個(gè)簡單的幾何圖形,得到任意復(fù)雜的障礙物的近似模型,基本可以滿足實(shí)際業(yè)務(wù)需求.函數(shù)表達(dá)式如下:

圖2 障礙物特征幾何包絡(luò)模型

通過參數(shù)k1、k2、k3、k4、ρ 能夠擬長方體、橢球、圓球、菱柱等多種基本幾何圖形,在得到障礙物邊界的近似的解析表達(dá)式后,就能很方便地將其表達(dá)為如式(2)路徑回避約束,集成到動(dòng)態(tài)航跡規(guī)劃問題形式中:

式中,NObs表示攻擊機(jī)當(dāng)前感知到的所有障礙物數(shù)目;hi表示第i個(gè)障礙物對應(yīng)路徑回避約束.

3.2 集群路徑自主規(guī)劃

信息及控制理論研究認(rèn)為,群居生物間的協(xié)作和控制模式在實(shí)際工程中具有很大的應(yīng)用前景[4].通過對生物智能集群行為的探索涌現(xiàn)了諸多優(yōu)化算法[5],如蟻群算法(Ant Colony System,ACS)[6]和粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)[7].傳統(tǒng)優(yōu)化算法一般是在解空間建模完成后,針對目標(biāo)函數(shù)給出較優(yōu)解.然而無人機(jī)集群協(xié)同的場景中,信息獲取是局部逐步逼近全局并且時(shí)變的過程,意味著無法快速構(gòu)建全局模型,同時(shí)當(dāng)前模型的參數(shù)和狀態(tài)也是時(shí)變的,優(yōu)化算法在搜索過程中,很容易陷入局部最優(yōu)解中,從而得出的路徑信息往往不能滿足無人機(jī)集群的需求.

研究表明,對于大規(guī)模集群系統(tǒng),模擬生物群體的信息分布式搜索機(jī)制[8]能在不依賴全局信息的情況下進(jìn)行集群的自組織.在某些場景下自組織的效能優(yōu)于傳統(tǒng)控制策略[9],在高動(dòng)態(tài)環(huán)境下能夠優(yōu)于基于圖的靜態(tài)路徑規(guī)劃算法[10-11].

本文采用了集群分布式信息分發(fā)搜索機(jī)制,結(jié)合多跳網(wǎng)絡(luò)泛洪策略,在不充分環(huán)境建模的條件下,完成分布式動(dòng)態(tài)臨機(jī)路徑規(guī)劃.

首先集群中的每個(gè)節(jié)點(diǎn)在1 跳范圍內(nèi)進(jìn)行感知,判斷自己是否到達(dá)任務(wù)指定的目標(biāo)區(qū)域,并且用“電子信息素”的方式表征.節(jié)點(diǎn)在1 跳范圍內(nèi)發(fā)送本地電子信息素,周圍節(jié)點(diǎn)則根據(jù)信息素的耗散情況判斷當(dāng)前位置與目標(biāo)區(qū)域的遠(yuǎn)近關(guān)系.信息素具備時(shí)間耗散特點(diǎn),只有相同元素項(xiàng)被接收時(shí),才能進(jìn)行加成.每個(gè)節(jié)點(diǎn)按照1 跳范圍內(nèi)接收的信息元素項(xiàng)調(diào)節(jié)本地節(jié)點(diǎn)運(yùn)動(dòng)方向.節(jié)點(diǎn)感知和存儲(chǔ)的信息素強(qiáng)度變化可用式(3)表達(dá):

其中,p={pi}表示節(jié)點(diǎn)集合;S(t,p)表示信息元素強(qiáng)度;r(t,p)表示額外輸入的信息元素強(qiáng)度;q(t,p)表示在t時(shí)刻傳播到節(jié)點(diǎn)p的信息元素強(qiáng)度;E∈(0,1)為信息元素減弱參數(shù);F∈[0,1)為信息元素傳播參數(shù);

式(3)描述了在節(jié)點(diǎn)p處信息元素強(qiáng)度的變化情況,第1 項(xiàng)為時(shí)間帶來的信息素的耗散,這是信息素的自然特點(diǎn),第2 項(xiàng)為新加入的節(jié)點(diǎn)在1 跳范圍內(nèi)發(fā)送同類型本地電子信息素所帶來的增強(qiáng)效果;第3項(xiàng)為1 跳范圍內(nèi)的鄰居節(jié)點(diǎn)發(fā)送的本地電子信息素帶來的增強(qiáng)效果.

鄰居節(jié)點(diǎn)之間電子信息的傳播過程如下:

其中,N表示節(jié)點(diǎn)間的鄰居關(guān)系;式(4)描述了以節(jié)點(diǎn)p為鄰居的節(jié)點(diǎn),將本地總電子信息強(qiáng)度按照一定比例發(fā)送至p,比例取決于發(fā)送參數(shù)F以及鄰居節(jié)點(diǎn)數(shù)量.

大規(guī)模集群網(wǎng)絡(luò)中,節(jié)點(diǎn)通過1 跳范圍內(nèi)的感知判斷不同方向上的“信息濃度”從而進(jìn)行移動(dòng),在移動(dòng)過程中持續(xù)判斷自己與目標(biāo)區(qū)域的位置關(guān)系,形成多跳的信息素分發(fā),在局部區(qū)域內(nèi),形成信息梯度場,區(qū)域內(nèi)的節(jié)點(diǎn)根據(jù)強(qiáng)度增強(qiáng)的方向進(jìn)行移動(dòng),

圖3 分布式策略尋找可達(dá)路徑并自主進(jìn)行路徑規(guī)劃

集群網(wǎng)絡(luò)中的電子信息能夠形成梯度場,集群網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)按照電子信息的強(qiáng)度運(yùn)動(dòng),與信息素變化效應(yīng)耦合,最終在多個(gè)區(qū)域內(nèi)形成路徑匯聚,如圖3 綠色區(qū)域所示,此時(shí)全局范圍內(nèi)根據(jù)匯聚的路徑節(jié)點(diǎn)形成動(dòng)態(tài)的全局路徑信息.通過逐跳擴(kuò)散,路徑周圍節(jié)點(diǎn)能夠迅速靠近路徑完成移動(dòng).該方法完全摒棄了負(fù)責(zé)路徑解算和規(guī)劃的某個(gè)(或多個(gè))核心節(jié)點(diǎn),因?yàn)樵趫鼍爸?認(rèn)為沒有節(jié)點(diǎn)能夠獲取全局信息,不知道潛在的“安全區(qū)域”及“威脅區(qū)域”,故部分節(jié)點(diǎn)根據(jù)不完整信息作出的路徑規(guī)劃不具有可信性; 采用基于多跳網(wǎng)絡(luò)逐級(jí)信息擴(kuò)展的分布式機(jī)制,不需要全局信息,能夠充分利用節(jié)點(diǎn)數(shù)量優(yōu)勢,在探查環(huán)境的過程中構(gòu)建出可靠路徑.相較集中式方法,其反應(yīng)速度較慢,不適用于時(shí)敏任務(wù); 然而該方法能夠適應(yīng)場景的動(dòng)態(tài)變化,在動(dòng)態(tài)偵查任務(wù)中有較好效能.

4 無人機(jī)集群任務(wù)分配技術(shù)

通常情況下,多無人機(jī)執(zhí)行的任務(wù)類型可分為單一類型和多類型任務(wù).現(xiàn)有解決單一類型任務(wù)的多無人機(jī)任務(wù)分配模型包括旅行商模型(Multiple Travelling Salesman Problem,MTSP)[12],車輛路徑模型(Vehicle Routing Problem,VRP)[13],這兩種模型都只針對目標(biāo)位置訪問一次.處理多類型任務(wù)的典型模型包括網(wǎng)絡(luò)流優(yōu)化模型(Dynamic Network Flow Optimization,DNFO)[14],以及無人機(jī)協(xié)同多任務(wù)分配模型(Cooperative Multiple Task Allocation Problem,CMTAP)[15].

在實(shí)際工程問題中,無人機(jī)集群任務(wù)分配問題的目標(biāo)就是確定集群內(nèi)無人機(jī)搭載何種載荷、具備哪些功能,并設(shè)計(jì)粗略任務(wù)流程,使無人機(jī)集群協(xié)同應(yīng)用的整體效能最大,代價(jià)最小.這是一個(gè)多約束條件的多目標(biāo)優(yōu)化問題,其優(yōu)化指標(biāo)包括:目標(biāo)價(jià)值收益最大、目標(biāo)覆蓋程度最大、飛行距離最小和消耗成本最小.約束條件包括:對目標(biāo)的協(xié)同探測達(dá)到一定閾值以上,目標(biāo)必須在無人機(jī)集群的有效半徑之內(nèi),滿足無人機(jī)載荷–目標(biāo)約束,滿足各種禁/避飛區(qū)約束,對同一子目標(biāo)探測的無人機(jī)數(shù)目不應(yīng)超過一定限制等,如圖4所示.

根據(jù)任務(wù)分配問題的多約束多目標(biāo)特點(diǎn),以多目標(biāo)優(yōu)化理論為基礎(chǔ),建立聯(lián)合任務(wù)分配模型.一個(gè)任務(wù)分配方案必須通過一個(gè)三元組〈無人機(jī)編隊(duì)標(biāo)識(shí),路徑編號(hào),載荷型號(hào)〉封裝,其中探測目標(biāo)信息封裝在路徑信息中.任務(wù)分配問題本質(zhì)上轉(zhuǎn)換為建立上述無人機(jī)集群集合、路徑集合及載荷集合之間的三維映射關(guān)系.在實(shí)際中三維約束處理較困難,因此,利用虛任務(wù)區(qū)的概念把載荷信息封裝在路徑信息中.虛任務(wù)區(qū)是以任務(wù)目標(biāo)的中心點(diǎn)為目標(biāo)點(diǎn),根據(jù)載荷性能指標(biāo)所確定的滿足探測條件的區(qū)域進(jìn)行探測.

引入虛任務(wù)區(qū)后,從無人機(jī)集群起飛點(diǎn)到各個(gè)虛任務(wù)區(qū)存在多條路徑,無人機(jī)集群可根據(jù)上文的路徑規(guī)劃技術(shù)選擇一條航路,同時(shí)意味著選擇了該航路終端對應(yīng)的子目標(biāo)作為其探測目標(biāo),并且掛載該航路終端任務(wù)區(qū)對應(yīng)型號(hào)的載荷.集群無人機(jī)聯(lián)合任務(wù)分配問題即可轉(zhuǎn)化為對無人機(jī)集群選擇飛行航路的二維問題,如圖5所示.

圖4 無人機(jī)集群協(xié)同探測任務(wù)分配流程圖

5 大規(guī)模無人機(jī)集群隱匿控制策略

對于大規(guī)模無人集群,例如數(shù)量100 以上的無人集群,通過端到端的多跳路由傳遞信息網(wǎng)絡(luò)開銷極大,同時(shí)收斂也較為緩慢.在對抗環(huán)境下,外部衛(wèi)導(dǎo)信號(hào)極易被干擾,同時(shí)無人機(jī)之間鏈路不穩(wěn)定,并且處在干擾及電磁攻擊的威脅之下,需盡可能減小通信頻次,以降低被偵搜的概率.在此情況下,不依賴全局通信的自主集群穩(wěn)態(tài)算法將成為集群隱匿控制的重要手段.

Gazi V 在集群穩(wěn)態(tài)分析中提出[16],在n維歐式空間內(nèi),M個(gè)個(gè)體的集群系統(tǒng),對于第i個(gè)個(gè)體,運(yùn)動(dòng)方程為:

其中,g代表個(gè)體i與個(gè)體j之間相互吸引和排斥的關(guān)系,連續(xù)可微.

a,b,c是正常數(shù),b＞a.

通過改變參數(shù)a,b,c可得到不同密級(jí)狀態(tài)的個(gè)體影響函數(shù).如圖6所示.

圖5 無人機(jī)集群虛任務(wù)路徑選擇

圖6 不同參數(shù)的個(gè)體約束函數(shù)

集群中的無人節(jié)點(diǎn)可采用雙目攝像頭輔助單跳小功率通信,來確定自己與周圍1 跳范圍內(nèi)鄰居節(jié)點(diǎn)的距離,控制者通過控制命令中附帶的控制參數(shù),能夠?qū)壕奂拿芏冗M(jìn)行控制.一般地,對大規(guī)模集群進(jìn)行隱匿控制的方法如下:

1)測控端計(jì)算初始集群中心.

2)通過窄波束向集群中部分節(jié)點(diǎn)發(fā)送聚集約束參數(shù).

3)無人機(jī)采用雙目或者其他傳感器輔助小功率地頻次通信,計(jì)算與周圍鄰居節(jié)點(diǎn)位置,并將約束參數(shù)發(fā)送至1 跳范圍內(nèi)鄰居節(jié)點(diǎn).

4)無人機(jī)將與鄰居節(jié)點(diǎn)的距離代入聚集約束函數(shù)解算,得出鄰居節(jié)點(diǎn)約束合力.如果約束合力小于設(shè)定值,跳至步驟6.約束合力大于設(shè)定值,繼續(xù)步驟5.

5)無人機(jī)按照約束力方向進(jìn)行移動(dòng)一個(gè)單位距離,開始下一次距離解算.

6)無人機(jī)保持位置,不進(jìn)行移動(dòng).

圖7 為a=1,b=40,c=0.3 以及a=1,b=150,c=0.02 時(shí)的100 節(jié)點(diǎn)聚集仿真圖.

圖7 100 節(jié)點(diǎn)規(guī)模不同密度的集群自主聚集

該方法本質(zhì)上利用無人機(jī)的計(jì)算能力降低了對通信速率和頻次的要求,能夠避免全局大功率通信帶來的偵聽問題,同時(shí)有效應(yīng)對鏈路不穩(wěn)定.結(jié)合前文所述的臨機(jī)規(guī)劃技術(shù),能夠在拒止環(huán)境下,對無人集群進(jìn)行控制,保障任務(wù)遂行.

6 結(jié)論

本文針對無人機(jī)集群應(yīng)用的特點(diǎn),在數(shù)據(jù)鏈組網(wǎng)架構(gòu)的基礎(chǔ)上提出一種基于分布式優(yōu)化方法的集群動(dòng)態(tài)協(xié)同策略,能夠支撐大規(guī)模無人集群的協(xié)同控制.隨著無人系統(tǒng)載荷的計(jì)算能力迅速增強(qiáng),通過與網(wǎng)絡(luò)架構(gòu)耦合設(shè)計(jì)的智能協(xié)同算法,能夠有效提升無人集群的自主協(xié)同能力,相較于傳統(tǒng)優(yōu)化算法而言,對獲取全局信息的要求減小,有助于應(yīng)用于實(shí)際場景.

本文所述策略本質(zhì)上依然屬于基于規(guī)則的優(yōu)化方法,在基礎(chǔ)的規(guī)則框架上增加了分布式協(xié)同.相較于基于規(guī)則的優(yōu)化策略,人工智能技術(shù)通過大量的數(shù)據(jù)訓(xùn)練,能夠?qū)W習(xí)出規(guī)則所未設(shè)定的優(yōu)化能力,能力效能依賴于樣本數(shù)據(jù)的覆蓋性與精確性.在大規(guī)模有人無人協(xié)同體系對抗場景中,基于規(guī)則的智能算法與人工智能技術(shù)有效互補(bǔ)與融合促進(jìn),是下一步研究的重點(diǎn)方向.