智能無人機集群技術概述

李晗　蘇京昭　閆詠

【摘 要】通過無人集群技術來源的描述，介紹了部分國內外先進的無人機集群項目，重點闡述相關項目的發展目的和特點，分析了現階段智能無人機集群發展的關鍵技術，主要包括環境感知與認識、多機協同任務規劃與決策、信息交互與自主控制、人機智能融合與自適應學習，最后對智能無人機集群未來作戰應用提出展望。

【關鍵詞】無人機；智能集群；自主控制；未來戰爭

中圖分類號： V279 文獻標識碼： A 文章編號： 2095-2457（2017）26-0005-003

Summary of the technology about swarm intelligence of UAV

LI Han SU Jing-zhao YAN Yong

（38th Research Institution of China Electronics Technology Group Corporation， Hefei Anhui 230000，China）

【Abstract】Through the description the source of unmanned swarm technology， some advanced swarm intelligence of UAV projects were introduced. The purpose and characteristics of the related projects were introduced. The crucial of technology about the swarm intelligence of UAV was analyzed. It mainly includes environmental awareness and awareness， coordinated mission planning and decision-making， information interaction and autonomic control， intelligent fusion and adaptive learning. Finally， the future application of swarm intelligent of UAV is expected.

【Key words】Unmanned Aerial Vehicle； Swarm Intelligence； Autonomic Control； Future Wars

0 引言

無人機（Unmanned Aerial Vehicle，UAV）誕生于20世紀初第一次世界大戰期間，其研制目的是為了減少飛機的失事和飛行員的犧牲，進而可以實現遠程無人攻擊[1]。進入21世紀隨著科學技術的進步，無人機技術和產業得到快速發展，已經廣泛應用于各領域。軍事方面可以完美的替代有人機去執行4D 任務（枯燥乏味、環境惡劣、危險性高、深入敵方；Dull， Dirty， Dangerous and Deep）[2]。民用方面更是為廣泛應用于農業、工業、服務行業等各領域，如農藥噴灑、火災救援、地質勘探、考古探險、物流運輸等。

智能集群（Swarm Intelligence）的研究起始于1959年法國生物學家PierrePaul Grasse[3]，研究發現昆蟲之間存在高度結構化組織完成遠遠超出個體能力的復雜任務，蟻群的工作模式就是這種智能機群的經典代表，它們通過單體之間簡單的相互溝通協調，表現出大規模集群的智能行為。通過對昆蟲間智能集群行為的探索逐漸涌現了諸多智能集群算法[4]，如蟻群算法（Ant Colony System， ACS）和粒子群優化算法（Particle Swarm Optimization， PSO）。智能無人機集群就是基于生物集群行為，以單個無人機間通過彼此的感知交互、信息傳遞、協同工作在險惡的環境下可以低成本完成多樣性的復雜任務。

1 國內外智能無人機集群簡介

通過單體之間的緊密協作，體現智能無人機集群體作戰性能的優越性，世界各國均致力開展智能無人機集群的研究，已經成為無人機領域的一個重要發展方向。美國通過國防高級研究局（Defense Advanced Research Projects Agency， DARPA）和海軍研究實驗室（United States Naval Research Laborator， NRL）等機構全力探究無人機集群最新技術，應用于軍事發展，以保證其全球軍事技術領先。目前典型的無人機集群技術有：小精靈（Gremlins）項目、拒止環境中協同作戰項目（CODE）、“山鶉”（Perdix）微型無人機項目、低成本無人機集群技術項目（LOCUST）等[5-7]，其主要特點如表1所示。

表1 智能無人機集群項目特點

1.1 小精靈

2015年8月，DARPA在前期工作基礎上宣布啟動一個旨在實現空中可回收無人系統的“小精靈”項目，如圖1所示。該項目的目標是研究低成本的無人機群，以高效、快速替代的方式搭載情報、監視、偵察（ISR）等任務載荷，同時在載機平臺（運輸機、轟炸機等）中開發一個可以空中實現無人機集群快速發射和回收的裝置，使得未來的作戰飛機可以快速部署廉價、可重復使用的無人機集群，并進行概念驗證飛行演示。集群可以通過載機平臺的指揮控制及之間內部信息協同共享，突破敵方防御系統，快速展開任務執行計劃，任務完成后進行回收。

圖1 Gremlins項目

1.2 拒止環境中協同作戰項目（CODE）

2014年，DARPA提出“拒止環境中協同作戰”（Collaborative Operations in Denied Environment， CODE）項目。CODE項目旨在搭建一套包含編隊協同算法的模塊化軟件系統，可以適應帶寬限制和通信干擾等惡劣電磁環境，降低對地面指揮與操作人員的認知負擔。利用合理的方式將各類功能載荷集成到無人機集群編隊中，在單一平臺功能受損的情況下集群仍可以有序的執行任務，這種靈活性可以提高任務執行效率，降低無人機系統開發時間和成本。該項目目標是發展無人機協同作戰的自主能力，集群編隊利用信息共享的方式充分利用每一架無人機優勢，通過協同算法擴展無人機的任務類別，提高智能自主能力，最后形成一套智能集群無人機協同作戰體系架構。endprint

1.3 “山鶉”（Perdix）微型無人機項目

美國國防部戰略能力辦公室（SCO）主導了“山鶉”（Perdix）微型無人機高速發射演示項目。2014年9月，SCO首次利用F-16戰機開展“山鶉”無人機空中發射試驗。2015年6月SCO又在“北方邊界”演習中，利用F-16開展了一系列“山鶉”無人機空中發射與編隊試驗，驗證了無人機在空中相互通信并自主組成集群編隊的能力。2017年1月，美國采用三架 F/A-18戰斗機釋放出103架Perdix無人機，集群間共享信息進行決策，相互協調行動，很好的展示了先進的群體行為和相互協調能力，如集體決策、編隊飛行等，由于這種微型無人機可以躲避防空系統，能用來執行偵察任務。

1.4 低成本無人機集群技術項目（LOCUST）

2015年4月美國海軍研究辦公室公布了關于低成本無人機集群技術（Low-Cost UAV Swarming Technology，LOCUST）項目的研究狀況，海軍于2016年4月實現了30架郊狼無人機的快速發射和完全自主編隊飛行技術驗證。該項目旨在快速發釋放大量小型無人機，通過自適應組網及自主協同技術，攜帶各類偵查與攻擊載荷，在數量上以絕對壓倒性的優勢贏得戰爭。LOCUST項目發展了如郊狼等一系列小型折疊翼無人機和多管發射裝置，這類裝置可以裝備到裝甲車、飛機、艦船等平臺上，并實現1架每秒的速度釋放出無人機集群，如圖2所示。

1.5 我國相關簡介

我國無人機技術起步較晚，但發展迅速，以智能集群技術尤為突出。中國電子科技科集團公司（CETC）曾在分別在2016年和2017年完成了67架和119架固定翼無人機集群飛行試驗，刷新了無人機集群飛行數量的新紀錄，試驗成功的演示了編隊起飛、自主集群飛行、分布式廣域監視、感知與規避等智能無人機集群技術。

2 關鍵技術分析

美國曾在2000年將無人機自主控制的能力分為10個等級[6]，其中最高等級為集群自主控制，這一最高控制等級要求智能無人機集群系統在復雜環境下實現無人多任務目標全自主規劃，如圖3所示。目前中國和美國在智能無人機集群領域處于領先地位，要真正實現集群的完全自主控制還需要解決的關鍵技術主要包括：環境感知與認識、多機協同任務規劃與決策、信息交互與自主控制、人機智能融合與自適應學習技術[8-11]。

2.1 環境感知與認識

智能無人機集群系統需要適應在險惡復雜環境下執行艱難任務，要求系統能夠全面感知和了解復雜環境，可以在集群中進行信息共享與交互，輔助集群中其它無人機進行任務決策，這是智能集群系統實現高等級自主控制的基礎。

環境感知的任務是利用集群中光電、雷達等任務載荷收集飛機所處環境信息數據，從數據中發現規律和挖掘目標，在目標環境中進行目標識別、引導攻擊，提高集群系統對目標環境態勢的認識與理解，增強系統任務實現可靠性。環境感知與認識的關鍵技術包括數據采集、數學建模、信息融合與共享等，目前國內外相關領域專家正通過基于生物視覺認知機理的目標識別與環境建模、復雜環境感知與認識算法、非結構化感知方法等手段實現能夠適應智能無人機集群的環境感知與認識技術。

2.2 多機協同任務規劃與決策

智能無人機集群系統可以在復雜的戰場態勢中同時完成情報、監視、偵察（ISR）以及多目標攻擊等任務，合理高效的協同任務規劃方案是任務執行的基礎。合理的任務分配可以充分發揮單機作戰功效，體現集群資源的智能化作戰優勢，極大提高任務執行成功率和效率，降低風險和成本。

無人機集群任務分配一般按照保證最大益損比（分配收益最大、損耗最小）和任務均衡的原則進行，綜合考慮任務空間聚集性、單機運動有序性以及目標環境適應性，避免單機資源利用沖突、以集群編隊整體最優效率完成最大任務數量，體現集群協同作戰優勢。協同任務分配的關鍵技術在于其自主任務分配算法的研究，主要算法類型有：市場機制拍賣算法、匈牙利算法、蟻群算法、粒子群算法、遺傳算法、一致性集束算法等。現階段多數算法并不成熟，不適用于大規模的復雜任務自主規劃。

2.3 信息交互與自主控制

大規模的智能無人機集群在復雜目標環境中通過單機情報信息的實時共享與交互進行任務執行的調整、自主控制的迭代，以快速適應新環境、合理規劃路徑、高效完成任務。

信息的交互可以輔助單機要自主選擇接受有用信息實現自主控制與任務調整，更是大規模集群避免碰撞以及合理規劃任務的基礎。集群無人機會存在如何保持編隊飛行、快速適應目標環境、受到干擾如何保持穩定性、系統預故障的“自愈”等問題，這都需要單機情報信息的實時共享與交互才能由其余無人機進行自主決策。其關鍵技術包括多機協調與交互技術、不確定環境下的實時航跡規劃技術、多無人機協同航路規劃、編隊運動協調規劃與控制，基于故障預測的任務規劃技術等。

2.4 人機智能融合與自適應學習

集群無人機受機體性能限制，不具備遠距離的高效作戰任務能力。無人機系統的典型特征就是“平臺無人，系統有人”，隨著單機系統自主控制能力和智能化水平的提高，通過人機系統智能融合和集群自適應學習，可以實現智能集群和有人系統的高效協同作戰，極大增強集群無人機作戰能力。關鍵技術有人機交互、人機功能動態分配、人機綜合顯控技術、無人機自主學習能力/推理能力提升、平臺狀態/戰術態勢/任務協同綜合顯示等。

3 結束語

智能無人機集群技術作為一種具有顛覆性的智能集群技術具有惡劣環境適應性強，協同作戰能力強，智能程度高等優勢，備受各國重視，目前正處于飛速發展階段，隨著相關技術的日益成熟，智能無人機集群必將作為無人機系統的重要組成部分成為未來戰場中的重要作戰樣式，在戰爭中扮演重要的角色甚至改變戰局。

【參考文獻】

[1]秦博，王蕾.無人機發展綜述[J].飛航導彈，2002（08）：4-10.

[2]Short B. Royal United Services Institute for defence and security studies， London[J].United Service，2012，63（3）：5.

[3]Bonabeau E.A Brief History of Stigmergy Guy Theraulaz[J]. Artificial Life，1999，5（2）：97-116.

[4]梁曉龍，孫強，尹忠海，等.大規模無人系統集群智能控制方法綜述[J].計算機應用研究，2015，32（1）：11-16.

[5]申超，武坤琳，宋怡然.無人機集群作戰發展重點動態[J].飛行導彈，2016（11）：28-33.

[6]Weatherington D，Deputy U.Unmanned aircraft systems roadmap，2005-2030[J].Deputy，UAV Planning Task Force，OUSD（AT&L），2005.

[7]陶于金，李沛峰.無人機系統發展與關鍵技術綜述[J].航空制造技術，2014，464（20）：34-39.

[8]牛軼峰，肖湘江，柯冠巖.無人機集群作戰概念及關鍵技術分析[J].國防科技，2013，34（5）：37-43.

[9]魏星.基于粒子群算法的飛行控制律參數設計研究[J]. 西安航空學院學報，2017，35（1）：3-7.

[10]朱華勇，牛軼峰，沈林成，等.無人機系統自主控制技術研究現狀與發展趨勢[J].國防科技大學學報，2010，32（3）：115-120.

[11]王強.UAV集群自主協同決策控制關鍵技術研究[D]. 西北工業大學，2015.endprint