宋澤昊 劉冀川

摘 要：? 無人機合圍已經(jīng)成為現(xiàn)代戰(zhàn)爭的重要打擊方式之一。近年來，無人機合圍的控制算法得到了廣泛的研究，提高了無人機合圍形成編隊的速度和無人機合圍的魯棒性。但這些算法沒有考慮到傳感器失效對無人機的影響，也沒有考慮到合圍初期的隊形收斂速度。針對這些問題，本文提出了一種基于競爭合作機制的無人機目標分配合圍方法。首先，對競爭機制進行分析，設(shè)計了基于競爭機制的無人機目標分配方法，提高了合圍初期的隊形收斂速度。其次，設(shè)計了基于合作機制的無人機合圍方法，通過對合圍過程中無人機的拓撲進行變換，保證在無人機出現(xiàn)探測失效或通訊失效時仍然可以獲得目標的狀態(tài)信息。仿真驗證中，設(shè)計的方法可以在合圍初期更快形成合圍隊形，且在發(fā)生通訊失效和探測失效時擁有更強的魯棒性。

關(guān)鍵詞： 無人機；集群；人工智能；競爭機制；合作機制；合圍；目標分配

中圖分類號：? TJ765；V279

文獻標識碼：A

文章編號： 1673-5048（2022）05-0076-07

DOI： 10.12132/ISSN.1673-5048.2022.0055

0 引? 言

近幾年隨著人工智能技術(shù)飛速發(fā)展，無人系統(tǒng)作戰(zhàn)成為一種重要的作戰(zhàn)方式［1］。對于空戰(zhàn)部分，無人機（Unmannedaerial Vehicle，UAV）成為一種重要的作戰(zhàn)兵種。無人機集群在進行動態(tài)任務(wù)分配時需要考慮不同的目標類型，針對性地指派適合類型的無人機執(zhí)行任務(wù)。不僅如此，隨著任務(wù)復(fù)雜度的不斷提升，無人機集群飛行不再是單一任務(wù)序列的簡單時序執(zhí)行過程，任務(wù)環(huán)境的不確定性要求無人機集群可以及時對執(zhí)行范圍內(nèi)的突發(fā)情況做出響應(yīng)［2］。

無人機協(xié)同合圍是一種重要的無人機打擊方式，無人機可以進行大量投放，在高威脅環(huán)境中執(zhí)行偵察任務(wù)。由于單個無人機的打擊能力較弱，在偵察到敵對目標后，需要多無人機進行協(xié)同打擊，無人機協(xié)同合圍即為協(xié)同打擊的重要一步［3］。由于戰(zhàn)場環(huán)境往往比較復(fù)雜，所以對無人機的智能性和自主性有較高的要求［3］；戰(zhàn)場上激烈的電子戰(zhàn)對合圍控制器有較高的魯棒性要求；合圍目標的非合作性對合圍的收斂有較高的快速性要求。

無人機協(xié)同合圍的研究已經(jīng)取得了顯著成果。Vaughan等［4］最早通過觀察生物的合作與競爭機制來進行合圍研究，并且最終通過機器人模仿出了合圍行為。Pierson等［5］考慮了多個防御者合圍單個攻擊者的問題，假設(shè)其具有單積分器動力學模型，使用矢量場的方法使合圍者在合圍過程中避碰和避障，最終形成編隊將攻擊者引導到安全區(qū)域，并將其擴展到基于雙積分器動力學模型對群體攻擊者的合圍控制問題。Licitra等［6］考慮單個合圍智能體對多個目標的合圍問題，使用一種切換系統(tǒng)的方法，合圍者通過在目標之間切換，以滿足某些停留時間條件，保證最終軌跡的穩(wěn)定性。

國內(nèi)外學者對無人機任務(wù)分配的研究也取得了很多成果。梁國強等［7］建立了WASD任務(wù)分配模型，解決了廣域搜索下的任務(wù)分配問題，并使用分層方法解決了大規(guī)模任務(wù)分配問題。曹雷等［8］通過使用拍賣算法在子群內(nèi)進行協(xié)商，提出混合任務(wù)分配方法?？梢钥闯?，對合圍與任務(wù)分配的研究已經(jīng)取得了很多成果，對目標的機動情況和不同收益已經(jīng)有了比較完備的理論，但對于環(huán)境的考慮仍然較少。

針對以上問題，本文設(shè)計了一種基于競爭合作的無人機決策機制，最終完成了一個具有干擾環(huán)境下的合圍任務(wù)，并與固定拓撲的合圍方法和協(xié)同打擊分配方法進行了對比，說明所設(shè)計方法具有一定優(yōu)勢。

兩種方法在目標轉(zhuǎn)彎過程的對比如圖5所示。兩種方法在目標進行轉(zhuǎn)彎時均表現(xiàn)出優(yōu)異的性能。本文方法在尺度指數(shù)上占據(jù)微弱優(yōu)勢。

探測失效過程對比如圖6所示。在此期間，本文使用的方法較對比方法有巨大優(yōu)勢。在切換拓撲的過程中，本文方法的序參量小于對比方法。但是在完成拓撲切換后，本方案的序參量在沒有震蕩的情況下完成再次收斂，尺度指數(shù)在較小的超調(diào)下完成收斂。對比方法兩個指標都沒有完成收斂。

通訊失效過程對比如圖7所示。在應(yīng)對通訊失效的過程中，本文方法沒有顯現(xiàn)出巨大的優(yōu)勢，但是本文方法的序參量最終完成了收斂，而對比方法存在一定的靜態(tài)誤差。

5 結(jié)? 論

在現(xiàn)代空戰(zhàn)的背景下，通過對競爭合作的機制分析，分別建立了基于競爭機制的合圍位置分配和基于合作機制的合作合圍通訊方式，最終完成了一個合圍仿真實驗，并與另一種方法進行對比。在初始分配、 探測失效和通訊失效三種過程中，提出的方法具有一定的性能優(yōu)勢。通過對競爭過程的設(shè)計，加快了合圍初期的收斂速度，通過對合作方式的設(shè)計，增強了合圍過程的魯棒性。

參考文獻：

［1］ 盧志剛，? 張岳，? 王虎躍，? 等. 地面無人系統(tǒng)編組作戰(zhàn)的指揮與控制智能化［J］. 指揮與控制學報，? 2021，? 7（4）： 350-358.

Lu Zhigang，? Zhang Yue，? Wang Huyue，? et al. Intelligence of Command and Control in Formation Operation of Unmanned Ground Systems［J］. Journal of Command and Control，? 2021，? 7（4）： 350-358.（in Chinese）

［2］ Davis D T，? Chung T H，? Clement M R，? et al. Consensus-Based Data Sharing for Large-Scale Aerial Swarm Coordination in Lossy Communications Environments［C］∥IEEE/RSJ International Conference on Intelligent Robots and Systems （IROS）， 2016： 3801-3808.

［3］ 胡喬林，? 焦士俊，? 劉劍豪，? 等. 反美軍無人機蜂群作戰(zhàn)問題研究［J］. 飛航導彈，? 2021（12）： 88-92.

Hu Qiaolin，? Jiao Shijun，? Liu Jianhao，? et al. Research on Anti US Drone Swarm Warfare［J］. Aerodynamic Missile Journal，? 2021（12）： 88-92.（in Chinese）

［4］ Vaughan R，? Sumpter N，? Henderson J，? et al. Experiments in Automatic Flock Control［J］. Robotics and Autonomous Systems，? 2000，? 31（1/2）： 109-117.

［5］ Pierson A，? Schwager M. Controlling Noncooperative Herds with Robotic Herders［J］. IEEE Transactions on Robotics，? 2018，? 34（2）： 517-525.

［6］ Licitra R A，? Bell Z I，? Doucette E A，? et al. Single Agent Indirect Herding of Multiple Targets： A Switched Adaptive Control Approach［J］. IEEE Control Systems Letters，? 2018，? 2（1）： 127-132.

［7］ 梁國強，? 康宇航，? 邢志川，? 等. 基于離散粒子群優(yōu)化的無人機協(xié)同多任務(wù)分配［J］. 計算機仿真，? 2018，? 35（2）： 22-28.

Liang Guoqiang，? Kang Yuhang，? Xing Zhichuan，? et al. UAV Coope-rative Multi-Task Assignment Based on Discrete Particle Swarm Optimization Algorithm［J］. Computer Simulation，? 2018，? 35（2）： 22-28.（in Chinese）

［8］ 曹雷，? 譚何順，? 彭輝，? 等. 一種多UAV混合動態(tài)任務(wù)分配方法［J］. 南京理工大學學報，? 2015，? 39（2）： 206-214.

Cao Lei，? Tan Heshun，? Peng Hui，? et al. Mixed Dynamic Task Allocation for Multiple UAV［J］. Journal of Nanjing University of Science and Technology，? 2015，? 39（2）： 206-214.（in Chinese）

［9］ Olfati-Saber R. Flocking for Multi-Agent Dynamic Systems： Algorithms and Theory［J］. IEEE Transactions on Automatic Control，? 2006，? 51（3）： 401-420.

［10］ Murakami H，? Niizato T，? Gunji Y P. Emergence of a Coherent and Cohesive Swarm Based on Mutual Anticipation［J］. Scientific Reports，? 2017，? 7： 46447.

［11］ Dong X W，? Li Y F，? Lu C，? et al. Time-Varying Formation Tracking for UAV Swarm Systems with Switching Directed Topologies［J］. IEEE Transactions on Neural Networks and Learning Systems，? 2019，? 30（12）： 3674-3685.

［12］ Han T，? Chi M，? Guan Z H，? et al. Distributed Three-Dimensional Formation Containment Control of Multiple Unmanned Aerial Vehicle Systems［J］. Asian Journal of Control，? 2017，? 19（4）： 1-11.

［13］ 陳清陽，? 辛宏博，? 王玉杰，? 等. 一種多機協(xié)同打擊的快速航跡規(guī)劃方法［J/OL］. 北京航空航天大學學報，? 2022.https：∥www.cnki.com.cn/Article/CJFDTotal-BJHK20210514000.htm.

Chen Qingyang，? Xin Hongbo，? Wang Yujie，? et al. A Rapid Path Planning Method for Multiple UAVs to Cooperative Strike［J/OL］. Journal of Beijing University of Aeronautics and Astronautics，? 2022.https：∥www.cnki.com.cn/Article/CJFDTotal-BJHK20210514000.htm..（in Chinese）

Target Assignment and Multi-UAV Enclosing Method

Based on Competition and Cooperation Mechanism

Song Zehao1，Liu Jichuan2， 3*

（1. School of Automation Science and Electrical Engineering，Beihang University，Beijing 100183，China；

2. School of Electronic Engineering，Xidian University，Xian 710071，China；

3. Hebei Key Laboratory of Electromagnetic Spectrum Cognition and Control，

The 54th Research Institute of CETC，Shijiazhuang 050081，China）

Abstract： Multi-UAV enclosing has become one of the important attack methods in modern air combat. Recently，? the algorithms of multi-UAV enclosing have been extensively studied to improve the formation speed of? multi-UAV enclosing and improve the robustness. However， these algorithms fail to consider the impact of? sensor failure on? UAV，? nor do consider the formation convergence speed at the initial stage of? multi-UAV enclosing. Aiming at these problems，? a method of multi-target assignment and multi-UAV enclosing based on competition and cooperation mechanism is proposed.Firstly，? the competition mechanism is analysed，? and the multi-target assignment method based on the competition mechanism is designed to improve the formation convergence speed.Secondly，? a multi-UAV enclosing method is designed based on the cooperation mechanism.The method transforms the topology of the UAV to obtain the formation when the detection failure or communication failure happens. In the simulation，? the? designed method can form the enclosing formation faster，? and has stronger robustness when the detection failure or communication failure happens.

Key words： UAV；cluster；artificial intelligence；competition mechanism；cooperation mechanism； enclosing；target assignment

收稿日期： 2022-03-20

作者簡介： 宋澤昊（1996-），? 男，? 黑龍江齊齊哈爾人，? 碩士研究生。

通信作者： 劉冀川（1981-）， 男， 河北保定人， 高級工程師。