飛行控制與仿真   2023-04-11 14:08 發表于廣東

點擊上方藍字關注我們微信公眾號！

    國內的無人機集群在編隊表演方面已經演繹的淋漓盡致，但是在作業與軍事上還是鮮有研究，而國外特別是美國直奔戰場而去，并形成了理論。

無人機技術正處于大力發展階段，單架無人機的系統集成度越來越高，功能也越來越強大。然而，面對日益復雜的應用環境和多樣化的需求，無人機受其自身軟硬件條件的限制，仍有某些局限性：對單架無人機而言，其自身的燃料、重量和尺寸起著重要的限制作用，無法形成持續有力的打擊力度；受機載傳感器以及通信設備的限制，單架無人機也無法實現對任務區域的多維度、大范圍覆蓋；在執行高風險任務時，單架無人機可能因為受到攻擊或自身故障而失效，從而導致任務系統容錯性不足等等。對小型無人機尤其如此。

為彌補單架無人機的局限性，美國空軍科學顧問委員會指出，無人機應當以集群的方式協同工作，而不是單獨行動。在未來很多應用場景中，無人機將體現出多機西戎工作的特點。即由多架相同或不同型號的UAV組成多無人機系統，協同作業，共同完成任務。無人機群，由多種型號的有人或無人機組成的混合集群，甚至無人機與其他有人或無人作戰機器如無人戰斗車輛組成的混合異構群組，必然是未來戰爭無人作戰機器的主要作戰形式。這樣，既能最大地發揮無人機的優勢，又能避免由于單架無人機執行任務效果不佳或失敗造成的不良后果，提高任務執行效率，拓展新的任務執行方式，從而達到提高系統可靠性、改善任務執行效果的目的。

多UAV協同工作的優勢主要來源于信息融合和資源互補兩個方面。在多機并行執行任務的過程中，每架無人機收集到的信息都是其各自位置上的局部信息，無人機群眾所有成員的信息又組合成一個信息模型，提供給鞠策系統進行多機系統內的任務分工和調度，以提高任務的執行效率；且當某個成員失效時，能及時更新系統信息，動態調整系統成員間的執行效果，從而提高系統的可靠性和容錯性；受單機能力和任務要求的限制，需要多架無人機共同完成某項任務，或者多機相互配合，以滿足任務的時間、空間與指標優化等要求，達到資源和功能互補的效果，如對同一個目標依序執行確認、攻擊和毀傷評估任務，對同一個執行同時性的多角度跟蹤任務等。

要指派多架UAV協同執行一項任務，提高任務的效能，就離不開合理高效的協同控制手段，必須對多機系統進行合理的協同任務規劃。它是對多無人機UAV協同執行任務進行研究的核心，設計控制理論、運籌學、決策理論、圖論、信息論、系統論、計算機科學、榮恭智能、通信理論等多個學科領域。

在實際任務的執行中、受UAV、任務要求和環境因素等的影響與制約，對多UAV進行協同控制是一個極其復雜、極具挑戰性的過程，其復雜性主要體現在：

（1）任務環境的復雜性：復雜的對抗性的動態環境，可能包含著多種既有的和突發的威脅、障礙、極端天氣等，而且UAV與系統可能無法獲知或無法及時獲知環境的全局信息及其變化；

（2）多無人機系統成員間的差異：UAV數量以及不同UAV間的運動學動力學特性、功能差異、信息收集與處理和通信能力的差異，而且無人機可能在任務執行過程中失效等；

（3）任務需求的復雜性：不同的任務具有不同的要求，其在作戰目標、時序約束、時間感性約束、任務間耦合約束、任務指標等各個方面均可能存在著差異，而且作戰目標還可能存在著不確定性，如移動目標、目標參數不確定等問題；

（4）計算復雜性：在進行協同任務規劃問題研究時，不可避免的會碰到一個NP難題，即隨著問題規模的線性增長，如無人機數量、目標數量等，問題的解空間呈指數級的爆炸式擴張，當問題規模增大時，從這個龐大的解空間中找到最優解需要耗費大量的計算，非常困難。當任務的實時性要求較高時，這個矛盾會更突出，甚至會直接以你選哪個協同任務的執行效果；

（5）通信約束的復雜性：任務環境的復雜多變就必然會對UAV機群的通信網絡造成影響，如通信拓撲結構變化、寬帶受限、通信干擾、通信延時等，甚至可能會出現虛假通信等問題，在考慮到UAV本身的通信設備性能限制，如通信距離和寬帶等，以及某些任務可能會要求通信盡可能的少，這極大的增加了多機協同問題的復雜程度。

在上述復雜性的共同作用下，多無人機協同任務規劃問題就變成了一個極其復雜的問題，對該問題進行建模與求解的難度也大大增加。作為無人機技術發展的一個重要趨勢，多UAV協同控制方面的研究方向收到了美國軍方的極大重視，已經被美國空軍研究局列為六大基礎研究課題①之一，也成為學術界的研究熱點之一。

注① ：美國空軍研究局六大基礎研究課題：1）靈感來自生物的概念；2）協同控制；3）等離子體動力學；4）太空微型科學；5）量子計算；6）用于可支付得起的新型系統的材料工程學。

國外研究現狀

為探索多無人機協同工作的理論與實現機理，國外已經開展了大量相關的研究項目。其中具有代表性的是美國國防部高級研究計劃局（DARPA）牽頭的自治編隊混合主動控制項目（Mixed InitiativeControl of Automata-teams，MICA②）、廣域搜索彈藥項目（Wide Area Search Munitions，WASM）和歐洲信息社會技術計劃（Information Society Technologies，IST）資助的異構無人能及群實時協同與控制項目（Real-time Coordination and Control of Multiple Heterogeneous UAVs，COMETS③）等。

注② ：ＭＩＣＡ 項目的目標是，在減少操作員人為干預的前提下提升無人機的自主與協同控制能力，涉及的研究內容包括無人機自主協同作戰的分層控制結構、多無人機自主編隊控制方法和無人機協同作戰的建模與仿真技術等，參與研究的機構包括加州大學伯克利分校、麻省理工學院（ＭＩＴ ） 以及霍尼韋爾公司（Ｈｏｎｅｙｗｅｌｌ）等。

注③ ：歐洲COMETS項目是一個多國合作的民用研究項目，其研究對象是一個由包括無人直升機和無人飛艇在內的多平臺異構無人機群組成的協同探測與監視系統，研究目標是為該異構多UAV設計和實現分布式實時控制系統，集成分布式感知與實時圖像處理等技術，并在森林火災監視任務中對系統的關鍵技術進行演示驗證。該項目的相關結果已經陳列在其官方網站上http://www.comets-uavs.org/），最終成果也已經集中出版。

MICA項目對多UAV協同作戰的多項關鍵技術進行研究，其研究目標是探索新的監視和控制手段（即自主協同控制方法）以使人能更好地參與到戰場管理過程中，實現相對較少的操作人員對大規模無人作戰平臺編隊的控制。其研究課題包括協同任務分配、無人機路徑規劃、多機協同跟蹤、編隊控制等多個方面，參與團隊主要來自麻省理工學院、加州伯克利大學等。WASM項目則多以UAV廣域搜索與打擊任務為背景，采用分層控制與優化的手段對多機協同控制進行研究，并在研究過程中建立一個MultiUAV協同控制仿真平臺。

從這些研究項目可以看出，多無人機系統控制涉及軟硬件機器整合等多個方面，其中一個核心課題就是多無人機協同任務規劃問題，它直接決定在各個UAV個體間進行工作任務分配和如何執行，以在多種復雜因素影響下最大化系統效率。目前國內外已經有大量多個UAV協同任務規劃問題為主題的學術論文。

在任何對多無人機協同任務規劃的研究中，首先必須明確其研究的任務背景是什么，再根據該任務背景要求進行進一步的分解和細化，形成無人機可以完成的工作，進而根據任務指標并考慮某些因素進行問題建模與求解。協同任務規劃問題以多UAV系統總體性能最大化或代價最小化為指標，其一般形式為將若干工作指派給多個UAV執行。因為現實中存在著極其多樣化的任務背景以及復雜的影響因素，目前存在的任務規劃方法無不是針對特定的任務背景進行研究。

由于多無人機協同任務規劃問題的復雜性，一般采用分層控制（Hierarchical control）的方式將其分解成為決策層、協調層、執行層等若干個子問題，再對這些子問題進行求解，從而降低解決這個復雜問題的難度。如Boskovic，J.D.等人提出將任務規劃問題分解成決策層（decision making layer）、路徑規劃層（path planninglayer）、軌跡生成層（trajectory generation layer）、內環控制層(inner-loop control layer)等4個層次，其中：決策層負責多UAV系統頂層的任務決策、避障、沖突消解、任務分配和指標評估等；路徑負責任務執行中的運動規劃，生成航路點，以引導UAV規避威脅、障礙等；軌跡層則負責根據UAV的狀態、輸入和初始條件等，為UAV生成通過航路點的可飛路徑；控制層則保證UAV準確的沿著生成的軌跡飛行，并進行一定的冗余管理以降低干擾等因素的影響。Tsourdos，A.等人則從UAV協同路徑規劃的角度講任務規劃的層次結構分為機群協同任務規劃與分配層、機群協同路徑規劃層、單機控制層等三個層次。這些研究表明，這類分層控制的思路可以很好的梳理和降低多UAV協同決策與控制中的復雜性，是解決該問題的有效手段。

有了分層控制的思路之后，需要對多機系統任務規劃問題進行建模與求解。從數學角度（運籌學，Operationgsresearch）看，該問題屬于一類復雜的組合優化問題，需要對多UAV集群內各個成員進行任務指派和資源分配。對該優化問題進行建模與求解的方法有很多種，大致可以分為集中式和分布式兩類，兩者各有千秋。從發展的時間早晚來說，集中式的發展要早于分布式，但由于分布式相對而言在動態、不確定的場景下和實時性要求等方面的適用性更廣泛，對它的研究熱情有大漲之勢。

特點是在系統中存在著一個中心節點，由這個中心節點完成整個系統的任務指派和調度、協調等工作，無人機僅充當任務執行者的角色。在集中式的處理過程中，問題建模和求解這兩個方面有著較為清晰的界限。

將多UAV協同任務規劃問題抽象成組合優化問題的形式，需要借助圖論（graphtheory），把問題參與者，包括無人機和任務對象（如地面目標）等，抽象成圖（graph）的節點（vertex），而一個UAV以某種狀態對一個對象執行任務的過程則抽象成圖的邊（edge），再引入二元決策變量，把這個復雜的規劃問題刻畫成一個有向圖（directedgraph）的形式。實際上不管集中式還是分布式方法都存在著這樣一個問題抽象的過程。 

然后，可以采用現有的方法對該問題進行建模，并使用某種合適的搜索算法（search algorithm）對這個有向圖搜索以確定最優解。

現在已經存在多種集中式任務規劃建模方法，包括多旅行商問題（Multiple Travelling Salesmanproblem，mTSP）、車輛路由問題（VehicleRouting Problem，VRP）、網絡流（NetworkFlow Optimization，NFO）模型、混合整數線性規劃（Mixed-Integer Linear Programming，MILP）等。前兩種模型一般用于處理單一任務的多UAV協同，如協同搜索任務等，在建模過程中可以考慮問題的時間相關約束，如時間窗約束等。在處理多任務時，如確認/攻擊/毀傷評估一體化任務，設定為只對目標位置訪問一次的mTSP和VRP模型則變得不太好用。此時，NFO和MILP模型相對更適用些。

NFO模型在早期對廣域搜索彈藥（WASM）問題的研究中使用較多。該方法以無人機為網絡中的供貨商，需要執行的任務（可能是對地面目標的確認、打擊、毀傷評估等任務）為物流，而把對無人機執行某項任務的指派決策當做雪球，無人機對應決策的執行代價或收益則作為貨物在網絡中流動的成本，基于圖論建立網絡流模型。優化目標則是網絡流量總代價最小。

MILP模型應該是目前使用較廣泛的集中式任務規劃方法，在WASM、SEAD（Suppression of Enemy Air Defense，敵方防控火力壓制）等問題中均能建立較合適的模型。該方法屬于網絡流模型的自然拓展，其在建模過程中引入了兩種類型的決策變量：二元決策變量和連續決策變量。這兩類變量的使用，讓MILP方法能處理更管飯的任務規劃與調度問題，可以考慮更復雜的約束，如時間、資源等，本質上講就是使任務規劃模型與一般意義上的組合優化問題更接近了。

在NFO和MILP模型的基礎上，Shima，T.等人總結并建立了被稱為“協同多任務分配問題”（Cooperative Multiple Task Assignment Problem，CMTAP）的組合優化模型。CMTAP模型采用圖論描述方法，以多UAV系統對多個地面目標協同執行受時序優先級的約束的確認（classify）、攻擊（attack）和毀傷評估（verify）等三種任務為任務場景，考慮了時間、資源、可飛路徑馮多想約束。該模型能較好的描述多UAV協同任務規劃問題，基于它稍作改動即可適用于廣泛的應用場景。

理論上講，在建立任務規劃模型后，可以選擇很多種搜索算法進行求解，如廣度優先搜索（breadth-firstsearch）、深度優先搜索（depth-first search）、Dijktra算法、Bellman-Ford算法等確定性的圖搜索算法，分支定界（branch and bound）、動態規劃（dynamic programming）等優化算法，以及遺傳算法（genetic algorithm，GA）、粒子群優化算法（particle swarm optimization，PSO）、禁忌搜索（tabu search）、模擬退火（Simulated Annealing）等啟發模式隨機搜索算法。

采用前兩類算法的好處是可以保證能夠找到問題的最優解，而且由于已經存在大量成熟的商業軟件如CPLEX等，可以直接使用它們而大大減少研究人員的工作量。在處理簡化問題時，它們因窮遍整個解空間而能獲得問題的最優解，但隨著問題規模的增長，解空間的尺寸也指數級膨脹，遍歷所搜的計算量迅速增大，要窮遍整個解空間可能變得不顯示。這就是多UAV協同任務規劃問題的NP-hard特性。

為繞開這個計算難點以減低大型問題的求解難度，Rasmussen，S.J.等人提出了一種樹搜索（tree search）算法對WASM問題進行處理，他們將組合優化問題以決策樹（decision tree）的形式表達出來，然后一邊通過最佳優先所搜（best-firstsearch）在已搜索的可行解中不斷降低解的上界，一邊又在決策樹上未評估的分支中通過歐氏距離確定解的下界以減少計算量，在這個定界的過程中，可行解的上下界范圍不斷縮小。從而避免確定性所搜算法遍歷枚舉（exhaustive enumeration）計算量過大的缺點，在處理小型問題時截止確定最優解；而大型問題時則如果在線使用能立即給出一個相對較好的可行解，如果離線使用則仍能找到問題的最優解。因而，該方法具有較好的靈活性。然而，盡管這種改進的確定性樹搜索算法能在某些問題中取得好的效果，但其廣泛適用性卻可能經不住考驗。

啟發式算法（heuristics）在處理這類大型復雜的組合優化問題時，由于其啟發式的隨機特性，并不企圖窮遍整個搜索空間，而在計算時間和解的最優性能之間達成某種妥協，從而可以在接受的時間和計算代價內獲得較好的次有解。Rasmussen，S.J.等人早在2003年就對啟發式算法和最優算法處理大型問題時的效果進行了比較，結果表明啟發式算法具有明顯的優勢。因而，這種啟發式的隨機特性使得它們在處理大型復雜問題時具有天然的優勢，今年來已經有大量的研究使用了這類算法。

GA作為一種典型的啟發式算法，被研究人員廣泛的用于多UAV協同任務規劃問題研究中心。Shinma，T.等人把任務規劃問題歸納成CMTAP模型之后，將該問題的解編碼成矩陣的形式：以矩陣的列作為染色體的基因（gene），表示將某架UAV指派去對某個目標（target）上執行某項任務（task）；以矩陣為染色體（chromosome），表示CMTAP的一個可能解。通過對自然選擇的過程的模型，首先構建一個初始化種群，然后通過雜交、變異、選擇等過程，對染色體種群迭代演進，最終獲得一個較好的可行解。盡管該解可能不是最優解，但能在可接受的時間內獲得一個次優解，怎么都要比長時間等待計算最優解的結果來的好。隨后Karaman，S.等人使用進程代數（processalgebra）改進了GA的染色體編碼和雜交、變異等遺傳算子，從而進一步提高了GA在處理大中小型問題時的適用性。

PSO作為另一種啟發式算法，有著與GA不同的演化策略，它模仿鳥群捕食行為，將可能解視作一個粒子（particle），被賦予一個速率在解空間中運動，根據其自身歷史最佳位置和粒子群（particleswarm）整體的歷史最佳位置，調整其運動速率，從而達到在解空間中尋優的目的。這個算法與GA相比，不需要構建大量個體組成的種群，概念簡單，實現容易。

集中式控制方法經過多年的發展已經較為成熟，其全局特性較好，在處理強復雜耦合問題時，可以通觀全局，獲得較好的可行解，具有較大的優勢。但其實時性、魯棒性和容錯性等方面的不足導致了它在動態、不確定性和實時性要求較高的應用中效果不佳。此時，需要尋求別的解決方法。

（2）分布式任務規劃方法

很多是基于市場機制的合同網絡協議。Smith，R.G.在1980年首次提出將合同網協議用于分布式問題求解。該方法的基本思想是將任務分配過程視為一個市場交易過程，通過“拍賣-競標-中標”（auction-bid-award）這個市場競拍機制實現分布式系統內部工作任務的指派和調整。當一個系統成員產生新任務時，如發現新目標，可以向系統中其他成員發布市場拍賣合約；其他成員則對該合約進行評估，如果可行則向拍賣者回復自己執行該合約的代價；合約拍賣者收到競標者的價碼后，進行評估，選擇合適的執行者，進行任務指派。這樣，一個基本的市場交易活動即大致完成。其原理簡單直觀，易于實現，且執行效率高，已在包括多個UAV協同決策與控制在內的多個領域被廣泛研究和應用。

在合同網協議的基礎上，研究人員進一步發展出更多的分布式方法。由于合同網只給出了協商的框架和協議，卻反形式化的模型。有研究人員將一種描述離散事件動態系統的圖形化工具——Petri引入到合同網的建模與分析中，使合同網協議更加的嚴格化，從而實現更好的系統協商效果。

分布式方法在近些年的發展中，越來越受到關注，已經有大量的方法被提出和應用，如協商一致理論、對策論、信息素、多智能體系統等等。這類方法由于其對動態不確定性問題的適用性發展迅速，目前正處于火熱的研究中。

國內研究現狀

今年來國內越來越多的研究人員參與到多無人機協同規劃問題的研究中。如葉媛媛④詳細分析了任務規劃問題的理論和特性，以多目標優化理論為基礎，建立多無人機協同任務規劃的多目標證書規劃模型，并對其進行求解；龍濤⑤提出一種有限中心的分布式控制體系，在合同網協議基礎上提出多種類型合同和協商機制的分布式體系進行在線實時的任務重分配；柳林⑥在對分布式多機器人系統的研究中，總結了合同網拍賣機制的理論基礎，基于合同網機制提出NeA-MRTA和NeA-MRTA算法進行簡單任務動態分布式分配，針對復雜任務的動態分布式分配問題，則基于NeA-MRTA提出一種CA-MRTA算法進行處理，取得了比較好的效果。

具有里程碑意義的是，2013年，國內在多無人機協同決策與控制領域處于領先地位的國防科技大學沈林成教授團隊歸納總結最新研究成果，出版了一本專著《多無人機自主協同控制理論與方法》⑦。這本專著分析總結了多無人機系統的理論和技術發展脈絡，對包含多無人機協同任務分配、協同軌跡規劃、協同目標狀態估計、編隊協同控制、多機協同自組織等在內的多個協同控制課題都進行了歸納與研究，提出多個方法解決對應的協同問題，并給出典型應用下多機協同控制問題的理論分析和方法描述。這本專著對國內的研究人員有很高的參考和指導價值。

國內外文獻，大部分研究對基于多任務時序優先級約束的多無人機協同任務規劃問題不夠深入。該問題主要受如下因素影響：

（1） 多無人機系統的異構性，即機群由多種具有不同性能的無人機組成；

（2） 無人機機載資源（如彈藥）的有限性，即無人機群僅懈怠了有限的資源執行任務；

（3） 多任務間的時序優先級約束，如對地面目標的確認/攻擊/毀傷評估一體化任務中，必須對目標確認之后才能發起攻擊，而毀傷評估則顯然必須在攻擊完成之后才能進行，這類時序約束帶來的問題，如死鎖問題，將會嚴重影響對多無人機協同的協同控制；

（4） 對多無人機系統內部成員間的工作負荷強度關注 不足，由于協同任務執行過程中，可能有的系統成員工作強度大，有的則顯得過于“清閑”，這時如果存在一種機制能使得系統成員間的工作強度相對的均衡化，那么系統效能將得到一定程度的提升。

注：本文章轉載自其它媒體，轉載目的在于傳遞更多信息，如有侵權可聯系我們進行刪除。