郭褚冰 張鍇 張永平

1．中國(guó)電子科技集團(tuán)公司第二十研究所數(shù)據(jù)鏈技術(shù)重點(diǎn)實(shí)驗(yàn)室陜西西安710068 2.西安電子科技大學(xué)人工智能學(xué)院陜西西安710071

21 世紀(jì)以來(lái),無(wú)人機(jī)在載荷小型化、續(xù)航時(shí)間、超視距測(cè)控通信等方面取得了長(zhǎng)足進(jìn)展;同時(shí),復(fù)雜環(huán)境感知技術(shù)、精準(zhǔn)推理決策技術(shù)、多機(jī)協(xié)同技術(shù)等智能化技術(shù),正推動(dòng)著無(wú)人機(jī)從單平臺(tái)地面測(cè)控執(zhí)行簡(jiǎn)單任務(wù)到無(wú)人集群自主協(xié)同實(shí)現(xiàn)“偵-控-打-評(píng)”全作戰(zhàn)流程.在可以預(yù)見的未來(lái),無(wú)人集群自主協(xié)同作戰(zhàn)將生成多種新質(zhì)作戰(zhàn)能力,成為信息化戰(zhàn)爭(zhēng)的重要形式.

由于無(wú)人集群需要在高度動(dòng)態(tài)化、不確定性、強(qiáng)對(duì)抗的場(chǎng)景下執(zhí)行復(fù)雜任務(wù),所以也決定了無(wú)人集群需要具備較高的自主性和自適應(yīng)性,而無(wú)人集群的自主協(xié)同控制是其中的關(guān)鍵技術(shù).無(wú)人集群自主協(xié)同首先是時(shí)空的一致統(tǒng)一、信息的一致表達(dá)和態(tài)勢(shì)的一致理解;從而實(shí)現(xiàn)任務(wù)的協(xié)同,再通過智能化的處理協(xié)議實(shí)現(xiàn)對(duì)任務(wù)的分解與交互;支撐跨平臺(tái)異構(gòu)傳感器要素級(jí)協(xié)同.無(wú)人集群自主協(xié)同能力的提升可以有效地解決信息不完備、不確定條件下異構(gòu)無(wú)人平臺(tái)態(tài)勢(shì)信息一致性有效建模,作戰(zhàn)資源的動(dòng)態(tài)分配與統(tǒng)一調(diào)度和面向任務(wù)需求的多平臺(tái)協(xié)同路徑規(guī)劃等關(guān)鍵問題.

美軍從2000年率先提出自主作戰(zhàn)概念,并打造無(wú)人機(jī)自主集群,在全球范圍內(nèi)保持無(wú)人系統(tǒng)技術(shù)的領(lǐng)先地位.其中,美國(guó)國(guó)防部在2005年8月份發(fā)布《無(wú)人機(jī)系統(tǒng)路線圖2005-2030》將無(wú)人機(jī)的自主等級(jí)劃分為1～10 級(jí),預(yù)計(jì)在2025年后無(wú)人機(jī)將具備全自主能力[1].2016年5月,美國(guó)空軍發(fā)布了《小型無(wú)人機(jī)系統(tǒng)飛行規(guī)劃2016-2036》,從戰(zhàn)略層面肯定了小型無(wú)人機(jī)系統(tǒng)的應(yīng)用前景和價(jià)值[2],并對(duì)“蜂群”、“編組” 和“忠誠(chéng)僚機(jī)” 作戰(zhàn)概念進(jìn)行了闡述.2018年8月,美國(guó)國(guó)防部發(fā)布了《無(wú)人系統(tǒng)綜合路線圖2017-2042》的新版路線圖,再次強(qiáng)調(diào)了自主性與協(xié)同性對(duì)于加速無(wú)人系統(tǒng)領(lǐng)域進(jìn)步的重要性，在理論研究的同時(shí),加速推進(jìn)典型無(wú)人集群自主協(xié)同試驗(yàn)驗(yàn)證項(xiàng)目.

1 基于簇頭通信的Vicsek 模型

實(shí)現(xiàn)集群協(xié)同控制的一個(gè)首要條件就是個(gè)體間的同步運(yùn)動(dòng),包括速度和方向,生物集群在個(gè)體行為簡(jiǎn)單,交互有限的條件下快速實(shí)現(xiàn)同步運(yùn)動(dòng),具有很好的借鑒意義[3?4].生物集群建模的研究開始于20 世紀(jì)80年代對(duì)魚群和鳥群的運(yùn)動(dòng)計(jì)算仿真[5],在生物集群運(yùn)動(dòng)機(jī)理方面較為突出的代表人物有Reynolds、Vicesk 以及Couzin.Reynolds 等提出分離、聚集、速度一致3 個(gè)基本規(guī)則,這3 個(gè)基本規(guī)則對(duì)群體模型的建立具有基礎(chǔ)意義,Vicesk 模型從統(tǒng)計(jì)力學(xué)的角度建立了一個(gè)逼近生物集群運(yùn)動(dòng)本質(zhì)的模型.Couzin 模型將個(gè)體的感知區(qū)域由內(nèi)而外依次分為排斥區(qū)域、對(duì)齊區(qū)域和吸引區(qū)域3 個(gè)不重疊的區(qū)域,分別對(duì)應(yīng)群體中分離、速度一致和聚集規(guī)則.

Vicsek 模型[5?6]具備了復(fù)雜集群運(yùn)動(dòng)的關(guān)鍵特征,N個(gè)自治個(gè)體組成的離散時(shí)間系統(tǒng),用集合∑={1,2,···,N}表示所有個(gè)體構(gòu)成的集合,初始位置和初始運(yùn)動(dòng)方向都是隨機(jī)分布,所有個(gè)體都在一個(gè)L×L的區(qū)域內(nèi)自由移動(dòng),個(gè)體的運(yùn)動(dòng)速度是恒定的,運(yùn)動(dòng)方向則是按照所有鄰居運(yùn)動(dòng)角度的矢量平均進(jìn)行更新,在更新的過程中還會(huì)受到一個(gè)高斯白噪聲的干擾.

首先,個(gè)體i的鄰居由以個(gè)體自身當(dāng)前位置為中心與該個(gè)體的歐式距離小于感知范圍R(R>0)的個(gè)體組成,||?||為向量的歐式距離,xi(t)為感知范圍內(nèi)以R為半徑的圓形區(qū)域的所有個(gè)體(如圖1所示),用Si(t)表示個(gè)體i在時(shí)刻t的鄰居組成的集合,因此,公式為:

圖1 Vicsek 模型感知范圍示意圖Fig.1 Schematic diagram of Vicsek model perception range

每個(gè)個(gè)體具有相同的速度v0,個(gè)體i在t時(shí)刻的運(yùn)動(dòng)方向θi(t)∈(?π,π],因此,速度的運(yùn)動(dòng)矢量v(t)=[v0cos θi(t),v0sin θi(t)]T個(gè)體i在t+1 時(shí)刻的位置和運(yùn)動(dòng)方向更新公式,即

式(3)中,δ(t)為均勻分布的高斯白噪聲,其中θi(t)的計(jì)算公式如下:

可將Vicsek 模型轉(zhuǎn)化至復(fù)平面上,則位置和運(yùn)動(dòng)方向更新為:

在基本Vicsek 模型中,每個(gè)個(gè)體僅與感知半徑范圍內(nèi)的鄰居進(jìn)行通信,但在實(shí)際的無(wú)人集群作戰(zhàn)體系中平臺(tái)的載荷、任務(wù)不盡相同,通常會(huì)對(duì)集群進(jìn)行分簇歸類,把具有相同作戰(zhàn)能力和任務(wù)的同構(gòu)平臺(tái)進(jìn)行整合,每個(gè)簇中都會(huì)有承擔(dān)簇間通信和簇內(nèi)指揮控制角色的簇頭平臺(tái),將該簇頭平臺(tái)在基本Vicsek 模型中建模,在N個(gè)自治個(gè)體中存在M(MR,RM區(qū)域不重疊.中心個(gè)體y(t)間可互相通信感知,節(jié)點(diǎn)的集合公式為:

個(gè)體的感知范圍由R擴(kuò)展至M×R,因此,會(huì)提高集群一致性運(yùn)動(dòng)的收斂效率,接下來(lái)將通過仿真進(jìn)一步得到驗(yàn)證.

為了描述集群所有個(gè)體運(yùn)動(dòng)一致性程度,這里定義序參量[7],也稱有序度,是集群內(nèi)所有個(gè)體歸一化的平均速度,序參量越大表示同步程度越高,即

收斂時(shí)間一般定義為序參量達(dá)到0.99 時(shí)所用最短的仿真時(shí)間作為收斂時(shí)間,即

基本Vicsek 算法與改進(jìn)型Vicsek 算法設(shè)計(jì)流程對(duì)比,如圖2所示.

基本Vicsek 算法的設(shè)計(jì)主要包含了參數(shù)設(shè)置,個(gè)體位置與角度初始化,鄰居個(gè)體的計(jì)算和平均運(yùn)動(dòng)方向計(jì)算等步驟;基于簇頭通信的Vicsek 算法設(shè)計(jì)在此基礎(chǔ)上增加了集群內(nèi)簇頭確定,簇頭感知半徑計(jì)算,簇頭間位置與角度的共享等步驟,針對(duì)兩種模型進(jìn)行建模仿真.

圖2 基本Vicsek 算法與改進(jìn)型Vicsek 算法設(shè)計(jì)流程Fig.2 Basic Vicsek algorithm and improved Vicsek algorithm design process

設(shè)置初始化參數(shù),迭代次數(shù)T=50,集群總數(shù)量N=1 000,運(yùn)動(dòng)范圍L=10,噪聲大小Noise=0.2,感知半徑R=1,速度的模值V=0.08,簇頭數(shù)量M=10,集群初始狀態(tài)如圖3所示,是一個(gè)隨機(jī)運(yùn)動(dòng)狀態(tài).

在迭代50 次之后,基本Vicsek 集群狀態(tài)與改進(jìn)型Vicsek 集群的狀態(tài)如圖4和圖5所示.

可以明顯地觀察到,改進(jìn)型Vicsek 集群在迭代50 次后已經(jīng)達(dá)到一致性運(yùn)動(dòng),而基本Vicsek 集群則還未收斂.接下來(lái)計(jì)算兩種模型收斂所需的時(shí)間TC,它們?cè)诓煌瑮l件下的收斂時(shí)間如圖6所示.

從收斂時(shí)間TC的對(duì)比中可以得出,改進(jìn)型Vicsek 隨著簇頭數(shù)量M的增加可以有效地提高集群的同步效率.

圖3 集群初始狀態(tài)Fig.3 Initial state of the swarm

圖4 基本Vicsek 集群狀態(tài)Fig.4 Basic Vicsek swarm status

圖5 改進(jìn)型Vicsek 集群狀態(tài)Fig.5 Improved Vicsek swarm status

圖6 基本Vicsek 和改進(jìn)型Vicsek 在不同條件下的收斂時(shí)間Fig.6 Convergence time of the basic Vicsek and the improved Vicsek under different conditions

2 局部通信條件下的PID 協(xié)同控制器設(shè)計(jì)

生物集群在局部感知、個(gè)體行為簡(jiǎn)單的條件下實(shí)現(xiàn)了復(fù)雜的行為模式,包括穩(wěn)定的編隊(duì)形成和重構(gòu),而且具有較強(qiáng)的魯棒性和“自愈”能力.生物集群的這些行為模式和控制策略可以為無(wú)人集群的協(xié)同控制提供研究思路.

無(wú)人集群在協(xié)同感知、協(xié)同決策的基礎(chǔ)上實(shí)現(xiàn)協(xié)同控制[8],尤其是集群在實(shí)現(xiàn)高機(jī)動(dòng)性的規(guī)避和執(zhí)行復(fù)雜任務(wù)的過程中,僅僅依靠單個(gè)無(wú)人平臺(tái)的能力是無(wú)法實(shí)現(xiàn)的.多平臺(tái)的協(xié)同控制器將從平臺(tái)動(dòng)力學(xué)模型出發(fā),基于生物集群的協(xié)同控制策略設(shè)計(jì)高效的感知與決策交互協(xié)議和協(xié)同控制器參數(shù).

無(wú)人機(jī)平臺(tái)實(shí)現(xiàn)穩(wěn)定的飛行和姿態(tài)的變換主要由飛行控制器實(shí)現(xiàn),飛行控制器通過輸出PWM 波信號(hào)對(duì)電機(jī)的轉(zhuǎn)速進(jìn)行控制實(shí)現(xiàn)相應(yīng)的動(dòng)作.在最優(yōu)化控制領(lǐng)域有諸多算法和理論,但在工程應(yīng)用方面,基于經(jīng)典的PID 控制算法仍然是最有效的實(shí)現(xiàn)方案.當(dāng)無(wú)人集群進(jìn)行編隊(duì)飛行時(shí),不僅要考慮單平臺(tái)的穩(wěn)定控制,還要考慮編隊(duì)中長(zhǎng)機(jī)和僚機(jī)的相對(duì)位置,僚機(jī)的航向、速度、高度的變化要能適應(yīng)長(zhǎng)機(jī)的動(dòng)態(tài)變化,因此,要設(shè)計(jì)適用于無(wú)人集群自主協(xié)同的控制器及其策略具有重要意義.

PID 控制器是一種線性控制器,它主要根據(jù)給定值和實(shí)際輸出值構(gòu)成控制偏差,然后利用偏差給出合理的控制量[9].幾款開源飛控中,無(wú)一例外地都是采用PID 控制算法來(lái)實(shí)現(xiàn)無(wú)人機(jī)的姿態(tài)和軌跡控制.PID 里的P為比例因子,I為積分因子,D為微分因子,P和I提高系統(tǒng)穩(wěn)態(tài)精度,D提高系統(tǒng)穩(wěn)定性,PID 控制原理圖如圖7所示.

圖7 PID 控制原理圖Fig.7 PID control principle diagram

在PID 控制器中g(shù)(t)為給定值,e(t)為偏差量,u(t)為控制變量,y(t)為當(dāng)前狀態(tài),Process 為執(zhí)行器.借鑒生物集群領(lǐng)航編隊(duì)的原理,PID 協(xié)同控制器將當(dāng)前的態(tài)勢(shì)信息、任務(wù)指令經(jīng)過處理后產(chǎn)生對(duì)應(yīng)的編隊(duì)幾何形狀、拓?fù)浣Y(jié)構(gòu)、跟隨策略等控制指令和PID控制參數(shù),控制架構(gòu)如圖8所示.

圖8 協(xié)同控制器框架Fig.8 Cooperative controller framework

這里PID 協(xié)同控制器的距離參數(shù)調(diào)整式[10?11],當(dāng)長(zhǎng)機(jī)與僚機(jī)之間的距離偏差為?L,速度偏差為eV,因此,綜合控制偏差為:

這里kL距離偏差控制增益,kV為速度偏差控制增益,采用PID 控制律收到速度的控制指令,即

根據(jù)當(dāng)前期望的速度值和PID 控制參數(shù),實(shí)現(xiàn)長(zhǎng)機(jī)與僚機(jī)的速度一致,集群內(nèi)部可共享PID 控制參數(shù)實(shí)現(xiàn)快速的編隊(duì)重構(gòu).基于PID 的協(xié)同控制器將與作戰(zhàn)任務(wù)、感知數(shù)據(jù)結(jié)合,實(shí)現(xiàn)從感知、決策到控制的閉環(huán).

3 基于MAVLink 的消息幀擴(kuò)展方案

無(wú)人機(jī)與地面站、有人機(jī)的信息共享、情報(bào)分發(fā)、遙感測(cè)控主要是通過數(shù)據(jù)鏈實(shí)現(xiàn),因此,數(shù)據(jù)鏈也被稱為無(wú)人機(jī)系統(tǒng)的“神經(jīng)網(wǎng)絡(luò)”.軍用無(wú)人機(jī)數(shù)據(jù)鏈研發(fā)與應(yīng)用要早于民用領(lǐng)域,美軍在該領(lǐng)域一直處于領(lǐng)先地位,并為裝備的各類型無(wú)人機(jī)設(shè)計(jì)了與之匹配的數(shù)據(jù)鏈,其中,數(shù)字?jǐn)?shù)據(jù)鏈DDL 是一種基于IP 的戰(zhàn)術(shù)數(shù)據(jù)鏈,配備在美軍的RQ-11B “烏鴉”無(wú)人機(jī),而戰(zhàn)術(shù)通用數(shù)據(jù)鏈TCDL 是基于CDL 專門為無(wú)人機(jī)開發(fā)的抗干擾、全雙工通信鏈路.可以看出,數(shù)據(jù)鏈主要用于戰(zhàn)場(chǎng)態(tài)勢(shì)信息共享、情報(bào)分發(fā)和戰(zhàn)術(shù)協(xié)同,在平臺(tái)及要素協(xié)同控制方面尚未開展相關(guān)工作[12].數(shù)據(jù)鏈的優(yōu)勢(shì)在于頻帶寬、頻譜利用率高、抗干擾能力強(qiáng)、傳輸距離遠(yuǎn),但也存在功耗高、體積大、可擴(kuò)展性差、成本高等劣勢(shì),因此,在無(wú)人集群協(xié)同控制方面,可借鑒民用數(shù)據(jù)鏈測(cè)控協(xié)議開源、可擴(kuò)展、環(huán)境易構(gòu)建等優(yōu)勢(shì).

在民用數(shù)據(jù)鏈領(lǐng)域,MAVLink 開源協(xié)議[13?14]在各類型無(wú)人機(jī)中得到了廣泛的應(yīng)用,MAVLink 協(xié)議最早由瑞士蘇黎世聯(lián)邦理工學(xué)院計(jì)算機(jī)視覺與幾何實(shí)驗(yàn)組于2009年發(fā)布,并遵循LGPL 開源協(xié)議.MAVLink 協(xié)議是在串口通訊基礎(chǔ)上的一種更高層的開源通訊協(xié)議,主要應(yīng)用在微型飛行器(Micro Aerial Vehicle,MAV)的通訊上.協(xié)議以消息庫(kù)的形式定義了參數(shù)傳輸?shù)囊?guī)則,支持無(wú)人固定翼飛行器、無(wú)人旋翼飛行器、無(wú)人車輛等多種類型的無(wú)人機(jī).MAVLink協(xié)議幀結(jié)構(gòu)如表1所示.

在MAVLink 協(xié)議幀中,定義了新消息起始位、負(fù)載長(zhǎng)度、數(shù)據(jù)包丟失檢測(cè)、發(fā)送數(shù)據(jù)的系統(tǒng)ID和組件ID、消息負(fù)載和CRC 校驗(yàn);其中負(fù)載PAYLOAD 中的數(shù)據(jù)最為重要,包含了心跳包、飛行器類型、飛控類型、基本模式等信息,以及航路添加、巡航、返航、轉(zhuǎn)向等功能.

在當(dāng)前MAVLink 協(xié)議中,飛行控制器與地面控制站點(diǎn)通過MAVLink 協(xié)議交互任務(wù)信息與控制信息.針對(duì)無(wú)人集群的典型應(yīng)用場(chǎng)景以及本文研究結(jié)果,MAVLink 協(xié)議需要進(jìn)行如下擴(kuò)展:

表1 MAVLink 協(xié)議幀結(jié)構(gòu)Table 1 MAVLink protocol frame structure

1)由點(diǎn)對(duì)點(diǎn)通信協(xié)議擴(kuò)展至多點(diǎn)分布式的通信協(xié)議.

2)針對(duì)集群Vicsek 模型,協(xié)議中需要共享集群成員數(shù)量、感知半徑、運(yùn)動(dòng)速度和運(yùn)動(dòng)角度等參數(shù).

3)針對(duì)PID 協(xié)同控制器,需要實(shí)時(shí)共享平臺(tái)的PID 參數(shù)、速度、位置、編隊(duì)隊(duì)形結(jié)構(gòu)、跟隨策略等信息.

4)增加傳感器數(shù)據(jù)與控制數(shù)據(jù)的深度交聯(lián),提升平臺(tái)的協(xié)同控制能力.

5)針對(duì)拒止環(huán)境,需要增加相對(duì)導(dǎo)航和相對(duì)定位功能(參考link-16).

4 無(wú)人集群突防攻擊下的協(xié)同控制信息流程

無(wú)人集群突防攻擊是綜合運(yùn)用參戰(zhàn)的各類型無(wú)人平臺(tái),根據(jù)作戰(zhàn)方案和當(dāng)前的敵我態(tài)勢(shì)信息,通過誘騙和電子壓制突破敵方火力攔截,在線實(shí)時(shí)分析與決策實(shí)施對(duì)敵方高價(jià)值目標(biāo)的選擇和高精度的協(xié)同控制打擊,具體流程如圖9所示.

無(wú)人集群突防攻擊的特征:1)作戰(zhàn)單元均是無(wú)人平臺(tái).2)平臺(tái)異構(gòu)特征明顯.3)無(wú)人平臺(tái)自主協(xié)同能力差異較大.4)多平臺(tái)要素級(jí)協(xié)同控制.5)感知-決策-控制的深度耦合.6)無(wú)人集群的協(xié)調(diào)一致性.

無(wú)人集群突防攻擊作戰(zhàn)概念視圖如圖10所示.

無(wú)人集群突防攻擊首先根據(jù)作戰(zhàn)需求形成靜態(tài)任務(wù)規(guī)劃,確定需要參戰(zhàn)的無(wú)人平臺(tái)類型、載荷配置、網(wǎng)絡(luò)及傳輸要求,形成一個(gè)動(dòng)態(tài)無(wú)中心的信息系統(tǒng).利用PID 協(xié)同控制器和擴(kuò)展版本MAVLink 協(xié)議實(shí)現(xiàn)傳感器、武器、飛行控制系統(tǒng)的交聯(lián),支撐編隊(duì)快速變換、態(tài)勢(shì)感知、聯(lián)合探測(cè)、目標(biāo)監(jiān)視、攻擊引導(dǎo)等作戰(zhàn)功能.

作戰(zhàn)平臺(tái)包含偵察型無(wú)人機(jī)、攻擊型無(wú)人機(jī)、地面無(wú)人指揮車、地面攻擊戰(zhàn)車、水下潛航器,傳感器包含了測(cè)控鏈路、雷達(dá)、導(dǎo)彈、協(xié)同控制器等,同時(shí)與地面有人指揮所共享前方態(tài)勢(shì)信息.

協(xié)同信息交換矩陣[15?16]的內(nèi)容包括作戰(zhàn)過程中各平臺(tái)和傳感器交互的信息、信息的流向及作用等,如表2所示.

5 結(jié)論

圖9 無(wú)人機(jī)群突防攻擊信息流程Fig.9 UAV swarm penetration attack information process

圖10 無(wú)人集群突防攻擊作戰(zhàn)概念視圖Fig.10 Conceptual view of unmanned swarm penetration attack operations

通過對(duì)生物集群的運(yùn)動(dòng)機(jī)理與模型研究,提出并設(shè)計(jì)了改進(jìn)型Vicsek 模型和PID 協(xié)同控制器,并將研究的結(jié)果應(yīng)用到MAVLink 的消息幀擴(kuò)展中,用于提升無(wú)人集群的協(xié)同控制能力,同時(shí)結(jié)合典型的作戰(zhàn)場(chǎng)景,細(xì)化了控制協(xié)議與控制策略.未來(lái)將會(huì)結(jié)合特定無(wú)人機(jī)平臺(tái),在典型應(yīng)用場(chǎng)景下,對(duì)協(xié)同控制器和改進(jìn)MAVLink 協(xié)議的協(xié)同控制能力進(jìn)行實(shí)驗(yàn)驗(yàn)證.

表2 作戰(zhàn)信息交換矩陣Table 2 Combat information exchange matrix

隨著無(wú)人集群系統(tǒng)的復(fù)雜性不斷提高,包括成員數(shù)量的倍增和平臺(tái)差異性的不斷增大,以及作戰(zhàn)場(chǎng)景的需求不但提升,未來(lái)無(wú)人集群的發(fā)展有如下趨勢(shì):1)人工智能技術(shù)提升集群自主感知、決策的水平[17].2)協(xié)同層次與協(xié)同深度不斷地?cái)U(kuò)展,形成有人/無(wú)人、無(wú)人/無(wú)人的混合發(fā)展模式.3)互操作能力擴(kuò)展至不同的維度,要素級(jí)協(xié)同能力不斷提升.