战场环境下多无人机时敏任务动态分配算法
【专利摘要】本发明公开了一种多无人机时敏任务动态分配算法，可实现战场环境下多架无人机对多个时敏目标的打击；该算法利用任务拍卖思想构建时敏任务动态分配模型，该模型主要考虑了无人机的任务执行时间、毁伤能力、打击收益，以及执行当前任务对后续时敏任务时间窗口宽度和威胁程度的影响；无人机打击路径规划采用模型预测控制算法实现，主要完成无人机对威胁区域规避下的打击路径优化。
【专利说明】战场环境下多无人机时敏任务动态分配算法
【技术领域】
[0001] 本发明涉及一种分配算法，尤其涉及一种战场环境下多无人机时敏任务动态分配 算法。
【背景技术】
[0002] 时间敏感型目标简称时敏目标（Time-sensitive Targets, TST)，主要指必须在有 限的"时间窗口"或"交战机会"内完成发现、定位、识别和打击的目标。由于TST的状态特 征存在很强的不确定性，使得无人机（Unmanned Aerial Vehicle, UAV)编队在打击该类型 目标时，需要根据TST的时间窗口宽度及当前状态，UAVs的性能及有效载荷差异，及时进行 任务和打击路径的动态优化，以保证UAVs编队执行时敏任务收益的最大化。
[0003] 目前，研究人员针对UAVs执行任务的耦合性与时间敏感特征，UAVs系统的异 构性与分散特征，提出了许多任务动态分配算法，如：分布式任务一致性算法、任务动 态规划算法、基于适应度优化的任务分配算法、基于市场拍卖的任务分配算法和基于博 弈论的任务分配算法等。其中，由美国麻省理工学院航空控制实验室Jonathan How、 Han-LimChoi 等人提出的捆绑一致性算法（Consensus-based Bundle Algorithm, CBBA)受 到了广泛关注。该算法将组合拍卖机制和分布式任务一致性理论相结合，能够在任务耦 合的条件下实现异构多智能体组合任务分配。该实验室在CBBA的基础上，进一步开发出 CCBBA(Coupled-Constraint Consensus-Based Bundle Algorithm)。该算法引入了智能体 执行任务时间，使CBBA具备了时敏任务分配能力。上述方法都是在TST时间窗口固定的假 设条件下，利用进化算法或贪婪搜索算法获得最优解，缺乏TST时间窗口随时间变化的情 况下任务动态分配能力，这将影响UAVs对TST打击的效果。
【发明内容】
[0004] 针对上述问题，本发明提出一种多无人机时敏任务动态分配算法，实现战场环境 下多架无人机对多个时敏目标的打击。该算法利用任务拍卖思想构建时敏任务动态分配模 型，该模型主要考虑了无人机的任务执行时间、毁伤能力、打击收益，以及执行当前任务对 后续时敏任务时间窗口宽度和威胁程度的影响；无人机打击路径规划采用模型预测控制算 法实现，主要完成无人机对威胁区域规避下的打击路径优化。
[0005] 为达到上述技术目的，本发明采用了一种战场环境下多无人机时敏任务动态分配 算法，UAVs编队采用Leader-Follower结构执行TST打击任务，Leader_UAV主要承担决策 者的角色，F 〇ll〇Wer_UAV承担打击者的角色。Leader_UAV将根据时敏任务变化情况，以及 F〇ll〇wer_UAV执行任务时间、毁伤能力和打击收益等因素完成编队任务分配。在Leader UAV任务分配的基础上，F 〇ll〇Wer_UAV将依照任务内容完成飞行路径规划和对TST打击，以 Leader_UAV充当任务拍卖者，Follower_UAV充当竞拍者。Follower_UAV将各自的竞拍价格 矩阵cost_auction (包括：与TST之间的距离d、执行执行TST打击任务的时间t、对TST的 毁伤能力Damage以及打击收益VLR)发送给Leader_UAV。在此基础上，Leader_UAV在TST 时间窗口宽度duration的约束下，根据cost_auction对竞拍者进行选择，完成任务分配。 duration受Follower_UAV执行当前任务的影响，其表达式如式（1)所示。cost_auction 中的各元素表达式如式（2)所示。
[0006] duratiorij (k) = duratiorij (k~l)+νΒΓ?Β--οη^· (1)
[0007] 式中，duratiorij表示TSTj的时间窗口宽度，variatior^j表示
[0008] Followei^UAVi执行当前任务对TSTj的时间窗口宽度的影响。
[0009] cos^auctioriij (k) = (1^· (k)/max ((1^-(k))+DamageiJ (k)
[0010] +VLRJJ (k) +max (t^· (k)) /1^· (k) (2)
[0011] +max (P-threatij (k)) /P-threati』（k)
[0012] 假设V = {1，2,…，N}为Follower_UAV数量，则编队中UAVs的数量为N+l，T = {1，2, ···，}为 TST 数量。式中，屯表示 FollowerJAV^i e V)与 TSTj(j e T)之间的距 离；hj 表示 FollowerJJAVi 执行 TSTj 打击任务时间；Damageij 表示 FollowerJJAVi 对 TSTj 的毁伤能力；表示FollowerJAVi打击TSTj的效益，它是Damageij和载弹量Loadi的 函数，其表达式如式（3)所示fjhreatij表示TSTj对FollowerJJAVi的威胁概率，将通过 TSTj的雷达对FollowerJAVi的瞬时跟踪概率Pdu在累计时间段Ts上的积分获得，其表达 式如式⑷所示。
[0013]
【权利要求】
1.战场环境下多无人机时敏任务动态分配算法，其特征如下，UAVs编队采用 Leader-Follower结构执行TST打击任务，Leader_UAV主要承担决策者的角色，Follower_ UAV承担打击者的角色，Leader_UAV将根据时敏任务变化情况，以及F〇ll〇Wer_UAV执行 任务时间、毁伤能力和打击收益等因素完成编队任务分配，在Leade r_UAV任务分配的基 础上，Follower_UAV将依照任务内容完成飞行路径规划和对TST打击，以Leader_UAV充 当任务拍卖者，F 〇ll〇Wer_UAV充当竞拍者，F〇ll〇Wer_UAV将各自的竞拍价格矩阵cost_ auction(包括：与TST之间的距离d、执行执行TST打击任务的时间t、对TST的毁伤能力 Damage以及打击收益VLR)发送给Leader_UAV，在此基础上，Leader_UAV在TST时间窗口 宽度duration的约束下，根据cost_auction对竞拍者进行选择，完成任务分配，duration 受Follower_UAV执行当前任务的影响，其表达式如式（1)所示，cost_auction中的各元素 表达式如式（2)所示， duratiorij (k) = duratiorij (k-1)+νΒΓ?Β--οη^· (1) 式中，duratiorij表示TST』的时间窗口宽度，variatior^j表示 Fo 11 owei^UAVi执行当前任务对TST」的时间窗口宽度的影响， cos^auctioriij (k) = (1^· (k) / max (?^· (k)) +DamageiJ (k) (k) +max (t。· (k)) /t。· (k) (2) +max (P-threatij (k)) /P-threatij (k) 假设V = {1，2, ···，N}为Follower_UAV数量，则编队中UAVs的数量为N+l，T = {1，2,…，M}为TST数量，式中，扎表示FollowerJAVdi e V)与TSTj(j e T)之间的距离； hj表示Follower_UAVi执行TST』打击任务时间；Damage^表示Follower_UAVi对TST』的毁 伤能力；VLRij表示FollowerJJAVi打击TST』的效益，它是Damageij和载弹量Loadi的函数， 其表达式如式（3)所示fjhreatij表示TST」对FollowerJAVi的威胁概率，将通过TST」的 雷达对Followei^UAVi的瞬时跟踪概率P dij在累计时间段Ts上的积分获得，其表达式如式 (4)所示，
(3) 式中，LoadiGO和Loadjk-l)分别表示FollowJAVi当前时刻与前一时刻的载弹量，
(4) 式中，C_t为当前的采样时刻，Ts为瞬时概率的累计时间段，Pdu是TSL的雷达对 Followei^UAVi的瞬时跟踪概率，其表达式如式（5)所示，
(5) 式中，Ru是FollowerJAVi与TST」之间的距离；Clj，c2j是常数，由TST」的雷达类型确 定；σ i 是？〇11〇?61'_1^\^ 的雷达散射截面积（Radar Cross-Section, RCS)，UAV 的 RCS 是关 于UAV航向与TST水平方向的夹角λ，TST与UAV间的俯仰角侧向加速度与重力加速度 比值μ的函数，其表达式如式（6)、（7)、⑶所示，
Γ(6)
(7) (8) Leader_UAV 根据 cost_auction 完成任务分配，若 Follower_UAV 接到 Leader_UAV 下 发的任务，需计算其与执行TST之间的距离，如果该距离小于等于开始执行打击任务的最 短距离D_start，则Follower_UAV开始打击，并在原地盘旋直到目标击毁；否则，Follower_ UAV利用MPC算法进行打击路径规划，根据飞行器的运动学方程，建立非线性的预测模型如 式（9)、（10)、（11)、（12)、（13)所示，
(9) (10) z (k+1) = z (k) +s · sin ( Θ (k+1)) (11)
(12) Θ (k+1) = Θ (k) + θ 〇 · u0 (k) U0min 彡 u0 彡 U0max (13) 式中，（x，y，z)表示位置；s表示当前导航点和下一导航点之间的直线距离；P是方位 角，％是常量，表示方位角的变化步长，心是方位角的控制量，义_，是方位角控制 量的边界；Θ是俯仰角，Θ。是常量，表示俯仰角的变化步长， U0是俯仰角的控制量，Uemin， Uemax是俯仰角控制量的边界， ιιθ是通过滚动优化路径代价函数c〇st_path获得的最优控制量，本文的路径代 价函数c〇st_path由状态误差代价、TST雷达造成的威胁代价和控制域内的控制代价构成， C〇st_path中的各元素表达式如式（14)所示， cost_pathij (k) = α (k) CjC^· (k) (14) + β P_threatij (k) + y uT (k) u (k) 式中，Cij(k)表示Follower_UAVi与TST』之间的距离代价，即Cij(k)= (Xi-Xj, yi-yj，Zi-Zj)T, TSTj 的位置 Sj (k) = (Xj, Zj)τ 表示参考轨迹，α 为其权值，Q 为 UAVi 与TST之间的距离代价加权矩阵fjhreatij表示TST」对Followei^UAVi的威胁能力，β为 其权值；u(k)为控制量，γ为其的权值。
2.战场环境下多无人机时敏任务动态分配算法的实现，其特征在于，包含以下步骤： 步骤1 :Follower_UAV向Leader_UAV提交TST观测信息，Leader_UAV产生任务清单， 并根据式（1)进行任务拍卖，实现任务分配； 步骤2 :F〇ll〇wer_UAV根据任务分配结果，判断自身的任务列表是否为空，若为空，则 在当前位置盘旋等待，直到任务列表不为空时，按新的任务列表执行任务，否则执行步骤 3 ； 步骤3 :F〇ll〇wer_UAV根据自身的任务列表，判断与执行TST之间的距离，若此距离 小于等于D_start，则F〇ll〇Wer_UAV开始打击目标，并在原地盘旋直到目标击毁；否则， F〇ll〇wer_UAV将根据式（13)所获得的最优控制量进行路径规划，当达到打击距离后，开始 打击目标，并在原地盘旋直到目标击毁； 步骤4 :F〇ll〇Wer_UAV执行当前任务会对后续TST时间窗口宽度产生影响，需要对 UAVs编队任务分配和打击路径进行调整，将返回步骤1进行任务重规划，直至完成所有TST 的打击任务。
【文档编号】G05D1/12GK104155999SQ201410377834
【公开日】2014年11月19日 申请日期:2014年7月31日 优先权日:2014年7月31日
【发明者】任佳, 崔亚妮, 杜文才 申请人:海南大学