宋育武 李娟 賈林通
摘 要:針對(duì)未知環(huán)境下,無人飛行器(UAV,Unmanned Aerial Vehicle)利用傳統(tǒng)搜索模式或離線設(shè)計(jì)航跡規(guī)劃的方法進(jìn)行多目標(biāo)搜索,尤其是在未知的障礙物環(huán)境中,利用傳統(tǒng)的搜索算法會(huì)出現(xiàn)搜索效率低,定位精度不穩(wěn)定和環(huán)境適應(yīng)能力差等問題。文章提出一種多UAV自適應(yīng)目標(biāo)搜索方法,根據(jù)傳感器獲取環(huán)境的目標(biāo)信息,利用分區(qū)域協(xié)同規(guī)劃策略,實(shí)現(xiàn)多UAV對(duì)所分配的子區(qū)域做自適應(yīng)目標(biāo)搜索;仿真結(jié)果表明,該方法能夠很好地完成在未知環(huán)境中出現(xiàn)不確定障礙物情況下的目標(biāo)搜索任務(wù),而且在保障搜索到的目標(biāo)狀態(tài)信息可信度的情況下,具有較強(qiáng)的環(huán)境適應(yīng)性,搜索效率較高。
關(guān)鍵詞:無人飛行器;障礙物環(huán)境;區(qū)域規(guī)劃;避障
中圖分類號(hào):TN958.98 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):2095-2945(2019)21-0005-03
Abstract: Aiming at the unknown environment, the Unmanned Aerial Vehicle(UAV) uses the traditional search mode or off-line design route planning method to carry out multi-objective search, especially in the unknown obstacle environment. The use of traditional search algorithms will lead to low search efficiency. The positioning accuracy is unstable and the environmental adaptability is poor. In this paper, a multi-UAV adaptive target search method is proposed, in which the target information of the environment is obtained by the sensor and the sub-regional cooperative planning strategy is used to realize the multi-UAV adaptive target search for the assigned sub-region. The simulation results show that, this method can well complete the target search task in the case of uncertain obstacles in the unknown environment, and in the case of ensuring the credibility of the target state information, it has strong environmental adaptability and high search efficiency.
Keywords: Unmanned Aerial Vehicle; obstacle environment; regional planning; obstacle avoidance
引言
在未來戰(zhàn)爭(zhēng)中,無人機(jī)(UAV)的作戰(zhàn)任務(wù)主要是在敵方區(qū)域進(jìn)行,而由于敵方環(huán)境的復(fù)雜性和動(dòng)態(tài)性,是不可能預(yù)先完全獲得任務(wù)環(huán)境的目標(biāo)信息與威脅信息。面對(duì)未知搜索環(huán)境,所以,未來無人機(jī)就必須具備在未知環(huán)境中在線實(shí)時(shí)航跡規(guī)劃的能力。
針對(duì)未知環(huán)境,借鑒滾動(dòng)時(shí)域優(yōu)化思想和A*優(yōu)化搜索算法的思想,提出了實(shí)時(shí)局部?jī)?yōu)化航一部分學(xué)者針對(duì)部分未知環(huán)境下進(jìn)行了局部航跡調(diào)整,但并不能完全實(shí)現(xiàn)未知環(huán)境下高效的搜索效果和實(shí)時(shí)適應(yīng)環(huán)境的能力。隨機(jī)搜索法等在理論上未知狀態(tài)下目標(biāo)均勻分布的環(huán)境條件下,可進(jìn)行在線目標(biāo)搜索,但由于全局信息未知,從而使得算法難以獨(dú)立支撐,且計(jì)算量過大。文獻(xiàn)[1,2]中提出基于感知的搜索算法,航跡設(shè)計(jì)雖具備時(shí)效性,但搜索覆蓋方法過于依賴視域范圍內(nèi)的外界目標(biāo)信息,在無目標(biāo)狀態(tài)觀測(cè)下并沒有利用合理的優(yōu)化補(bǔ)充策略。
本文首先以分布式結(jié)構(gòu)體系的多UAV完成目標(biāo)區(qū)域搜索任務(wù),考慮雷達(dá)等傳感設(shè)備探測(cè)過程中的非線性噪聲影響,分析了未知環(huán)境特性,提出一種分區(qū)域規(guī)劃的多機(jī)協(xié)同的自適應(yīng)目標(biāo)搜索方法,能夠完成在未知障礙物環(huán)境下的目標(biāo)搜索任務(wù)。最后通過仿真驗(yàn)證了該方法的可行性,該方法能夠應(yīng)對(duì)未知空間目標(biāo)搜索的不確定信息,在保障搜索到的目標(biāo)狀態(tài)信息可信度的情況下,同時(shí)具有環(huán)境適應(yīng)性和空間目標(biāo)搜索的高效性。
1 問題描述
UAV在未知環(huán)境中執(zhí)行區(qū)域目標(biāo)搜索任務(wù),任務(wù)初始條件已知,目標(biāo)信息與障礙物信息為未知,在滿足定位精度以及避開威脅的條件下,執(zhí)行目標(biāo)搜索任務(wù)。因此,任務(wù)影響應(yīng)考慮以下問題:
(1)UAV目標(biāo)搜索,要求多UAV之間能夠合作完成搜索任務(wù)[3-4],做到數(shù)據(jù)資源共享,任務(wù)分配明確。
(2)視覺受限:UAV通過激光雷達(dá)探測(cè)目標(biāo)有一定的
距離限制,在雷達(dá)探測(cè)視域范圍外的物體均不能夠被發(fā)現(xiàn)。
(3)躲避威脅:在位置搜索環(huán)境中,會(huì)存在不確定障礙物,UAV系統(tǒng)必須確保能夠安全避障,保障UAV任務(wù)的順利進(jìn)行。
2 UAV自適應(yīng)目標(biāo)搜索策略
本文采用的激光雷達(dá)視域范圍R為150m,目標(biāo)可信度范圍為r,水平開角?琢為360°。UAV在搜索目標(biāo)的過程中,能夠通過感知外界環(huán)境信息,通過對(duì)環(huán)境的判斷,實(shí)時(shí)動(dòng)態(tài)預(yù)測(cè)[6]未來的航跡信息,做自適應(yīng)目標(biāo)搜索。
2.1 任務(wù)模式
當(dāng)UAV視域范圍內(nèi)存在目標(biāo)時(shí),UAV要具備區(qū)分靜目標(biāo)與動(dòng)目標(biāo)[7]的能力,若為靜目標(biāo),則估計(jì)并記錄其位置等狀態(tài)信息。若為動(dòng)目標(biāo),則根據(jù)觀測(cè)軌跡實(shí)現(xiàn)目標(biāo)預(yù)測(cè)并跟蹤,當(dāng)距離目標(biāo)一定范圍時(shí),摧毀動(dòng)態(tài)目標(biāo)后繼續(xù)執(zhí)行目標(biāo)搜索。
UAV視域內(nèi)無任何目標(biāo)時(shí),UAV將采用分區(qū)域搜索策略。若鎖定的子區(qū)域?yàn)樵揢AV的任務(wù)子區(qū)域,航行至該子區(qū)域執(zhí)行目標(biāo)搜索。反之,計(jì)算上述子區(qū)域以外的其他搜索覆蓋最低的子區(qū)域,重新計(jì)算其是否為鎖定狀態(tài)和任務(wù)歸屬后,尋找滿足條件的子區(qū)域,并確立子區(qū)域與該UAV的搜索任務(wù)關(guān)系。
2.2 自適應(yīng)目標(biāo)搜索算法
自適應(yīng)目標(biāo)搜索要求UAV能夠面對(duì)未知環(huán)境,調(diào)整運(yùn)動(dòng)狀態(tài),在線規(guī)劃任務(wù)航跡,實(shí)時(shí)動(dòng)態(tài)規(guī)劃未來的位置信息。
首先考慮如下簡(jiǎn)化的UAV運(yùn)動(dòng)方程與觀測(cè)方程;
其中,?字表示UAV與目標(biāo)的相對(duì)距離,x?茲(k)表示UAV在水平方向方向角,?茲表示視域范圍內(nèi)的目標(biāo)在水平方向相對(duì)于UAV的夾角。
目標(biāo)函數(shù)的顯示形式是無法預(yù)知的,但是在每個(gè)時(shí)刻的時(shí)間節(jié)點(diǎn)處,可通過感知計(jì)算這些函數(shù)的噪聲測(cè)量估計(jì),可使用函數(shù)近似的方法,估計(jì)在每個(gè)時(shí)刻k處的未知目標(biāo)函數(shù)J,根據(jù):
其中k為優(yōu)化評(píng)價(jià)函數(shù)的估計(jì)值;?諄表示k時(shí)刻計(jì)算的參數(shù)估計(jì)矢量;?準(zhǔn)表示回歸項(xiàng)的非線性矢量。
根據(jù)參數(shù)估計(jì)向量?諄k,融入最小二乘法,計(jì)算估計(jì)參數(shù)為:
在k時(shí)刻,UAV以當(dāng)前時(shí)間節(jié)點(diǎn)的位置為基準(zhǔn),預(yù)選k+1時(shí)刻中R個(gè)候選位置:
均值且單位方差的隨機(jī)變量,i為目標(biāo)編號(hào)。
由優(yōu)化標(biāo)準(zhǔn)函數(shù)計(jì)算各優(yōu)化標(biāo)準(zhǔn)值,選取最優(yōu)標(biāo)準(zhǔn)值作為UAV的最新位置:
3 仿真驗(yàn)證
設(shè)計(jì)仿真環(huán)境為2000×2000m未知區(qū)域,UAV數(shù)量為5架,隨機(jī)初始位置。隨機(jī)布置若干個(gè)靜態(tài)目標(biāo),1個(gè)動(dòng)態(tài)目標(biāo)。為模擬環(huán)境的不確定性,圖1中所有靜目標(biāo)為隨機(jī)生成。5架UAV通過自適應(yīng)目標(biāo)搜索模式觀測(cè)靜態(tài)目標(biāo)和動(dòng)目標(biāo),同時(shí)躲避視域中出現(xiàn)的障礙物。
當(dāng)1號(hào)UAV發(fā)現(xiàn)動(dòng)態(tài)目標(biāo)時(shí),跟蹤動(dòng)態(tài)目標(biāo)當(dāng)達(dá)到一定時(shí)間時(shí),假設(shè)其達(dá)到摧毀要求然后摧毀動(dòng)態(tài)目標(biāo),繼續(xù)執(zhí)行未完成的目標(biāo)搜索任務(wù),如圖2所示。
1號(hào)UAV摧毀動(dòng)態(tài)目標(biāo)后,靜態(tài)目標(biāo)還沒有全部搜索完成,因此切換到靜態(tài)目標(biāo)搜索任務(wù)當(dāng)中,1號(hào)UAV與其他4架UAV協(xié)同配合進(jìn)行剩余靜態(tài)目標(biāo)的搜索,直到所有目標(biāo)搜索完成,結(jié)束任務(wù)。
自適應(yīng)目標(biāo)搜索并不要求一次性生成搜索航跡,而是UAV每次通過感知周圍外界信息,在一定范圍內(nèi)預(yù)測(cè)更新自身位姿。當(dāng)搜索完所有動(dòng)目標(biāo)和靜目標(biāo)后,結(jié)束當(dāng)前任務(wù)。
4 結(jié)論
針對(duì)未知環(huán)境的目標(biāo)搜索問題,提出一種多UAV自適應(yīng)目標(biāo)搜索方法,在面向不同的外界環(huán)境能夠及時(shí)調(diào)整運(yùn)動(dòng)策略,而且更能勝任隨機(jī)的外界環(huán)境,無論是環(huán)境當(dāng)中障礙物數(shù)量多或者少,都不會(huì)對(duì)該搜索方法有很大的影響,因此該方法具有更好的搜索效率和環(huán)境適應(yīng)性,能夠靈活應(yīng)對(duì)不同外界環(huán)境。通過仿真,驗(yàn)證了該方法在未知復(fù)雜環(huán)境下搜索的可行性。
參考文獻(xiàn):
[1]D. Bertsekas and J. Tsitsiklis, "Parallel and distributed computation,"Englewood Cliffs, NJ, 1999.
[2]周建軍,陳趨,崔麥金.無人機(jī)的發(fā)展及其軍事應(yīng)用[J].航空科學(xué)技術(shù),2003,1:38-40.
[3]L. Bertuccelli, J. How, Search for dynamic targets with uncertain probability maps, in: Proc. of the American Control Conference, ACC 2006, p. 6.
[4]F. Bourgault, T. Furukawa, H.F. Durrant-Whyte, Optimal search for a lost target in a bayesian world, in: Field and Service Robotics, FSR 2003, pp. 209-222.
[5]Z. Mathews, S.B. i Badia, P.F. Verschure, Pasar: an integrated model of prediction, anticipation, sensation, attention and response for artificial sensorimotor systems, Inf. Sci. 186(2012)1-19.
[6]J.F. Ferreira,J.Dias,Probabilistic approaches to robotic perception, Springer Tracts in Advanced Robotics, vol. 91, Springer, 2014.
[7]J. Tisdale, Z. Skim, H. Karl, et al., "Autonomous UAV path planning and estimation,"IEEE Robotics & Automation Magazine, vol. 16, no. 2, pp. 35-42,2009.