李友松，喬福超

（1.東海艦隊司令部，浙江寧波315122；2.海軍航空工程學(xué)院研究生管理大隊，山東煙臺264001）

隨著武器裝備的革新和戰(zhàn)場構(gòu)成的日益復(fù)雜，無人機所擔(dān)負(fù)的任務(wù)種類越來越多，其功能也日益綜合。如今，集偵查打擊能力于一體的無人作戰(zhàn)飛機已逐漸投入應(yīng)用，利用多架UCAV協(xié)同執(zhí)行戰(zhàn)場巡邏任務(wù)（包括偵查與打擊任務(wù)）也受到了越來越多的關(guān)注。

目前，針對多UCAV 協(xié)同巡邏航路規(guī)劃的研究取得了一些成果[1-4]。文獻[1]設(shè)計了一種滿足UCAV 機動限制和適應(yīng)數(shù)據(jù)通訊延遲的協(xié)同路徑?jīng)Q策算法，使用搜索回報函數(shù)引導(dǎo)UCAV對未知環(huán)境進行搜索，仿真結(jié)果表明該方法能夠有效提高協(xié)同搜索的效率，但其僅以搜索效率為目標(biāo)，而未對UCAV的空間分布進行優(yōu)化。文獻[2]提出了兼顧搜索效率和打擊效率的多UCAV協(xié)同航路原則，使用搜索回報函數(shù)和加權(quán)平均距離，加強了對高關(guān)注度區(qū)域的巡邏力度，改善了UCAV 的空間分布。此外，一些窮舉覆蓋航路規(guī)劃模型，如Zamboni搜索方法已經(jīng)得到了發(fā)展應(yīng)用，較好地保證了航路的最優(yōu)性[3-4]，然而該方法缺乏靈活性，如在設(shè)計某地區(qū)的森林火情偵查路線時，不能對該區(qū)域的湖泊和其他無林帶進行規(guī)避，在載油有限和時間緊張下，將影響到對其他更有價值區(qū)域的偵查活動。

本文在現(xiàn)有研究的基礎(chǔ)上，采用文獻[2]中的多UCAV 協(xié)同巡邏模型，對復(fù)雜環(huán)境下的多UCAV 協(xié)同巡邏進行了研究。

1 復(fù)雜環(huán)境下的協(xié)同巡邏

1.1 復(fù)雜環(huán)境

復(fù)雜環(huán)境是指目標(biāo)空間分布不均，目標(biāo)分布隨時間不斷變化，且存在一定的飛行障礙（如禁飛區(qū)）的環(huán)境。UCAV在復(fù)雜環(huán)境下的搜索航路應(yīng)充分考慮目標(biāo)出現(xiàn)概率、飛行器活動范圍限制等因素，加大對目標(biāo)出現(xiàn)概率高的區(qū)域的搜索力度，避開無價值區(qū)域，從而提高UCAV的搜索效率。為實現(xiàn)該目的，應(yīng)對復(fù)雜環(huán)境進行區(qū)域劃分。例如，為提高火情偵查飛機的工作效率，其搜索環(huán)境應(yīng)根據(jù)植被易燃程度、林木稀疏程度、干燥程度等因素劃分為關(guān)注程度不等的小區(qū)域；又如，UCAV 在爭議海域執(zhí)行巡邏任務(wù)時，應(yīng)根據(jù)目標(biāo)出現(xiàn)的頻率和飛行限制將該海域劃分為一般關(guān)注區(qū)、重點關(guān)注區(qū)、禁飛區(qū)等區(qū)域。

基于上述分析，考慮根據(jù)先驗信息，將復(fù)雜環(huán)境劃分為一般關(guān)注區(qū)域、重點關(guān)注區(qū)域、已知區(qū)域和禁飛區(qū)域。UCAV 主要針對未知區(qū)域展開搜索，并對重點未知區(qū)域給予更高的搜索頻率。同時，UCAV 應(yīng)當(dāng)盡量避免對已知區(qū)域進行搜索，并完全避開禁飛區(qū)域。圖1為某海區(qū)的區(qū)域劃分示意圖。

圖1 某海區(qū)的區(qū)域劃分示意圖Fig.1 Schematic diagram of a sea area's division

1.2 協(xié)同巡邏

UCAV的協(xié)同巡邏是一種兼顧搜索和打擊的作戰(zhàn)形式。例如，在近海作戰(zhàn)中，UCAV執(zhí)行對水面目標(biāo)的偵查和打擊任務(wù)：當(dāng)未發(fā)現(xiàn)目標(biāo)時，UCAV在整個作戰(zhàn)區(qū)域搜索目標(biāo)；當(dāng)發(fā)現(xiàn)目標(biāo)并需對其進行打擊時，UCAV 應(yīng)能及時飛至交戰(zhàn)地點并實施打擊，作戰(zhàn)完成后再轉(zhuǎn)為執(zhí)行搜索任務(wù)。

綜上所述，UCAV 在復(fù)雜環(huán)境下的協(xié)同巡邏航路應(yīng)當(dāng)同時兼顧搜索效率和打擊效率，即應(yīng)滿足以下原則：

1）搜索路徑應(yīng)覆蓋盡量多的未知區(qū)域，并盡可能避開已知區(qū)域，完全避開禁飛區(qū)域。

2）根據(jù)未知區(qū)域的關(guān)注度，對關(guān)注度高的區(qū)域給予更高的搜索頻率。

3）UCAV 的空間分布應(yīng)利于打擊盡量多的目標(biāo)。即在巡邏過程中的多數(shù)時間里，UCAV 的空間分布能夠使之較快地到達戰(zhàn)場區(qū)域內(nèi)的任意一點。此外，當(dāng)戰(zhàn)場環(huán)境中的區(qū)域具有不同的關(guān)注度時，UCAV 應(yīng)對關(guān)注度高的區(qū)域具有更短的打擊距離。

2 協(xié)同巡邏航路規(guī)劃模型

2.1 環(huán)境模型

將作戰(zhàn)區(qū)域以等距網(wǎng)格劃分。每一網(wǎng)格(i,j)被賦予一變量V(i,j)以表示UCAV 對該網(wǎng)格的關(guān)注程度。V(i,j) 取值越大，則網(wǎng)格(i,j) 被關(guān)注的程度越高，若UCAV 對網(wǎng)格(i,j)內(nèi)的目標(biāo)完全不關(guān)心，則V(i,j)=0。此外，為使UCAV 能夠?qū)w區(qū)實行完全的規(guī)避，可將禁飛區(qū)內(nèi)網(wǎng)格的關(guān)注度設(shè)置為絕對值極大的負(fù)值。以圖1 所示的區(qū)域劃分為例，空間中各網(wǎng)格的關(guān)注度賦值為：

式（1）中：A為已知區(qū)域；B為重要未知區(qū)域；C為一般未知區(qū)域；D為禁飛區(qū)域；Negative_Value ＜0 ，High_Value ＞Low_Value ＞0。

2.2 UCAV運動模型

假定UCAV 以勻速運動，UCAV 的運動數(shù)學(xué)模型如下：

式（2）中：xt、yt為無人機在t時刻的坐標(biāo)；v為無人機的飛行速度；v˙為加速度；ΔT為單位時間；θt為無人機在t時刻的航向角；θ˙t為無人機在t時刻相對t-ΔT時刻的航向角改變量；u為最大轉(zhuǎn)彎角限制參數(shù)。

2.3 UCAV航路

將連續(xù)的時間離散為時間序列{t|t=k?ΔT,k=1,2,…}。以任務(wù)開始時刻為零時刻，以固定的時長ΔT為一個時間單位。第n架無人作戰(zhàn)飛機Un(n=1,2,…,N)的航路可表示為向量：

式（3）中：xn、yn為UCAV 的起點坐標(biāo)；θn,t為Un在t時刻所選擇的航向，相鄰2次轉(zhuǎn)向的時間間隔為ΔT。

θmax為ΔT內(nèi)UCAV 物理操縱性能所限制的最大轉(zhuǎn)彎角[5]。UCAV的航路如圖2所示。

圖2 UCAV的航路Fig.2 Route of UCAV

2.4 搜索模型

UCAV 使用雷達對目標(biāo)進行探測，其在某時刻的探測面積用雷達所覆蓋的網(wǎng)格數(shù)表示。假設(shè)UCAV的雷達探測半徑為2 個網(wǎng)格寬度，則一架UCAV 在某時刻能探測到12 個網(wǎng)格。令P(i,j,t)表示UCAV 在t時刻對網(wǎng)格(i,j)的覆蓋情況，若在t時刻至少有一架UCAV 的雷達能覆蓋到網(wǎng)格(i,j)，則P(i,j,t)=1。若此時所有UCAV 的雷達都無法覆蓋到網(wǎng)格(i,j) ，則P(i,j,t)=0。如圖3 所示，白色網(wǎng)格是被UCAV 雷達覆蓋的區(qū)域，灰色網(wǎng)格為未被覆蓋的區(qū)域。

令K(i,j,t)表示UCAV在t時刻對網(wǎng)格(i,j)內(nèi)目標(biāo)分布的不確定度，且滿足K(i,j,t)∈[0,1]。K(i,j,t)值越大，表示UCAV 對該區(qū)域的不確定度越高，當(dāng)K(i,j,t)=1時，表示UCAV在t時刻完全不知道網(wǎng)格(i,j)內(nèi)的目標(biāo)分布情況。在搜索過程中，若網(wǎng)格(i,j)在t時刻被UCAV 探測到，則其下一時刻的不確定度K(i,j,t+1)變?yōu)?；若(i,j)沒被探測到，也根據(jù)該區(qū)域的關(guān)注度V(i,j)，其下一時刻的不確定度K(i,j,t+1)應(yīng)當(dāng)有適量的增加，即：

式中，Q＞0 為每ΔT時間網(wǎng)格(i,j)的不確定度的增量。

由式（4）可以看出，關(guān)注度越高的區(qū)域，其在單位時間內(nèi)的不確定度的增量越高，由此便可以引導(dǎo)UCAV以更高的頻率對其進行搜索。

以搜索回報值來描述巡邏航路的搜索效率。多架UCAV 在整個飛行過程中探測到的所有網(wǎng)格的不確定度的加和，即為該航路的搜索回報值為

2.5 加權(quán)平均距離

UCAV的空間分布應(yīng)利于打擊盡量多的目標(biāo)。即在巡邏過程中的多數(shù)時間里，UCAV 的空間分布能夠使之較快地到達戰(zhàn)場區(qū)域內(nèi)的任意一點。此外，當(dāng)戰(zhàn)場環(huán)境中的區(qū)域具有不同的關(guān)注度時，UCAV 應(yīng)對關(guān)注度高的區(qū)域具有更短的打擊距離。

圖4為3架UCAV 在某一時刻的空間分布圖。圖4 a）中，UCAV在戰(zhàn)場區(qū)域內(nèi)分布得較為分散，對于需要UCAV 打擊的點a、b、c、d，其與UCAV 之間的最短距離都比較短，尤其對于重點區(qū)域內(nèi)的點d，其與UCAV之間的距離更短；在圖4 b）中，UCAV分布得較為集中，當(dāng)a點需要打擊時，UCAV就無法及時趕到。

圖4 某時刻無人機的空間分布Fig.4 Distribution of UCAV in a moment

以加權(quán)平均距離來描述巡邏航路的打擊效率。令d(i,j,t,n)表示網(wǎng)格(i,j)在t時刻與無人作戰(zhàn)飛機Un之間的距離，則表示網(wǎng)格(i,j)在t時刻與距其最近的UCAV之間的距離。令：

式（7）、（8）中：d(t)為t時刻所有網(wǎng)格與距其最近的UCAV 之間距離的加權(quán)總和，每一距離的權(quán)值為相應(yīng)點的關(guān)注度；D值即為加權(quán)平均距離，D值越小，UCAV的打擊效率越高。

2.6 目標(biāo)函數(shù)

根據(jù)協(xié)同巡邏航路原則，航路應(yīng)同時兼顧搜索效率和打擊效率，即既具有較大的搜索回報值，又具有較小的加權(quán)平均距離。設(shè)計目標(biāo)函數(shù)：

式中，α、β(α＜0,β＞0)是權(quán)重。因戰(zhàn)場環(huán)境、任務(wù)性質(zhì)、指揮員性格的差異，其權(quán)重還需要做適當(dāng)?shù)恼{(diào)整。

3 航路規(guī)劃仿真

3.1 粒子群算法

粒子群優(yōu)化算法將優(yōu)化問題的每一個潛在解表示為搜索空間中的一個粒子，通過調(diào)整粒子的位置和移動速度實現(xiàn)問題的尋優(yōu)[6-7]。

假設(shè)在一個D維的目標(biāo)搜索空間中，有n個粒子組成一個群落X=(X1,X2,…,Xn)，其中第i個粒子表示為一個D維的向量Xi=(xi1,xi2,…,xiD)，代表第i個粒子在D維的搜索空間中的位置，亦代表問題的一個潛在解。根據(jù)目標(biāo)函數(shù)即可計算出每個粒子位置Xi對應(yīng)的適應(yīng)度值。第i個粒子的速度為Vi=(vi1,vi2,…,viD)，其個體極值為Pi=(pi1,pi2,…,piD)，粒子群的群體極值為G=(g1,g2,…,gD)。在每次迭代過程中，粒子通過個體極值和群體極值更新自身的速度和位置，即

式（10）中：ω為慣性權(quán)重；k為當(dāng)前迭代次數(shù)；Vi為粒子速度；c1和c2是非負(fù)常數(shù)，稱為加速因子；r1和r2是分布于[0,1]區(qū)間的隨機數(shù)。為防止粒子的盲目搜索，一般將粒子的位置和速度限制在一定的區(qū)間[-Xmax,Xmax]、[-Vmax,Vmax]。

利用粒子群算法解決一般優(yōu)化問題的流程圖如圖5所示。

圖5 粒子群算法流程Fig.5 Process of Particle swarm algorithm

3.2 仿真分析

使用粒子群算法對多UCAV 協(xié)同巡邏航路規(guī)劃進行仿真。以單個粒子表示N架UCAV的航路，其粒子結(jié)構(gòu)如圖6所示。

圖6 多UCAV航路的粒子結(jié)構(gòu)Fig.6 Particle structure of multi UCAV route

其中，xi和yi分別為UCAVi的航路起點的網(wǎng)格坐標(biāo)，θi,t為UCAVi在為t時刻的偏轉(zhuǎn)角，且θi,t∈[1,M]，M為UCAV 偏轉(zhuǎn)角的離散數(shù)量。與固定起點的N架UCAV 的航路相對應(yīng)，其粒子的搜索空間是(T+1)×N維的空間。

仿真中，將戰(zhàn)場環(huán)境設(shè)置為20×15的網(wǎng)格區(qū)域，并設(shè)置1 個重點未知區(qū)域、1 個已知區(qū)域和1 個禁飛區(qū)域，其關(guān)注度分別設(shè)為2、0、0；剩余未劃分的區(qū)域為一般未知區(qū)域，其關(guān)注度設(shè)為1。3架UCAV從不同基地起飛開始執(zhí)行巡邏任務(wù)，其起點坐標(biāo)分別為（4,1），（8,1），（12,1），UCAV的最大拐彎角為90°，雷達探測半徑為1個網(wǎng)格寬度，每單位時間ΔT前進距離也為1個網(wǎng)格寬度。粒子群算法的各參數(shù)取值為：加速因子c1和c2均設(shè)為2；r1和r2取[0,1]區(qū)間內(nèi)的隨機數(shù)；慣性權(quán)重ω隨迭代次數(shù)的增加由0.9 線性變化至0.4，迭代次數(shù)設(shè)為1 000 次。

圖7 的航路是多UCAV 分區(qū)域搜索的常規(guī)航路，是目前應(yīng)用較為普遍的非協(xié)同搜索航路。在分區(qū)域搜索時，各UCAV 之間無協(xié)同，每架UCAV 在其搜索區(qū)域內(nèi)按照最大搜索效率進行覆蓋式搜索。圖8是仿真得到的3 架UCAV 的協(xié)同巡邏航路，航路點為25。分別計算圖7、圖8 中2 種航路的搜索回報值、搜索覆蓋率、加權(quán)平均距離，計算結(jié)果如圖9所示。對比圖9中協(xié)同巡邏航路與非協(xié)同航路的參數(shù)。雖然協(xié)同航路的搜索覆蓋率（47%）不及非協(xié)同航路（51%），但在空間分布方面，協(xié)同航路的加權(quán)平均距離（3.01）遠小于非協(xié)同巡邏航路的加權(quán)平均距離（3.78），因而前者具有更高的打擊效率。協(xié)同航路的搜索回報值（9.67）高于非協(xié)同航路的搜索回報值（8.51），這是因為協(xié)同航路對關(guān)注度高的區(qū)域提高了搜索頻率。

圖7 25航路點的非協(xié)同搜索航路Fig.7 Non cooperative search route with 25 points

圖8 25航路點的協(xié)同巡邏航路Fig.8 Cooperative patrol route with 25 points

圖9 航路參數(shù)對比Fig.9 Comparison of route parameter

為說明協(xié)同巡邏航路規(guī)劃算法所生成的航路具有更好的打擊效率，將UCAV飛行距離設(shè)置為15個航路點，起點坐標(biāo)分別設(shè)為（2,1），（2,10），（15,7），得到的航路如圖10 所示?？梢钥闯?，從t=1 時刻到t=15 時刻，3架UCAV在同一時刻的空間分布都較為分散，與區(qū)域內(nèi)多數(shù)網(wǎng)格點之間的距離較短，尤其對于重點區(qū)域內(nèi)的網(wǎng)格點具有更短的距離，因而具有較好的打擊效率。圖11 是航路點為50 的協(xié)同巡邏航路，該航路基本覆蓋了區(qū)域內(nèi)所有點，且在重點區(qū)域內(nèi)較為密集，在一般區(qū)域內(nèi)較為稀疏，達到了預(yù)期的加強對高關(guān)注度區(qū)域的巡邏的目的。

圖10 15個航路點的協(xié)同巡邏航路Fig.10 Cooperative patrol route with 15 points

圖11 50個航路點的協(xié)同巡邏航路Fig.11 Cooperative patrol route with 50 points

4 結(jié)束語

多UCAV 在復(fù)雜環(huán)境下的協(xié)同巡邏航路規(guī)劃算法通過對未知區(qū)域、已知區(qū)域、禁飛區(qū)域設(shè)置不同的關(guān)注度，并使用搜索回報函數(shù)和加權(quán)平均距離對UCAV進行引導(dǎo)，加強了對高關(guān)注度區(qū)域的巡邏力度，改善了UCAV 的空間分布，與文獻[2]的結(jié)果相比，本文中UCAV完全避開了禁飛區(qū)，并減少了對已知區(qū)域的搜索。仿真結(jié)果顯示，在上述20×15的網(wǎng)格內(nèi)，1個重點未知區(qū)域、1 個已知區(qū)域和1 個禁飛區(qū)域，3 架UCAV 的條件下，協(xié)同航路的搜索回報值比非協(xié)同航路提高了13.6%，加權(quán)平均距離僅為非協(xié)同航路的79.6%。UCAV 的協(xié)同航路和空間分布既加強了對高關(guān)注度區(qū)域的巡邏力度，又利于對目標(biāo)進行快速打擊。因此，在復(fù)雜環(huán)境下，本文的多UCAV 協(xié)同巡邏航比一般非協(xié)同航路具有更好的搜索效率和打擊效率。

[1] 吳文超，黃長強，宋磊.不確定環(huán)境下的多無人機協(xié)同搜索航路規(guī)劃[J].兵工學(xué)報，2011，32（11）：1337-1342.

WU WENCHAO，HUANG CHANGQIANG，SONG LEI.Cooperative search and path planning of multi-unmanned air vevehicles in uncertain environment[J]. Acta Armamentarii，2011，32（11）：1337-1342.（in Chinese）

[2] 喬福超，王昌金.按關(guān)注度分布的多無人機協(xié)同巡邏航路規(guī)劃[C]//海洋發(fā)展與指揮控制會議.煙臺，2013：144-147.

QIAO FUCHAO，WANG CHANGJIN. Cooperative patrol and path planning of multi-UCAVs according to degree of concern[C]//Ocean Development and Command Control Cconference. Yantai，2013：144-147.（in Chinese）

[3] CHANDLER P，PACHTER M，RASMUSSEN S. Hierarchical control for autonomous teams[C]//Proceedings of AIAA Guidance，Navigation，and Control Conference and Exhibit. Montreal：American Institute of Aeronautics and Astronautics，2001：632-642.

[4] SVENNEBRING J，KOENIG S. Building terrain-covering ant robots：a feasibility study[J].Autonomous Robots，2004：16（3）：313-332.

[5] 黃長強，翁興偉，王勇.多無人機協(xié)同作戰(zhàn)技術(shù)[M].北京：國防工業(yè)出版社，2012：41-53.

HUANG CHANGQIANG，WENG XINGWEI，WANG YONG. Cooperative combat technology for multi-UAVS[M]. Beijing：National Defense Industry Press，2012：41-53.（in Chinese）

[6] 汲萬峰，姜禮平，朱建沖.基于機動目標(biāo)威脅和粒子群算法的航路規(guī)劃[J].電光與控制，2010，17（11）：5-8.

JI WANFENG，JIANG LIPING，ZHU JIANCHONG.Route planning based on mobile threat and particle swarm optim ization[J]. Electronics Optics and Control，2010，17（11）：5-8.（in Chinese）

[7] 王磊，施榮華.基于粒子群算法的無人機航路規(guī)劃與建模仿真[J].計算機仿真，2011，28（4）：74-77.

WANG LEI，SHI RONGHUA. Application of particle swan optimization algorithm to path planning of unmanned aerial vehicle[J]. Computer Simulation，2011，28（4）：74-77.（in Chinese）

[8] 丁偉鋒，嚴(yán)建鋼，葉文.不同作戰(zhàn)任務(wù)條件下的UCAV航路規(guī)劃問題建模[J].海軍航空工程學(xué)院學(xué)報，2012，27（1）：115-119.

DING WEIFENG，YAN JIANGANG，YE WEN. Research on the UCAV path planning model in different combat mission condition[J]. Journal of Naval Aeronautical and Astronautical University，2012，27（1）：115-119.（in Chinese）

[9] CHOSET H.Coverage for robotics：a survey of recent results[J]. Annals of Mathematics and Artificial Intelligence，2001，31：113-126.

[10]劉鋼，老松楊，侯綠林，等.知識引導(dǎo)的智能優(yōu)化算法在航路規(guī)劃中的應(yīng)用[J].湖南大學(xué)學(xué)報，2013，40（1）：103-108.

LIU GANG，LAO SONGYANG，HOU LVLIN，et al.Application of knowledge-conducting intelligent optimization algorithms to path planning[J].Journal of Hunan University，2013，40（1）：103-108.（in Chinese）

[11]劉科，周繼強，郭小和.基于改進粒子群算法的無人機路徑規(guī)劃研究[J].中北大學(xué)學(xué)報，2013，34（4）：441-447.

LIU KE，ZHOU JIQIANG，GUO XIAOHE. Path planning research for unmanned air vehicle based on improved particle swarm algorithm[J].Journal of North University of China，2013，34（4）：441-447.（in Chinese）

[12]杜繼永，張鳳鳴，毛紅保，等.多UAV協(xié)同搜索的博弈論模型及快速求解方法[J].上海交通大學(xué)學(xué)報，2013，47（4）：667-673.

DU JIYONG，ZHANG FENGMING，MAO HONGBAO，et al. Game theory based Multi-UAV cooperative searching model and fast solution approach[J]. Journal of Shanghai Jiaotong University，2013，47（4）：667-673.（in Chinese）

[13]李帆，郝博，萬聰梅，等.基于混合粒子群優(yōu)化算法的多彈協(xié)同航跡規(guī)劃[J].飛行力學(xué)，2013，31（1）：93-96.

LI FAN，HAO BO，WAN CONGMEI，et al.Multi-missile cooperative route planning based on hybrid particle swarm optimization[J]. Flight Dynamics，2013，31（1）：93-96.（in Chinese）