多無人機編隊協同控制軟件平臺設計與仿真*

李春，宋曉程，李芳芳

(北京電子工程總體研究所，北京 100854)

0 引言

無人機具有尺寸小、質量輕、隱蔽性好、機動性高、零傷亡等特點，在軍用和民用領域受到廣泛關注[1]。近年來，無人機在戰爭中用于執行早期預警、偵察、監視、通信中繼、對地(海)攻擊和電子對抗等任務，取得了不錯的戰果，使人們逐漸意識到它的作用與潛力。但是單架無人機所能攜帶的武器或傳感器數量有限，其任務的執行能力也受到相應的限制[2]。多無人機編隊協同飛行是近年來的一個前沿研究領域，多無人機編隊相比較于單無人機，具有更大視野、更高生存率、更好氣動性能等優勢，可充分利用有限單機資源，共同執行復雜任務[3]。

多無人機編隊控制及重構是多無人機系統的核心內容和關鍵技術。無人機的飛行環境是隨時間變化的復雜動態環境，算法須適應這種變化。而微粒群算法、蟻群算法等智能算法在解決復雜問題時具有很強的協同性、優化動態性和自組織性。本文基于微粒群算法、蟻群算法研究了多無人機編隊控制及重構、航線規劃及重規劃問題，特別是在解決編隊重構問題時，充分考慮了動態威脅環境下的復雜態勢，提出了一種多樣性微粒群算法。

本文對多無人機編隊協同化的發展現狀進行了梳理，提出了多無人機編隊飛行協同控制算法智能算法，設計了多無人機編隊飛行協同控制軟件平臺架構，明確了軟件功能和模塊組成，并進行了仿真驗證。

1 無人機編隊協同化發展分析

1.1 需求分析

1.1.1 多無人機編隊問題及其意義

同單無人機相比，多無人機編隊飛行具有非常突出的優點和良好的應用前景：①在執行監視測量任務中，編隊飛行的無人機可以獲得更全面的觀察角度和更大的觀察視野，整體效率和抗突發事件的能力都會有所提高；②在執行攻擊任務中，多無人機編隊可以提高體系生存率，對目標進行持續和全方位的打擊，從而使得目標更難以防范；③從氣動性能等方面相比，編隊飛行可減小飛行阻力，近距離飛行的編隊無人機可以獲得與大展弦比飛機類似的氣動性能；④從戰術角度看，由于戰斗機編隊所形成的整體雷達反射相當于民航機的反射，配合其他高科技裝備，戰爭中可以采用密集編隊的方式實施突襲行動。20世紀80年代以色列空軍突襲伊拉克核反應堆的“巴比倫行動”就是戰斗機密集編隊攻擊的一個經典成功戰役。

1.1.2 平臺需求分析

雖然編隊飛行具有單飛無法比擬的優點，但在無人機上實現編隊飛行還有許多現實問題需要解決，這涉及到空氣動力、編隊模型、信息融合、目標跟蹤、控制器設計、定位系統、航線規劃、協同攻擊等諸多領域。其中包括編隊控制技術、編隊重構技術、航線規劃技術、編隊隊形設計、氣動耦合研究、通訊技術等關鍵技術。

多無人機編隊飛行協同控制平臺既可以作為無人機航線規劃的實用平臺，也可以作為編隊飛行，重構等內容的驗證與研究平臺，可以為智能方法的應用提供載體。而這種基于智能方法的綜合性控制平臺正是無人機技術研究工作必要而有緊缺的。目前對于編隊飛行及相關內容的研究多是單獨進行的，有時就會把大量時間浪費在搭建模塊，編寫繪圖程序和仿真程序上。如果這項系統可以得到更好的完善，那么便可作為一種通用的平臺為相關研究提供便利，也可以作為整合各項研究結果的綜合性平臺，衍生出評判研究成果好壞的標準系統和準則。

1.2 發展現狀

針對多無人機編隊飛行的協同控制問題，美國、歐盟等開展了大量的研究。美國MICA項目獲得國防高級研究項目局(DARPA)的資助[4]，其研究成果提高了無人機的自主和協同控制能力，同時減少了大規模無人機編隊控制的操作人員；麻省理工學院SWARMS健康管理項目[5]的研究成果實現了無人機編隊在動態環境下執行預定任務；歐盟COMETS項目設計和實現了多種無人飛行平臺協同完成任務的分布式控制系統。2016年10月，美國海軍使用3架“超級大黃蜂”戰斗機投放了103架“灰山鶉”微型無人機，演示了多無人機集體自適應編隊飛行，這種“灰山鶉”一次性無人機身形小巧，造價低廉，發射方式多樣，具有一定的自主和協同能力。

國內在無人機協同編隊控制和決策的領域研究起步稍晚，但也取得了很多研究成果。文獻[6]在無人機編隊的協同控制、協同目標跟蹤、任務資源分配等方面做了相關的研究；文獻[7]以多無人機協同多目標攻擊為應用背景，研究了多無人機同時到達問題；文獻[8]針對無人機編隊飛控系統，提出基于模糊PID的飛行控制器設計思想；文獻[9]研究基于自適應遺傳算法完成大規模編隊協同空戰的隊形優化；文獻[10]研究了無人機靜態航線規劃、突發威脅下航線規劃、無人機多機協同航線規劃等相關技術；文獻[11]對多無人機協同空戰和協同對地攻擊2個部分進行協同攻擊策略研究；文獻[12]針對編隊控制問題，提出基于非線性動態逆的多無人機編隊控制方法；文獻[13]研究了一種魯棒反推自適應控制方法。2017年中國電子科技集團宣布其完成了119架固定翼無人機的集群飛行試驗，試驗成功演示了密集彈射起飛、空中集結、多目標分組、編隊合圍等動作，代表了我國在無人機編隊和集群研究領域的最新成果。

1.3 發展趨勢

未來無人機將成為空中偵察系統的主力，并從實時戰術偵察向空中預警方向發展，美軍有用無人預警機取代有人預警機的計劃；查打一體無人機是無人機的另一個重要發展方向；此外，由于無人機部署位置可靠前，因此，可以在距離保衛要地較遠的距離毀傷來襲導彈，有效克服反導導彈攔截距離近、反應時間長等缺點[14]。

隨著智能化技術的日益成熟，五維空間聯合作戰模式由網絡技術支持的一體化作戰正在向智能技術支持的自主性作戰轉變，信息化作戰將被智能化作戰取代[15]。加入智能技術支持后，無人機的速度、機動性、攻擊范圍、偵察范圍、偵查手段、隱身性能等特性都可以有質的飛躍。針對多無人機編隊和人工智能這兩個方面進行結合的研究工作應該得到充分的發展。鑒于無人機零傷亡的顯著優勢和其在戰場上眾多的應用方向，多無人機自主智能協同作戰將成為未來戰場的主流。

2 多無人機編隊飛行協同控制算法設計

2.1 關鍵技術綜述

多無人機編隊飛行涉及到的關鍵技術是多方面的，如編隊控制技術、編隊重構技術、航線規劃技術、編隊隊形設計、氣動耦合研究、通訊技術等。

首先，要實現多無人機的編隊飛行，最基本的問題是保持編隊隊形的穩定，即編隊控制技術所解決的問題。具體要求是不論長機做出怎樣的機動，機群航線怎樣變化，各僚機總能穩定而快速地跟蹤長機以保證編隊隊形不變。

其次，多無人機編隊在飛行過程中經常要面臨需要改變編隊隊形的問題，比如穿越峽谷等，在改變編隊隊形的過程中，如果不考慮環境的復雜變化，如藍方威脅源位置的移動、氣流干擾等等，稱為靜態環境下的編隊重構。而如果考慮周圍戰場環境的變化，如藍方威脅源的移動，并考慮如何能夠在重構過程中同時躲避藍方威脅，以及這稱為動態環境下的編隊重構。

再次，航線規劃也是多無人機編隊飛行技術中的關鍵技術。航線規劃是飛行器低空突防飛行控制律設計的基本依據，航線規劃的好壞直接關系到飛行器飛行安全系數的大小和控制律設計的難易。航線規劃指在給定背景地圖，威脅因素信息和性能準則等特定約束條件下，采用某種算法使規劃出的航線最優，是無人機控制系統的關鍵組成部分，保證了最佳的飛行航跡。

2.2 基于微粒群算法與PID結合的編隊控制技術

在編隊控制部分，采用簡化了的飛機模型，即長機和僚機的狀態變量僅有飛行速度、偏航角和飛行高度，考慮長機對僚機在升力、阻力、側力方面的氣動影響后修正的僚機狀態方程。對于僚機跟蹤系統，輸入長機的狀態和控制器發來的對僚機的控制量，輸出僚機的狀態和僚機與長機在x，y，z方向的實際距離，根據僚機與長機在x，y，z方向的實際距離與期望距離的誤差以及僚機與長機的飛行速度、偏航角的誤差經控制器解算出對僚機的控制量。具體的控制律設計采用經典的并具有較強魯棒性的PI控制。另外，嘗試采用了利用微粒群算法解算PI控制器參數的方法，通過對算法進行適當調整并恰當選取目標函數，最終對于任意的編隊飛行模態，都可以迅速地搜索到較好的PI參數值，實現有效的編隊控制。

2.3 基于多樣性微粒群算法的動態環境下編隊重構技術

在多無人機編隊重構的過渡過程中，許多約束應該被考慮在內，諸如重構時間、威脅源、防撞、安全距離等。合適的重構過程不僅能提高效率，而且能增加任務的準確度和成功率。編隊重構問題的重點在于為每架無人機確立出一條合適的航道，使編隊可以在確定時間內達到期望隊形，并能滿足所有的約束條件。微粒群算法是由Kennedy和Eberhart根據自然界個體之間的協作行為得到的一種協同優化算法，首先在1995年被用來解決復雜優化問題。微粒群算法可以被用來優化重構過程，然而，標準微粒群算法對環境的適應性不夠好，為了使算法具有較強的適應性，要求算法檢測出環境的變化后能夠做出響應，緊密地跟蹤到解的變化直到獲得最好解。

在標準微粒群算法基礎上，對其進行了一系列改進，提出基于多樣性微粒群算法和最優時間控制的動態多無人機編隊重構方法。首先，選擇合適的代價函數作為粒子的適應度函數。其次，通過監測相鄰兩代最優解粒子的適應值之差和適應值比率是否躍變來判斷環境是否發生了變化。再次，若環境已變化，則根據提出的多樣性函數判斷此時的種群多樣性，其值小，說明種群多樣性差，需要重設粒子，于是讓粒子朝反方向逃逸直到滿足多樣性要求，擺脫局部最優解。圖1和圖2仿真結果表明，改進后的算法具有很強的全局尋優能力，能夠避免陷入局部最優，躲避動態威脅，有效跟蹤全局最優解的變化，并形成預期的鉆石型終態隊形。

2.4 基于蟻群算法的無人機航線規劃技術

對于航線規劃問題，通過復現一種經典的方法，即蟻群算法用于航線規劃，很好地達成了目的。

(1) 描述飛行環境。把飛行任務區域劃分成二維網格，形成連接起點和目標點的二維網絡圖，則航線規劃問題的本質就是路徑優化問題。

(2) 代價函數的表示。為了描述航線的性能指標，將航線的威脅代價和油耗代價進行加權，計算代價函數如下：

(1)

式中:W為廣義代價函數；L為航線長度；wt為航線威脅代價；wf為航線油耗代價；k為權重。

(3) 基于蟻群算法的航線規劃。在求解問題時，模擬蟻群通過信息素的交流找到最優路徑的過程，將n個螞蟻置于起始點，每個螞蟻按照一定的狀態轉換規則從一個可行節點轉移到另一個距離目標點更近的可行節點，直到到達目標點，完成一條備選航線。

3 多無人機編隊飛行協同控制軟件設計與仿真

3.1 軟件架構設計

多無人機編隊協同執行任務的過程是在規劃航線上執行編隊保持、編隊重構狀態的過程。將上述過程進行分解，得到航線規劃、編隊控制、編隊重構3個功能模塊。針對每個功能模塊分別設計仿真子平臺，完成了架構分析、界面設計、算法優化等工作，最后加入數據回放等輔助功能模塊，最終得到多無人機編隊飛行協同控制平臺主界面如圖3所示。

3.2 軟件功能模塊設計與仿真

3.2.1 編隊重構模塊設計與仿真

編隊重構平臺如圖4所示。此功能模塊采用改進的微粒群算法解算出各無人機的控制輸入，使它們在最短的時間內形成以長機為首的任意隊形，同時保證它們之間的距離不小于安全防撞距離，而且均能與動態變化的威脅源保持一定距離。

平臺的輸入參數包括粒子數、迭代次數、學習因子、慣性權重等算法參數(詳見圖5)，以及無人機架數、長機起始位置、終態要求隊形、動態藍方威脅源及其變化情況等重構參數(詳見圖6)。平臺的輸出參數包括平面跟蹤圖和代價函數走勢圖，平面跟蹤圖顯示出計算得到的的最優重構軌跡(詳見圖7)，而代價函數走勢圖指示出求解的質量，收斂越快則結果越好(詳見圖8)。

3.2.2 編隊控制模塊設計與仿真

編隊控制平臺如圖9所示。此功能模塊采用微粒群算法尋優得到最佳控制參數，控制多架無人機在飛行過程中始終保持設定隊形。

平臺的輸入參數包括粒子數、迭代次數、學習因子、慣性權重等算法參數(見圖10)，以及無人機架數、隊形參數、長機航線參數等控制參數(見圖11)。

平臺的輸出參數包括平面跟蹤圖、x方向跟蹤曲線和y方向跟蹤曲線，平面跟蹤圖顯示出計算得到的編隊軌跡(見圖12)，而x,y方向跟蹤曲線指示出求解的質量，超調量、調節時間和穩態誤差小則表明控制效果好(見圖13)。

3.2.3 航線規劃模塊設計與仿真

航線規劃平臺如圖14所示。此功能模塊采用蟻群算法，規劃出在給定背景地圖、威脅因素信息和性能準則等特定約束條件下的最優航跡。

3.2.4 數據回放模塊

數據回放平臺如圖15所示。此功能模塊將前面算得的飛機飛行軌跡以動畫的方式展現，方便深入了解編隊飛行的動態過程。

4 結束語

在現代戰爭中，多無人機編隊化、協同化、智能化完成復雜作戰任務成為一種趨勢，因此多無人機編隊的相關問題研究成為了研究熱點和前沿性課題。本文從未來戰場信息化、一體化特征出發，對多無人機編隊飛行協同化相關技術及其在戰爭領域的應用進行了分析研究。綜述了多無人機編隊協同化發展需求、發展現狀和發展趨勢，在此基礎上，采用微粒群算法與PID結合的編隊控制技術、基于多樣性微粒群算法的動態環境下編隊重構技術、基于蟻群算法的無人機航線規劃技術，構建了多無人機編隊飛行協同控制軟件平臺，完成了數字仿真，驗證了編隊協同算法的正確性，可以為基于智能技術的多無人機編隊飛行協同化設計提供有益參考。