基于任務區分的無人機航路規劃方法*

歐陽志宏, 李修和

(電子工程學院, 合肥 230037)

基于任務區分的無人機航路規劃方法*

歐陽志宏, 李修和

(電子工程學院, 合肥 230037)

軍用無人機飛行航路必須基于作戰任務規劃,在任務完成和飛行安全之間體現不同側重。文中將無人機航路規劃問題區分為固定航路規劃和突防航路規劃,闡明了各自的規劃要點,提出的基于任務完成度的固定航路規劃方法和基于改進蟻群算法的突防航路規劃方法,能夠滿足無人機不同作戰任務需求。通過算法仿真和作戰仿真系統的應用實踐,證明了文中方法的合理性和實用性。

無人機;任務區分;固定航路規劃;突防航路規劃

0 引言

現代戰爭中,無人機承擔著情報偵察、戰場監視、支援干擾、伴隨防護、火力打擊等多重作戰任務,是常規作戰手段的有力補充。無人機航路規劃就是要在充分掌握地形和敵情的前提下,依據具體任務明確飛行約束條件,尋找從初始點到目標點并且滿足某種性能指標最優的運動軌跡。現有的航路規劃方法[1-2]大多聚焦于如何回避威脅,確保飛行安全,卻忽略了作戰任務對航路類型和規劃結果的影響。

然而,軍用無人機大多有其具體作戰使命,航路規劃必須針對作戰任務有所區分,體現不同側重。文中以電子對抗無人機為例,針對不同作戰任務特點,將航路規劃問題區分為固定航路規劃和突防航路規劃,充分分析了兩類問題的規劃要點,并進一步提出了基于任務完成度的固定航路規劃方法,以及基于改進蟻群算法的突防航路規劃方法,滿足國內現有軍用無人機裝備作戰任務需求。

1 航路規劃的任務區分

軍用無人機規劃的航路應是在無人機回避地形和火力威脅以實現戰場生存的前提下,充分發揮飛機性能的要求,確保最大限度地完成作戰任務,某些情況下甚至需要犧牲一定的安全性考慮。所以,依據無人機不同的作戰任務和使命,航路規劃可區分為固定航路規劃和突防航路規劃[3-4]。

以電子對抗無人機為例,其典型作戰任務為遠距偵察和支援干擾、抵近偵察和伴隨防護兩類。固定航路規劃主要滿足無人機完成遠距偵察和支援干擾任務,任務范圍一般在敵威脅范圍以外,戰斗分界線以內。航路規劃一般在地面準備階段實施,通過搜集的任務區域地形情況和敵方威脅信息,運用數字地圖對各威脅點和周圍區域的危險程度進行量化處理,然后按飛機性能指標、基本航路類型和預定規則進行全局航路規劃并對無人機裝載航路點。無人機起飛后通常不改變預定航路[5]。

突防航路規劃主要滿足無人機完成抵近偵察和伴隨防護任務。可分為兩個層次:第一層為整體航線規劃,第二層為航跡的動態優化。在確知敵部分固定威脅的情況下,由任務設備在地面準備階段預先規劃整體最優路徑,無人機起飛后按此參考航路飛行以執行抵近偵察或掩護攻擊機群執行伴隨干擾任務;當遭遇敵高炮、導彈等機動性和突然性火力威脅時,無人機應根據環境變化實時修正參考航線,動態的生成最優航跡并沿著最優航跡飛行以規避威脅。

2 規劃要點分析

針對固定與突防兩類航路規劃問題,無人機航路規劃的要點分別體現在任務完成度和飛行安全度上。

任務完成度是固定航路規劃的首要考慮因素,可用任務時長來衡量。也就是說,無人機沿固定航路飛行,要求其到達任務區域后,最大限度地延長任務執行時間,如偵察時長或干擾時長。考慮的約束條件主要是武器性能、任務約束、飛行性能等。

以某型電子對抗無人機為例,其武器性能約束體現在偵察干擾天線不具備360°旋轉能力,兩組天線安裝在機翼兩側,因此只有在單側天線對準目標時才能實施偵察和干擾[7]。任務約束體現在無人機應滿足任務范圍要求且飛行不超出任務范圍,也就是說,在不確知目標位置的情況下,盡量覆蓋任務范圍飛行,做到無盲區;而又不超出任務范圍,以實現燃油的節約使用。實踐證明,飛機進入航路任務段后,航路邊緣與任務區域邊界相切效果最佳。

綜上所述,針對上述某型無人機規劃的環形跑道航路如圖1所示。

無人機在航路直線段飛行時執行偵察和干擾任務,考慮勻速飛行,任務時長約為:

T=n·2L/v

(1)

式中:L為航路直線段長度;v為速度。

飛行安全度[6]是突防航路規劃的首要考慮因素,可用飛行區域與威脅區域的重合面積來衡量。突防過程的威脅主要來自地形起伏威脅和敵方固定與機動威脅。一方面要考慮地形起伏因素,確保離地高度,躲避危險地形和惡劣天氣等;另一方面要盡量回避敵方雷達探測,脫離敵方地面固定防空武器和機動火力打擊范圍。將地形威脅和敵方打擊威脅分別以區域QD和QH表示,無人機應能夠繞過威脅區域飛行,如圖2所示。

飛行區域為QF,飛行安全度的最高要求是:

QD∪QH∩QF=?

(2)

3 航路規劃方法

3.1 固定航路規劃方法

文中以環形跑道航路這種最常見的航路規劃為例,在考慮敵固定威脅的前提下,提出基于任務完成度的固定航路規劃方法,通過逼近、前伸、回退3個步驟,探索最優航路。航路搜索流程如圖3所示。

具體搜索過程如下:

1)為滿足任務完成度要求,無人機以下式為約束盡可能前伸其航路,即最優航路搜索時D逐步增大,則可同時滿足直線段最大任務時長。

(3)

式中:S為飛行n圈的總航程;D為起飛段長度;R可設為最小轉彎半徑。

2)D增大到航路與戰斗分界線相切,即達到最大的前伸,超過分界線就有可能遭受探測和打擊威脅,以此形成航路S1。

建立二維直角坐標系,設戰斗分界線在與航路的交點(x1,y1)處形成的切線與水平方向夾角為θ,如圖4所示。

滿足:

(4)

交點滿足戰斗分界線曲線條件即可計算得出航路基本參數。

Z=f(x1,y1)

(5)

3)計算當前剩余的燃油,并進一步增加D,以式(3)為約束保證相同的飛行圈數n,直至剩余的燃油減至最低,形成航路S2。顯然,S2部分處于敵威力范圍,反映出犧牲安全性去追求更大的任務時長。

4)相反地,返回步驟2),以式(3)為約束逐步減小D直至飛行圈數變為n+1,形成航路S3。航路S3較S1和S2多一圈,任務時間有更長的可能性。

5)綜合比較航路S1、S2和S3,其中S1具有良好的前伸性和最佳的安全性;S2具有最佳的前伸性和較S1更好的任務完成度,但存在一定威脅;S3有最佳的安全性,但前伸性較弱。最后,進行任務完成度決策,由人工根據戰場情況和任務需求選擇最優航路。

3.2 突防航路規劃方法

突防航路規劃的計算量和實時性問題是規劃的要點。文中依據典型突防航路規劃思路,提出了基于改進蟻群算法的航路規劃方法,將目標點及其周圍點對蟻群的末端誘惑引入信息素更新,使得算法在結果準確性和收斂速度上均有所提升。航路搜索基本流程如圖5所示。

具體搜索過程如下:

1)初始化

初始化主要針對蟻群和信息素進行。蟻群初始化包括起點和終點、移動規則、蟻群規模m、信息啟發式因子α、期望啟發式因子β等。信息素初始化包括初始信息素Q、揮發程度系數ε和信息素修正權值e等。蟻群移動限定螞蟻在柵格地圖中位于節點(i,j)的可搜索范圍為節點(i+1,j+1)、節點(i+1,j)和節點(i+1,j-1),如圖6所示。

2)引入目標誘惑

以往的蟻群算法蟻群在第一次搜索航路時僅考慮固定威脅,無其它任何先驗信息,航路具有很大的隨機性,導致能夠走到目標點的螞蟻數量很少,從而后續完成全部搜索形成穩定的最優航路所需時間較長。

然而,螞蟻在接近目標點時,可通過多維感官感受到附近存在對其有吸引力的目標,且越接近吸引力越強。也就是說,目標點對螞蟻存在誘惑性,反映在算法中可以對目標點及其臨近點增加信息素在路徑的末端誘使螞蟻以更大的概率走向目標點。

設全局信息素矩陣為I,則引入目標誘惑后的I*更新為

I*=I+IY

(6)

目標誘惑引入的信息素IY是一種固有信息素,不會消逝也不會增加,對每一群搜索螞蟻的吸引力相同。

3)啟動搜索,獲取最優解

蟻群自起點按移動規則和沿途信息素強弱開始路徑搜索,首先根據各條路徑上的信息量及路徑的啟發信息來計算狀態轉移概率。轉移概率的計算公式為:

(7)

式中:xs為當前時刻螞蟻所在節點;xe為螞蟻下一時刻要前往的節點,該節點符合移動規則。τ(xs,xe)表示節點xs到節點xe的信息素強度,一般可將其等效于節點xe的信息素強度,無法前往的點或威脅點信息素為0;η(xs,xe)表示節點xs到節點xe的可見性,是節點間移動的代價或油耗的倒數,表達式如下:

(8)

螞蟻從結點(i,j)移動至節點(i+1,j+1)、節點(i+1,j)和節點(i+1,j-1)的概率分別為p1、p2和p3,顯然滿足:

p1+p2+p3=1

(9)

然后,根據計算的轉移概率采取賭輪法隨機選取下一個節點。按此方法進行搜索,直至柵格地圖終點。一次搜索過程,m只螞蟻中,部分螞蟻能夠到達指定目標點,另一部分偏離目標點,而又有部分中途遇到威脅終結生命。

比較每只螞蟻所經過路徑的航路代價,可以得到這次搜索過程中的最優航路,稱之為局部最優航路。將局部最優航路的航路代價與之前的全局最優航路的航路代價作比較,若本次搜索得到的局部最優航路的航路代價小于全局最優航路的航路代價,則將本次局部最優航路作為全局最優航路;否則,全局最優航路不變。

4)信息素更新

引入的目標誘惑不屬于信息素更新的范疇,所以信息素更新前應去除目標點及其周圍點增加的信息素。信息素矩陣的第一次更新I1為:

I1=I*-IY

(10)

然后以固定揮發量、局部最優路徑增量和全局最優路徑增量的方式,更新各單元信息素。設ε為揮發系數,ei、ea和Ii、Iq分別為局部最優路徑和全局最優路徑的信息素修正權值和修正量。信息素矩陣的第二次更新I2為:

I2=(1-ε)I1+ejIj+eqIq

(11)

最后為下一次搜索再次加入固定的目標誘惑信息素。信息素矩陣的第三次更新I3為:

I3=I2+IY

(12)

5)形成全局最優航路

重復步驟2)～步驟4),進行多輪次搜索,更新全局最優解。直至完成全部搜索,形成全局最優航路。

4 仿真實例與系統運用

4.1 仿真實例

為驗證文中基于改進蟻群算法的航路規劃方法較以往方法具有更好的準確性和收斂速度,設置仿真場景:蟻群規模m為20只,ε為0.5,ei、ea為1.5和1.8,α、β為1.0和1.1,起點A和終點B分別位于(1,9)和(16,9),在柵格地圖中,設置若干威脅點。某次搜索的3只螞蟻行走情況如圖7所示。

對蟻群執行5輪、10輪、20輪搜索分別進行500次蒙特卡洛仿真,對比以往算法和文中改進蟻群算法的航路搜索結果,搜索成功次數統計數據如表1所示。

表1 航路搜索成功次數對照表

針對蟻群執行20輪搜索進行的500次蒙特卡洛仿真,形成最優航路所需搜索輪數統計數據如表2所示。

表2 最優航路形成平均搜索輪數對照表

顯然,基于改進蟻群算法的航路規劃方法在搜索成功率和速率上優于以往蟻群航路規劃方法,尤其是在較少的搜索次數上能夠以較大概率快速獲取全局最優航路,在實時性上滿足實戰中突防航路規劃要求。

4.2 系統運用

文中的航路規劃方法已經成功應用于電子對抗無人機仿真模型嵌入陸軍某電子對抗裝備仿真系統供部隊使用。設計的航路規劃模塊及其交互關系概要如圖8所示。

系統以正北方向為0°,設定無人機任務范圍為(0°,350°),戰斗分界線為斜45°不規則曲線,無人機飛行速度為130 km/h,飛行高度4 000 m,起飛點與戰斗分界線垂直距離75 km。規劃的逼近、前伸、回退3種航路的基本參數如表3所示。

表3 航路搜索結果對照表

可見,前伸航路的偵察干擾任務執行時間最長,人工選擇前伸航路S2,如圖9所示。

6 結束語

文中基于無人機作戰任務將航路規劃問題區分為固定航路規劃和突防航路規劃,分別提出了具體的航路規劃方法,并通過作戰仿真應用對方法進行了驗證。航路規劃系統的發展方向是具備面對不確定環境的實時自適應航路規劃能力,單一的規劃方法顯然難以滿足需求,分層、分段、分區域的多種規劃方法的融合,既有大范圍的離線規劃,又有小范圍的在線修正,是下一步的研究重點。

[1] 董文洪, 易波, 栗飛. Memetic算法在無人機偵察航路規劃中的應用 [J]. 彈箭與制導學報, 2012, 32(1): 211-214.

[2] 葉文, 朱愛紅, 范洪達. 低空突防航路規劃算法綜述 [J]. 系統仿真學報, 2007, 19(10): 2357-2360.

[3] SZCZERBA R J， GALKOWSKI P，GLICK STEINI, et al. Robust algorithm for real-time route planning [J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(3): 869-878.

[4] 唐上欽, 黃長強, 胡杰, 等. 基于威脅等效和改進PSO算法的UCAV實時航路規劃方法 [J]. 系統工程與電子技術, 2010, 32(8): 1706-1710.

[5] 李子杰, 劉湘偉, 湯博, 等. 基于進化算法的雷達對抗偵察無人機航路規劃 [J]. 火力與指揮控制, 2013, 38(6): 51-54.

[6] 王慶江, 高曉光, 符小衛. 無威脅情況下任意兩點間無人機路徑規劃 [J]. 系統工程與電子技術, 2009, 31(9): 2157-2462.

[7] 熊丹君, 蔡滿意, 劉宇坤, 等. 多約束條件下飛行器航路規劃 [J]. 彈箭與制導學報, 2009, 29(2): 289-292.

MethodsofRoutePlanningofUAVBasedonTaskDifferentiationOU

YANG Zhihong, LI Xiuhe

(Electronic Engineering Institute, Hefei 230037, China)

Operational task should been the basic factor on planning the UAV route, in order to presenting the dissimilar considerations between task accomplishment and safety. In this paper, the route planning problem were divided into fixed route planning and penetration route planning, and the points between the two were clarified. Then the planning methods were designed both, such as fixed route planning method based on task accomplishment degree, and penetration route planning method based on improved ant colony algorithm, which could satisfy the representative task requirements of UAV. Finally, the simulation results and the applications in operation simulation system showed that the route planning methods in this paper had both rationality and practicality.

UAV; task differentiation; fixed route planning; penetration route planning

V249.1

A

2016-04-16

武器裝備重點預研基金;安徽省自然科學基金(1308085QF105)資助

歐陽志宏(1983-),男,河南確山人,講師,碩士,研究方向:電子對抗作戰仿真、復雜電磁環境構建。