[0053] (8) y.-j. fc-j. ^
X" / n：xji.a /λ-mn \ /, j
[0054] 当第k个时间步长下无人机搜索网格（m，n)且未发现目标同时被探测装置发现， 则利用式（9)更新网格（m，η)中运动目标的存在概率：
[0055] (9)
·-J- - j- -- - y
[0056] 当第k个时间步长下无人机没有搜索网格（m，η)时，则利用式（10)更新网格 (m，η)中运动目标的存在概率：
[0057]
(1〇)
[0058] 式（6-10)中，Pnm(k)为第k个时间步长网格（m，n)中运动目标的存在概率； h，τ2￡ [0，1]为动态信息因子；AT表示第k个时间步长与第k+Ι个时间步长之间的间 隔；H((o，h)，（m，n)，ΔΤ)表示基于高斯分布预测的运动目标在间隔ΔΤ内从网格（o，h)转 移到网格（m，η)的概率；〇e{1，2, · · ·，M}，he{1，2, · · ·，N}。
[0059] 与已有技术相比，本发明的有益效果体现在：
[0060] 1.本发明将运动目标的不确定预知信息建模为高斯分布函数，同时运动目标具有 感知能力；针对已有的搜索图更新模型中没有考虑搜索环境中存在探测装置的情况，改进 了传统的搜索图更新方式；在模型预测控制的基础上，引入了权重因子对传统的收益函数 进行改进；最后采用了加入交叉算子的粒子群优化算法来求解利用模型预测控制法构建的 搜索模型；有效解决了具有感知能力的运动目标的搜索问题，提高了搜索效能，从而更加符 合实际复杂的动态战场环境。
[0061] 2.本发明采用高斯分布来预测目标的运动，同时目标具有感知能力，搜索环境中 安装有若干个探测装置来探测无人机位置信息，一旦无人机经过探测装置，运动目标就能 获得无人机的位置信息，然后据此选择一定的行动来最大化无人机与自身的距离，从而使 得运动目标在一定程度上能逃避无人机的搜索。
[0062] 3.本发明采用了加入交叉算子的粒子群优化算法来求解利用模型预测控制法构 建的搜索模型，该优化算法中引入了遗传算法的交叉算子，使得成对的粒子可以交换相互 的信息，以便有向新的搜索空间飞翔的能力，利于整体寻优。
[0063] 4.本发明引入权重因子对传统的收益函数进行了改进，对无人机预规划q步路径 所对应的网格的目标概率和赋予一个权重，对无人机预规划q步路径中的第1步路径所对 应网格的目标概率和赋予另一个权重，从而能尽可能多的搜索到运动目标，提高了搜索效 能。
[0064] 5.本发明针对已有的搜索图更新模型中没有考虑搜索环境中存在探测装置的情 况，改进了已有的搜索图更新模型，使得无人机能基于更新的搜索图制定相应搜索决策，从 而保证了实时性，更加充分体现了实际搜索环境中搜索信息。
【附图说明】
[0065] 图1为本发明10*10的搜索环境网格化的搜索图；
[0066] 图2为本发明的流程图；
[0067] 图3为本发明无人机可能的航向偏转角示意图。
【具体实施方式】
[0068] 本实施例中，一种针对具有感知能力的运动目标的多无人机协同搜索方法，是应 用于多无人机协同搜索多运动目标的搜索区域E中，搜索环境E中的任意一个网格记为 (m，n);me{1，2, · · ·，M}，ne{1，2, · · ·，N};每个网格的边长为c;
[0069] 假设搜索区域E中存在^架同种类型的无人机；任意一架无人机的飞行速度为V、 最大偏转角为α;
[0070] 假设搜索区域Ε中存在Ντ个同种类型的具有感知能力的运动目标；且一个离散正 方形网格中至多只能存在一个运动目标；Νν、Ντ都为正整数；无人机是利用自身携带的机载 传感器对运动目标进行搜索；
[0071] 假设搜索环境Ε中还存在ΝΒ个固定不动的探测装置；
[0072] 定义用Κ表示多无人机搜索的总时间步长，用k表示第k个时间步长，k= 1，V..，K;
[0073] 定义Pm (k)表示第k个时间步长网格（m，η)中运动目标的存在概率；则令SMP(k) ={PmQO|me{1，2，···，Μ}，ηe{1，2，···，Ν}}表示第k个时间步长的搜索图；
[0074] 本实施案例中，将搜索区域E划分成大小为40X40的离散网格，即Μ= 40,N =40,其中的每个网格用（m，n)，me{1，2，···，40}，ne{1，2，···，40}来表示，代表 [m,m+1)X[η,η+1)这小片正方形区域。图1展示了一个大小为10X10的搜索区域所对应的 离散网格，其中的黑色方块表示网格（7, 8)。搜索区域Ε中共有Νν= 4架无人机，起始位置 分别为：（1，1)，（1，40)，（40, 1)，（40, 40)，以恒定速度ν= 0· 5km/s，最大偏转角α= 45°， 无人机的探测概率pd= 0. 8,虚警概率pf = 0. 2,时间步长间隔为Δτ=2s，预规划步长数q= 10 ;共有Ντ= 10个位置未知的运动目标，初始位置未知；共有NB= 4个探测装置，固 定在搜索环境中的四个网格，位置分别为：（4, 6)，（20, 8)，（40, 30)，（27, 15)，假设初始时刻 所有网格中运动目标的存在概率均为0. 5,即SMP(O) = {0. 5};
[0075] 参见图2,多无人机协同搜索方法按如下步骤进行：
[0076] 步骤1、利用模型预测控制法构建多无人机协同搜索运动目标的搜索模型；
[0077] 步骤1. 1 :利用模型预测控制法中的模型预测要素构建多无人机模型预测序列； 多无人机模型预测序列为状态信息预测序列和决策信息输入序列；
[0078] 第k个时间步长的Nv架无人机的状态信息预测序列I㈨=μ,⑷,；⑷…·,，⑷} 其中第k个时间步长的第i架无人机的状态信息预测序列Xi(k)为：
[0079] X； (k) = {x； (k+11k),x； (k+2 |k), . . . ,x； (k+t|k)} (1)
[0080] 状态信息包含第i架无人机在第k个时间步长预测第k+t个时间步长的自身位置 坐标xPi(k+tIk)和第i架无人机在第k个时间步长预测第k+t个时间步长的自身航向角 Θ; (k+t|k)，记为X; (k+t|k) =Up; (k+t|k)，Θ; (k+t|k)} ; 1 <i<Nv
[0081 ] 第k个时间步长的Nv架无人机的决策信息输入序列C/p卜((6/,⑷，⑷….,?/"續 其中第k个时间步长的第i架无人机的决策信息输入序列A(k)为：
[0082] Ui(k) ={Ui(kIk),u; (k+11k), . . . ,u; (k+t~l|k)} (2)
[0083] 决策信息是指无人机的航向偏转角Ui(k+tIk)，记为屯(k+tIk) = {ΔΘ; (k+tIk)};
[0084] 式（1)和式⑵中，t为预规划时间步长的变量，q为预规划步长数，并有： 1彡t彡q且tGN*;
[0085] 步骤1. 2 :构建多无人机协同搜索运动目标的搜索模型的目标函数;
[0086] 因为无人机在每一个时间步长执行的是预规划q步路径中的第1步路径，所以通 过改进目标函数来突出无人机预规划q步路径中的第1步路径所对应网格的目标概率和这 个指标的重要性。因此，令搜索模型的目标函数t/Λ幻为：
[0087]
[0088] 式（3)中1 (k)表示第k个时间步长下第i架无人机预规划q步最优路径所对应 的q个网格的目标概率之和加上第i架无人机预规划q步最优路径中的第1步路径所对应 的网格的目标概率之和，并有：
[0089]
[0090] 式（4)中，表示第k个时间步长第i架无人机预规划q步最优路径所对应的q个网格；#表示第k个时间步长第i架无人机预规划q步最优路径中的第1步路径所对应 的网格；
[0091] 无人机预规划q步最优路径即无人机预规划的q个自身位置坐标XPl(k+t|k)所 连成的路径，对q个自身位置坐标xPl (k+t|k)向上取整得到所对应的q个网格；1 <t<q 且teN%如某架无人机位置坐标为（4. 5, 3. 7)，则对应网格（5, 4);
[0092] 步骤1. 3 :构建多无人机协同搜索运动目标的搜索模型的多无人机状态转移模 型；
[0093] 合笛i驵壬人机的状杰鮮趑槌型为，
[0094]
[0095] 式（5)中转移函数表达式仁为：
[0096]
[0097]式（6)中，ΔΘJk+tlk)e{-α，〇,α}为航向偏转角，无人机受到动力学性能的 影响，不可能向任意角度偏转，Aejk+tlk)只可能有3种情况，其中α是常数。如图3所 示，其中白虚线箭头代表无人机当前时刻飞行方向，黑实线