限 时 特 惠： 本站每日持续更新海量各大内部创业教程，一年会员只需98元，全站资源免费下载 点击查看详情
站 长 微 信： muyang-0410
马培蓓 隋江波纪军孟蕾
（海军航空大学岸防兵学院，烟台 ）
【推荐阅读】马培蓓,隋江波,纪军,等.智能无人集群系统协同控制关键问题分析[J].战术导弹技术,2022(4):124-131.
DOI：10.16358/j.issn.1009-1300.
摘 要无人机集群协同控制是智能无人机集群协同作战的技术基础，在复杂的动态环境和时间敏感态势下，可实现对各种信息快速有效地获取、处理、传输以及多平台的控制。针对智能化无人集群系统协同控制的关键问题，重点分析了复杂战场环境下多无人机系统的多级分布式协同控制体系结构以及具有时空约束的协同航迹规划问题，比较了采用三种不同算法的多无人机协同航迹规划的仿真结果；分析了集群编队控制中的协同控制策略和编队队形重构等关键问题，给出了多无人机编队运动轨迹和编队构型变化轨迹的仿真结果。最后从5个方面阐述了智能无人机协同控制技术的发展。
关键词智能无人机；协同控制；体系结构；任务分配；航迹规划；编队控制；队形重构
1 引 言
智能无人集群系统通过以无人机（UAV）为代表的无人飞行器之间的紧密协作来完成，以一体化无缝通讯网络实现信息共享，并通过协同策略综合分析、处理、分发各种战场信息数据，从而在整个协同系统内实现作战运用，是一个典型的群智能系统。在高动态、不确定、多任务、高威胁的现代强对抗作战环境下，单飞行器有限的飞行能力和载弹负荷很难独自完成复杂战场态势中的信息收集、区域监视、多目标攻击等任务，而智能无人集群系统协同作战已经成为未来武器装备的新兴作战样式。集群智能无人飞行器协同控制以自主协同网络为依托，在局部战场上创造出压倒性优势，可前突到高危战场前沿，完成情报监视与侦察搜索任务，可利用携带的制导弹药对目标进行突发性的攻击摧毁，为进一步对地攻击提供安全通道。未来无人机的任务内容必将形成以无人机侦察发射平台为核心、以导弹攻击拦截为作战手段、以卫星实时通信为信息保障，智能控制指挥“机、弹、星、人结合武器系统”。
研究智能无人集群系统协同控制关键问题，抢占战略“制高点”，可改变敌防空武器对我军的威胁态势，同时也是预防强敌介入的必备手段。作为集群无人机协同控制的重要支撑，协同任务规划与编队飞行控制技术能够根据作战任务，在满足任务时序、载荷能力、飞行性能、安全规避和时空一致等复杂约束条件的前提下，合理配置作战资源、制定行动方案，引导集群智能无人系统有序协同、高效地完成协同突防、协同探测、编队飞行、协同打击和协同评估等特定任务，提升作战效能，达成作战使命［1-3］。
2 智能UAV协同控制
智能系统是由分布配置的自治或半自治的子系统，通过网络互联所构成的大规模复杂系统。通常，智能系统需具有三个要素，包括智能个体、个体间信息交换的通信网络以及接收信息后的个体反应规则，即控制协议。智能个体具有环境感知、规避、探测、通信、信息融合、共享以及环境自适应的功能。集群UAV协同智能具体以无人机系统“蜂群”作战运用为目标，重点突破协同指挥控制技术、协同态势感知生成与评估技术、协同路径规划技术等，实现无人机系统之间的高度协同，达到自动控制“蜂群”中各无人系统的平台状态、交战状态、任务进度以及各编队之间的协同状态［4-5］。
智能化集群UAV协同控制是通过UAV之间的紧密协作完成的，以一体化无缝通讯网络实现信息共享，并通过协同控制策略综合分析、处理、分发各种战场信息数据，根据系统的共同利益承担目标，从而在整个协同系统内实现协同制导与控制，是一个典型的群智能系统。多机协同智能具体包括6层含义：
（1）多机协调，即多架UAV在执行任务过程中，根据各机的情况和任务，进行协商和最优动态任务分配；
（2）多机战术重规划，具备集群UAV应对突然威胁、目标功能，并对目标和已有威胁进行排序和任务分配，并与其他系统分离态势信息；
（3）多机战术目标，在执行任务的集群UAV中有一架核心UAV负责战术任务分配，具有执行任务协同行动的能力；
（4）分布式控制，集群UAV中没有核心，采用分布式架构，并且有多个UAV编队执行任务；
（5）多机战略目标，集群UAV在几乎无人的帮助下完成战略目标，但需要有人的监督；
（6）全自主蜂群，集群UAV完全自主工作，无需人工干预，利用和共享跨领域传感器的信息，实现无缝指挥、控制和通信。集群UAV的环境对抗性和任务复杂性决定了UAV必须具有高度的自主能力和协同能力，单机自主能力越高，多机分布式协同能力也越高，最终将实现UAV集群完全自主控制。
3 集群UAV协同控制体系结构
复杂多变的动态战场环境下，无论是各UAV间的通信和信息资源共享，或是协同目标识别，抑或协同战术决策，其前提都是各作战单位之间能够进行连续不断、高度密集、快速、近实时的信息交换。控制系统结构的选择一方面充分考虑实时性要求，加强分层递阶结构方法中的协调机制要求；另一方面考虑可靠性要求，加强分布式集群UAV系统中的信息获取、处理、传输和控制等一致性研究，以满足复杂动态环境下集群UAV协同作战的需求。多无人机系统的控制结构主要分为集中式控制、分散式控制以及分布式控制，见图1。三种控制方式各有其优缺点［6］。
▲图1UAV协同控制体系结构▲Fig.1UAV
多级分布式控制是目前采用较多的一种控制方式，具体如图2所示。
▲图2UAV多级分布式控制体系结构▲Fig.2UAV multi-level
多级分布式控制是将集中式控制与分布式控制相结合，并利用分层设计的思想，实现“功能上分离，位置上分散”，达到以“分布式控制为主，集中管理为辅”的目的。图2中的任务控制站是多UAV协同控制系统的重要组成部分，在控制站中，操作人员在UAV任务指挥管理系统的帮助下对UAV进行控制。任务控制站是UAV的指挥中枢，控制着UAV的发射、飞行、攻击目标以及接收和处理来自UAV的有效载荷数据，控制传感器等有效载荷的运行，完成UAV的飞行控制、飞行任务及航迹规划等。此外，任务控制站还具有自检测、故障隔离和操作员训练等功能。整个作战过程中，任务控制站始终监督跟踪协同系统执行任务的情况，并且在必要的时间向领机发送任务级命令，再由领机传递给僚机。通信数据链是完成领机与控制站之间、领机与僚机之间信息交换的必由之路，主要包括信息、指令传输的双向数据链，按照传输方向的不同分为上行链路和下行链路。上行链路主要完成控制站到领机的遥控指令的发送和接收以及领机传递给僚机的信息，该链路仅有较小的带宽，无论何时控制站发送请求，上行链路必须保持通畅。下行链路主要提供状态和数据两个通道，完成领机到控制站、僚机到领机的数据传送，并根据定位信息的传输，利用上下链路进行测距。状态通道用于传递当前UAV的飞行状态等信息，它仅需要较小的带宽。此种控制结构具有较强的抗破坏能力，同时兼顾了有/无通信的情况，综合了集中式控制与分布式控制的优点，增强了系统的可靠性和可控性，并较好地发挥了任务控制站中人的主观能动性。这不仅为UAV间的协同提供了体系结构上的支持，也为实现多UAV系统的扩展奠定了基础。
4 集群UAV协同任务规划
任务规划是指根据战场环境、需要完成的任务、无人机数量及载荷，对无人机完成具体作战任务的预先设定与统筹管理。其中任务分配规划和航迹规划是UAV执行作战任务的前提，其中涉及到的优化问题也最多、最复杂。
4.1集群UAV协同任务分配
多UAV协同任务分配本质上是多目标优化问题，是在满足资源、平台和时间约束条件下，可使有限数量的UAV得到最优的分配，最大程度消灭敌方目标［7］。当前启发式优化算法已在任务分配中得到广泛应用，主要有遗传算法、差分进化算法、粒子群算法、蚁群算法和狼群搜索算法等［8-11］。但这些算法在求解某些问题时可能会存在算法不收敛或陷入局部最优等不足。分布式协同任务分配算法主要有合同网协议、拍卖、一致性等基于市场机制的方法以及分布式马尔可夫决策过程、分布式预测控制、博弈论等［12-15］。基于市场机制的合同网协议是UAV间通过数据链相互传递信息，然后通过模拟市场竞拍活动中的“招标－投标－中标”过程实现UAV间的任务指派和协调，拍卖规则明确、操作简单。为了解决拍卖过程中态势感知信息不一致的情况，需用一致性策略来保证信息的一致性；马尔可夫决策过程更适合用来描述状态非完全可观测情况，适用于不确定环境中的建模，目前对该问题主要通过引入强化学习机制加以解决；分布式预测控制可综合未来的战场环境信息，做出的当前决策可更好地应对环境变化，具有更好的环境和任务适应能力。但该方法在解决任务空间不确定的规划问题时通常难以找到可行解；采用博弈论方法，各UAV的目标是实现自身利益最大化，适用于通信不可靠或非合作环境，难点在于需建立恰当的效用函数和协商策略，以使UAV自身利益和全局任务目标相一致。
智能UAV任务分配需根据UAV携带的不同载荷和武器系统的性能，正确选择合适的攻击目标，这是充分发挥武器威力的重要前提。结果应尽量保证最大效损比，即分配的收益最大，损耗最小，而且分配到各UAV的任务应尽可能均衡，以体现多UAV作战的协同优势。任务分配具体遵循如下原则：
（1）战斗使命所确定的目标，以最小风险、最短时间和最少的资源消耗，破坏敌方战略或战役指挥，削弱敌作战进攻力量，迟滞敌作战行动，破坏和瓦解敌作战潜力；
（2）攻击战术价值大的目标，即攻击敌编队中对战斗进程和结局起决定性作用的要害目标；
（3）整个集群UAV按照“目标威胁大、攻击有利”的原则分配目标，即遵循距离上“先近后远”、航迹捷径“先小后大”、速度上“先快后慢”、高度上“先低空后高空”的攻击原则，优先攻击上级指挥员指定的目标；
（4）避免重复攻击。作战效果不仅取决于单UAV的作战效能和对单个目标的作战毁伤概率，更主要的在于集群UAV的协同作战效果。期望在对单个目标达到一定毁伤概率的同时，火力不应过度集中于单个目标，即对同一目标实施攻击的UAV数目不能超过指定的数量。
4.2动态环境下集群UAV在线协同航迹规划
当前多UAV协同航迹规划的研究重点主要集中于规划结构和搜索算法。规划结构方面，主要有基于模型预测控制理论的在线滚动规划方法和飞行器自主规划与地面规划相结合等方法。搜索算法方面，主要有ARA*算法、粒子群算法、遗传算法、动态贝叶斯网络等［16-17］。智能UAV一旦接受任务指派，需要快速飞行至任务区域，UAV在巡航飞行过程中，由于受到平台自身性能的约束，可能会遭遇诸多突发的非确定性事件，因此很难保证原先已有航迹的适用性，特别是当UAV编队协同执行任务时，该问题变得尤为复杂。由于在执行任务时战场环境是动态不确定的，因此必须具有处理突发威胁的能力。在相同的初始条件下采用不同的航迹规划方法，所规划的航迹各不相同，在复杂威胁区和禁飞区环境下一阶惯性环节，以7架UAV攻击7个目标为对象，分别采用基于扩展图、基于栅格法和基于可视图法设计协同航迹规划，如图3所示。基于扩展图法所需仿真时间最少，基于栅格法所需仿真时间是其1.19倍，可视图法所用的仿真时间最长，是其1.875倍；基于栅格法付出的航迹代价最小，基于可视图法付出的航迹代价次之，而基于扩展图法所需的航迹代价最高；采用可视图法，可备选的航迹较多，规划的结果较好，但随着战场环境日益复杂，初始规划会占用大量的时间，此时采用扩展图法较好。可视图法更适用于静态环境，而栅格法和扩展图法更适用于动态环境中。
▲图3基于三种算法的协同航迹规划▲Fig. path with three
随着UAV集群规模的增大，即参与仿真的UAV、目标、禁飞区和威胁区的数量迅速增多，则规划时间也急剧增加，此时主要采用两种解决方法：
（1）将参与作战的UAV集群分成由4、5架航迹长度相近的UAV组成的几个小集群，以多方向、多波次的方式对目标实施攻击，这种小编队的攻击方式既可以达到一定的突防强度，又比较灵活，具有较强的生存能力，从而极大地减少了规划时间；
（2）由于航迹动态处理占用了大量的规划时间，可考虑执行多UAV协同分配后再进行航迹的缩短和平滑处理，此时需要处理的航迹数量大大减小，从而可将规划时间减少约50%左右。另外，在实际规划中，多UAV的协同规划需要在航迹的最优性和规划时间之间进行平衡，必要时需要牺牲最优性，选择次优航迹一阶惯性环节，以满足规划的实时性。
由于战场环境动态变化且具有不确定性，要求协同航迹规划算法具有实时性。
（1）UAV在飞行过程中经常会遇到突发的未知威胁、编队中UAV成员掉队或被击落、任务突然改变等情况，要求协同航迹规划算法具有实时性；
（2）集群UAV的协同航迹规划约束条件众多，在建立战场环境模型时，必须考虑对约束条件的处理。在建立模型时，应该更加贴近真实的战场环境，如面临的防空导弹、搜索雷达、防空火炮等，使得航迹更加具备实战用途；
（3）时间与空间的协同。空间协同问题即避碰问题，主要将避碰问题转化为最小安全间隔约束条件下的航迹规划问题，要求UAV能及时发现并消除碰撞冲突。时间协同要求无人机在执行任务过程中满足一定的时序约束，对无人机协同执行搜索、跟踪、打击和评估等任务。时间协同实现方式一般有两种：1）速度调整，即保持规划的航迹基本不变，通过调整飞行速度实现时间协同；2）航程调整，即保持无人机速度不变，通过调整航程实现时间协同。当前对具有时间约束的集群UAV协同航迹规划研究不充分，应能使各UAV在避免相互碰撞的情况下，同时从某一预先确定的角度进入目标攻击区，从而实现集群UAV同时到达集结点，最大限度地提高作战效能。
5 集群UAV协同编队控制
5.1协同编队控制策略
协同编队控制是多UAV自主协同控制中的一项重要技术，对于面向协同作战的UAV编队而言，多UAV编队协同控制技术还远没有成熟，并且面临着诸多挑战，主要包括战场环境的复杂性、任务的复杂性、UAV系统的复杂性、战场通信的复杂性、时间的敏感性及计算的复杂性。另外，UAV编队除完成最终的作战任务，执行任务过程中还需根据战场态势的变化灵活地完成其它任务，编队的结构和形状也需要根据情况进行灵活变换，以保证整个编队的安全性［18-19］。
集群UAV中每个智能体装配相同的无线通信设备，包括远程通信设备和近程通信设备，协同编队框架如图4所示，依赖近程通信设备形成局域通信网络，用于UAV个体间的信息交互［14］。此外，领机能够根据需要，自主开启远程通信能力，用于与控制中心交互信息。控制中心根据任务需要，解算出最优的编队队形和编队速度，通过通信网络控制将编队信息发送给领机，领机通过局域通信网将编队信息分发到所有僚机。同时，汇总所有在网UAV的状态信息，定时上传给控制中心，控制中心实时监控智能群体系统的编队状态，可以根据任务需要，随时下发指令，更改编队队形和编队速度。图5示出了6架智能UAV的编队运动轨迹。从图中可清晰地看出，6架智能UAV能够形成并且保持期望的编队队形。
▲图4UAV协同编队框架▲Fig.4UAV
▲图5多UAV编队运动轨迹▲Fig. UAV
5.2编队队形重构控制
面向协同作战的UAV编队除完成最终的作战任务外，在执行任务过程中还需要根据战场态势的变化灵活地完成其它任务，编队的结构和形状也需要根据情况进行灵活变换，以保证整个编队的安全性。传统编队保持控制律很难直接应用于编队队形变换，如何对传统编队控制律进行改进或者重新设计安全、有效和适用的编队重构控制律是编队控制的重要问题。UAV编队重构控制问题即给定一定数量的飞行器、初始编队构型、最终编队构型、各种约束和编队重构过程执行时间，确定每个飞行器的控制输入轨迹，保证满足各种约束条件下，在预定时间内能够从初始编队构型转换到期望的编队构型.采用分布式编队重构控制方法，其原理框图如图6所示［20］。
▲图6分布式协同编队重构原理框图▲Fig. block of
UAVi和飞行器UAVj之间相互传递协同信息，并以某种性能指标最小为控制目标。常见的一种协同策略是重构完成时刻的协调，即相互协同确定重构完成时刻T，这样每个UAV的主要任务就是规划一条轨迹，使得在T时刻可以确保完成编队重构任务，并且还应保证自身的安全性。T是协调变量，每个UAV必须将其作为航迹生成的约束。
以6架UAV组成三种编队构型为例，首先从初始的三角形编队构型变换到六边形构型，然后变换到正方形构型，如图7所示。
▲图7UAV编队构型变换轨迹▲Fig. of UAV
6 智能UAV协同控制技术的发展
智能无人集群系统具备集群战场态势感知和认知能力，能够完全自主和自行组织作战。未来，应根据现有UAV集群系统的使用经验和教训发展UAV系统关键技术，促进无人机关键技术的研究和实际发展，具体建议如下：
（1）加强UAV协同中信息主导作用的研究。UAV协同过程中，应紧密结合UAV协同特点和作战任务，研究如何对影响协同的情报信息收集、威胁态势评估、协同任务规划、仿真模拟推演、指挥控制协同和快速机动展开等内容和流程标准进行优化集成，最大限度发挥信息主导作用；
（2）加强UAV特别是无人作战飞机（UCAV）作为主战火力的效能发挥的研究。研究包括发挥UCAV主战火力作用，确定作战部署和构建作战体系，设计以火力打击为核心的作战阶段和作战进程，结合UCAV传感器任务载荷属性，突出强化情报收集、任务规划和飞行操控等策略，使个体UCAV火力既能自成体系，又能融入UCAV协同作战体系；
（3）加强复杂电磁环境下的一致性协同编队控制问题研究。无线通信容易受到干扰和攻击，特别是在军事应用中，智能UAV群体在高威胁、复杂电磁环境中工作，通信链路随时可能中断且修复时间难以预测，复杂多变的通信时滞以及不确定的噪声对编队系统的影响值得进行深入研究；
（4）基于更准确的UAV参数设计协同任务规划算法。智能UAV的一些参数以及底层控制器类型还未确定，大多数研究均是将UAV的底层内回路简化为一阶惯性环节后来设计控制算法。这种简化比较理想且具有误差，需根据UAV实际参数和准确的底层控制器模型设计有效、合理的协同任务规划算法；
（5）基于实战约束的UAV协同火力攻击决策与时间协同制导问题研究。协同攻击时，如何实现以最佳的协同时间完成对目标的最有利攻击，对系统的协调配合提出了挑战。因此，要求系统更关注UAV之间的相对状态，充分考虑UAV的动力学特性和武器载荷性能，考虑协同行为的高度一致性。UAV在飞行过程中需要采用协同制导方式对具有攻击角度约束的多无人机协同攻击时间进行精确控制与补偿。
7 结束语
针对智能无人集群系统协同控制关键问题，本文重点分析了智能UAV多级分布式控制体系结构和多UAV协同航迹规划问题，解决了动态性和实时性问题，并指出多UAV编队控制和队形重构问题，应根据战场实际环境，实时更改编队队形和编队速度，并能在满足各种约束条件下，在预定时间内从初始编队构型转换到期望的编队构型。未来需进一步加强多UAV网络化编队协同作战、基于战术数据链的UAV火力控制、电子战一体化和作战效能评估问题研究。
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，一年会员只需98元，全站资源免费下载 点击查看详情
站 长 微 信： muyang-0410
