动基地多无人机协同侦察问题研究*
王 晨1,谢文俊1,赵晓林1,李兵飞2
(1.空军工程大学航空航天工程学院,西安 710038;2.航空电子系统综合技术重点实验室,上海 200233)
摘 要: 综合考虑舰载无人机对目标进行侦察的侦察时间约束,及无人机发射和回收平台运动对无人机回收的时间窗约束,建立了更加贴近无人机作战运用发展的带时间窗约束的动基地多无人机协同侦察问题(M-MUCRP)模型。采用周期进化遗传算法进行求解,随机生成初始解,保证了所有状态的遍历,同时改进遗传过程中的交叉、变异的进化操作,增大了解的多样性,避免了陷入局部最优。仿真说明动基地的侦察模型较之前的多基地侦察模型,更符合舰载无人机侦察问题的实际应用特点。
关键词: 动基地,无人机,协同侦察,遗传算法
0 引言
无人机是一种具备自主飞行和独立执行任务能力的新型作战平台[1],利用无人机执行空基侦察任务是UAV的重要应用方向之一[2],实时获取侦察目标的动态信息能更有效地掌握战场情况,对战争结果的走向起着至关重要的作用。
目前,国内外对于无人机航路规划的研究成果多是基于无人机发射回收基地是固定不变的[2-3]。杨遵等[4]采用粒子群算法研究了多架无人机遍历多个目标点的航路规划问题;吴文超等[5]针对不确定环境下多无人机协同搜索航路规划,提出了一种满足无人机机动限制和适应数据通信延迟的协同路径决策算法;喻蓉、林林等[6-8]研究了保证多无人机到达同一目标地的时空协同航路规划问题,在多机协同航路规划中考虑战术思想和通信约束方面也进行了有益尝试;马纯超[9]在无人机任务分配模型中设计了任务时间窗和平台特性为约束条件的遗传算子,改进了遗传算法求解任务分配问题。国外对于多机协同航路规划的研究,除了经典的Voronoi图、混合整数规划、动态规划等方法外,达里奥·博索等[10]在无人机之间可以共享位置和航向前提下,提出了神经动态规划方法;尼古劳斯等[11]采用了进化计算方法;菲利普琼斯等[12]研究了监视任务中多机航路规划,以保证对监视区域的全覆盖和提高重访率。
随着无人机舰载起降技术的成熟,无人机由舰载平台搭载完成侦察任务逐渐成为一种重要的样式。本文针对舰载无人机的侦察特点,建立了动基地的多无人机协同侦察问题模型。
那年8月的一天,阳光明媚,身着高领旗袍的吴健雄初见袁家骝,她生命里的另一半。热情的袁家骝带着吴美女到物理系一一参观,做过X光晶体衍射光谱实验的吴健雄,看到伯克利物理系各种不同的实验室先进高端,羡慕不已,于是改变原先计划,决定留在伯克利念书,和袁家骝成了同班同学。近水楼台先得月,这也给了袁家骝追美人的一个契机。
多无人机协同侦察通过选择无人机的数量、配置任务载荷、确定侦察目标、规划航迹,使得侦察效能大大优于以往的单机侦察模式,且总代价最小。实际作战中为了及时获取关键的军事情报信息,在一次侦察任务中通常会派出数架UAV对若干可疑目标进行侦察,多无人机协同侦察规划已经成为UAV的一个重要应用方式,是国内外相关研究领域研究的一个重点问题。
在文献[13]中,已经建立了考虑目标侦察需要的多UAV协同侦察优化模型,并提出了一个有效算法对其进行解决,随着无人机作战运用技术的发展,无人机可以在舰载平台上起降遂行侦察任务,不再是要对单一固定基地的UAV进行调度和任务规划。随着各国军备技术的发展和战争形势的变化,基于移动基地的多无人机目标侦察问题研究越来越有必要,这在以往的研究尚未涉及。本文首次研究基于移动基地的多无人机协同侦察任务规划问题,针对多目标、多无人机、移动基地、硬时间窗口建立了侦察规划模型,采用改进的周期进化遗传算法,通过MATLAB进行了仿真验证分析。仿真结果表明,可以得到高品质的协同侦察方案,本文提出的动基地多无人机协同侦察问题模型,更符合舰载无人机遂行侦察任务特点。
1 M-MUCRPTW模型
1.1 问题描述
舰载无人机侦察使用有其自身特点,例如无人机可以在舰载平台起飞降落,这样在执行任务过程中,随着舰载平台的移动,无人机的起飞着陆基地不再是固定不变的了。
根据舰载无人机执行任务的特点,动基地的多UAV协同侦察问题简化为如下问题:
作为生育制度的重要组成部分之一,产假制度既涉及广大女性职工个人、家庭和全体社会成员的切身利益,又关系到国家、社会乃至全人类的人口可持续发展,必须引起我们的重视。我国历来重视对女职工生育权益的保护,已在《劳动法》和《女职工劳动保护特别规定》等对产假进行了相关规定。然而,产假制度在具体实施中仍然存在着地区时间差异、制度设计不完善、监管不力等问题,引发了社会争议。造成我国产假制度存在上述问题的原因是多方面的。因此,笔者认为,解决这一问题既要立足于当前我国的国情与体制,又要注意与国际接轨,还要在实践过程中不断与时俱进,使其越来越人性化,以促进产假制度的更好落实。
1)动基地沿固定路线移动有4个无人机回收点(回收点1是起点),如图1所示。
图1 动基地回收点示意图
在遗传算法中,适应度是用来区分种群中个体好坏的标准,是算法进化过程的驱动力。本文取个体的适应度为其评价值的倒数,即f=1/Z。首先解码种群中的每一个染色体,求出对应的可行解,然后按照动基地多无人机协同侦察数学模型根据式(1)计算出目标函数值Zn(n=1,2,…,N),令染色体的适应度函数为 fn=1/Zn[17-19]。
由表4可知,对应于每个X2因子的固定水平,与X3形成的双因子效应产量,最高值都在X3的-1、0水平,且表现为X2在低水平时最高值X3在-1水平,X2在0水平及以上时最高值X3在0水平。这说明磷肥的适宜施用范围在-1与0水平之间,当施氮量的增加时,应适当增加磷肥的施用,但不宜太高。而X3在-1.682与-1水平时最高值X2在-1水平,X3在0、1水平时最高值X2在0水平,X3在1、1.682水平时最高值X1在1水平,说明豇豆的适宜施氮量应在-1~1水平,低于或高于该区间产量都会降低。最高点的峰值点为X2=0,X3=0。
3)航母在每个回收点的停留时间为t1小时,两两相邻的回收点之间的航行时间为t2小时。
4)侦察无人机滞留防御方雷达探测范围内时间越长,被其摧毁的可能性就越大。每个目标点都有最大的安全侦察时间,为保证尽可能多地获取信息,无人机在目标点的侦察时间等于其最大安全时间。
1.2 M-MUCRPTW模型建立
Step2:如果将e和f间的目标点(含e和f)反序能使F的适应度值增加,则将e和f间的目标反序,同时修改F的适应度值;
侦察目标之间的路线为,不同回收点与不同目标之间的路线集合为。ti为第i个目标的侦察时间,tijk表示飞行的时间,单架UAV的最长飞行时间为Lk。[ei,li]为动基地回收点的停靠时间窗,ei为动基地在第i个回收点停靠的最早时刻,li为该点停靠的最晚时刻。
目标函数为出行UAV的运输成本,记为Z,记第k架无人机的固定成本为fk,则调用无人机的总固定成本为,任一sk=1,表示基地的第k架无人机被调用,否则sk=0。
无人机的变动成本按油耗计算,大致上和无人机所行驶的里程数呈正比。其总运输成本可以表示为:。
xijk为决策0-1变量,标识i和j节点之间是否有通路,dijk为i和j节点之间的路径长度,行驶每公里消耗费用为pck。则动基地多无人机协同侦察问题模型为:
第二天,雨继续下,赛马会上人声鼎沸,渐渐渗透的寒冷令我的牙齿不知什么时候开始打颤,当刚烤干的衣服再湿透时,赛马会结束了。我躲在拥挤的大卡车里,不知什么时候,雪花飘落在草原上。一路上车子在缓慢地摇晃,一位老大娘用藏袍裹着我,搓着我冰冷的手,偎依在她怀里的那种温暖逐渐沉淀到我的记忆里。
采用多个由各无人机起始点、侦察目标、回收点的全排列组成的数据结构表示协同侦察方案,也就是模型的解,称为解染色体。
若 xijk=1,则:
随机选取能实现所有状态的遍历,因此,初始解由MATLAB函数随机生成。初始解是一个二维数组,横向表示的是目标点和舰载无人机的代码,包含了每架UAV侦察目标的顺序及其停靠回收点的信息,纵向代表了初始种群中的每一个个体。
式(2)表示每个目标被侦察且仅被侦察一次,式(3)表示每架飞机从起始点出发,式(4)表示每架飞机在回收点被回收,式(5)表示每架飞机侦察的目标点不超过总的目标点数,式(6)表示回收点的停靠时间窗约束,式(7)表示单架UAV的总飞行时间不能超过其最长允许飞行时间。
2 M-MUCRP模型求解
针对M-MUCRPTW问题,本文采用周期进化遗传算法求解。算法流程如图2所示。
2.1 算法设计思想
生物进化的“灾变学说”认为,在历史上,地球表面曾经发生过多次灾变,其中有些是世界性的,如洪水泛滥、星球撞击等。每经一次灾变,原有生物即发生大幅度退化,甚至有些物种被毁灭,灾难过后,新的物种重新被创造出来,如此循环往复[15]。
图2 算法流程图
本文算法对一个进化周期的设计思想是:首先将组合算子加入到遗传操作中,然后根据指定的代数对种群进化(种群的适应度平均值单调不减),接着在保留历史最优个体的情况下对种群进行重组,最后按照自适应选择的交叉概率和变异概率对种群中的个体进行一代演化,使种群发生暂时的退化(种群的适应度平均值降低),再转入下一个进化周期,通过若干个这样的进化周期,最后求得最优解。
组合算子是为周期进化遗传算法新设计的一种算子,按如下4步进行操作[16]:假设父代为F。
Step1:从父代F中随机选取两个目标点e和f;
侦察目标集合为表示侦察的目标数量。动基地停靠回收点集合,n表示回收点的数量。
Step3:先后选取两个客户点e和f;
Step4:如果将e插入到f的前面能使F的适应度值增加,则将e插入到f的前面,同时修改F的适应度值。
其次,在选择案例时,还一应注重案例具备一定的可分析性。并非所有的案例都能够引起学生的学习兴趣或引发学生深度思考,因此教师在选择案例时应选择有一定深度的可分析性案例,既能够使学生利用案例分析相关的知识点,又能够利用案例形成自己的分析观点,从而最大限度的激发与提升学生的学习积极性与独立思考能力。例如,在讲授存货盘存相关业务处理时,选择的案例应该能够充分体现存货处理事项的相关背景,以此使学生能够利用案例信息分析出存货的盘盈盘亏状态,以及存货盘盈或盘亏的主要原因,最后能够根据分析出的具体情况作出正确的会计处理。
组合算子执行完毕,同时也计算出生成的子个体的适应度值。该算子使种群保持进化趋势主要体现在:1)该算子作用后,所得后代的适应度值大于等于父代的适应度值;2)如果Step2和Step4中的条件都不满足,组合算子相当于复制操作,反之则是变异操作。
2.2 解的编码
约束条件为:
水力压裂模型中,压裂孔位于中心位置,周围均匀布置4个控制孔,依次编号为A1、A2、A3、A4。笔者通过在控制孔A2和A3内施加恒定的控制水压,A1、A4孔内无水压,以此促使煤体孔隙压力场表现出非对称分布的特征,如图2所示,以此研究孔隙压力场分布特征对煤体起裂以及裂隙扩展规律的影响。
解染色体为一个ka+1位的数据结构,其中ka=m,k表示第k架UAV。1到a存储第i架UAV的侦察目标点排序,a+1到2a存储第j架UAV的侦察目标点排序,以此类推,第ka+1位为标识位。另外设置一个起标识作用有ka+1位数据结构的染色体,由1,2,…,k组成,例如a+1到2a全为2表示该段基因为第2架UAV的侦察目标排序。
2.3 初始解的生成
从实践中看,随着城市化的快速发展,城市供水设施完全由政府承担是背不了,也是背不起的。因此,可逐步尝试由国有资产管理局或国有资产经营公司负责对供水企业国有资产进行的监管和水务局对供水企业进行的行业监督管理相结合,用委托人与被委托人之间的资产纽带关系取代传统体制下政府与企业之间的行政隶属关系,供水企业在遵循严格统一的行业监管条件下,成为享有自主经营权的法人实体。政府不再直接干预企业的日常生产经营活动,企业按照市场经济原则开展生产经营活动,从而实现供水企业经营机制的根本性转换。
2.4 确定适应度函数及适应度计算
2)每个目标点仅被侦察一次,每个目标点都被侦察到。
2.5 种群进化策略
将每代种群的n个染色体按fn值的大小进行排序,把从大到小的前n/2个染色体进行复制,直接进入下一代。下一代种群中剩余的n/2个染色体由MATLAB函数随机产生。
对产生的新种群,按照交叉概率pc,采用PMX交叉法则,进行交叉重组。
染色体按照变异概率pm进行变异操作。变异算子采用的策略如下:随机产生变异点jm,将染色体循环左移jm个基因。例如,染色体:1 2 7 8 11 16 14 10 3 5 4 9 6 12;jm=3,经变异操作后,产生的染色体为:8 11 16 14 10 3 5 4 9 6 12 1 2 7。
3 仿真实验
仿真实验中,任务背景为某海域上航母舰载无人机对陆地目标点遂行侦察任务。航母沿着固定路线匀速航行,在航行路线上有4个UAV回收点(包括起始点),每个回收点的停靠时间固定为2 h,侦察目标为一个12个点的集合,派出3架UAV遂行侦察任务。UAV在每个侦察目标点有不同的最大安全侦察时间,为保证尽量获取更多的侦察信息,UAV的侦察时间设为等于最大安全侦察时间。设置种群规模为100,进化代数为150。
计算得到最优解如表1所示。
由于专业培养目标的不同,对于非计算机专业而言,其在Access数据库方面的教学呈现一种不够科学严谨的特点。主要体现为:
2号和1号UAV在回收点2被回收,3号UAV在回收点3被回收。1、2、3号UAV的侦察路径分别为 2 9 8;7 6 4 10 1 3 11;5 12 。
1.校内实践教学真实程度缺失。高职院校财经专业的专业技能性强,核算方式方法繁多,有几十种的核算和管理方式方法,要求学生实际动手能力程度很高,比如现在所有的高职院校财经专业都开基础会计课,由于现在教材大都与实际情况相脱离,如果不通过真实的业务岗位实践,就不可能真正掌握这些财务会计核算和管理的专业技能。现在高职院校财经专业建立的校内实习基地(实训室)多为一些软件公司,只是介绍软件操作之类的所谓仿真实习。高职院校财经专业学生在校内进行的所谓“实践教学”,很多都没有提供真实的主要的或全面的实践岗位,充其量也只是一些次要的核算,如财务会计的应收帐款或应付帐款的业务等。实践教学的真实程度缺失。
表1 第150代的最优解
最终方案中的所有无人机的侦察路径总图如图3所示。
图3 最终方案中的所有无人机的侦察路径总图
种群适应度值随着进化的进行变化情况如图4所示。从图中可以看出,随着进化的进行,每一代中最优解的适应度越来越好,接近100代的时候适应度的最大值开始保持不变,此时的进化已经基本达到最优。
图4 适应度值进化情况图
4 结论
1)首次建立了动基地多无人机协同侦察问题的研究模型,该模型充分考虑了不同侦察目标的威胁情况和航母回收UAV的时间窗约束,以最小化UAV执行任务的侦察代价为目标,符合现阶段及未来一段时间内的实际作战情况需求。
为研究PRB利用率等网络性能指标与用户感知指标的相关性,在项目实践过程中,采用三个网络性能指标作为样本属性(即自变量),由于丢包率对于用户感知影响最大,采用丢包率作为样本标签(即因变量),并采用多元线性回归算法研究相关性。AAC采集数据与训练出算法模型之后,采用模型估算出丢包率,在4G移动互联网的实时应用中,业务丢包率2%是门限值,大于等于2%被视为影响用户感知,将拒绝本次调用。多元线性回归的模型见公式(1)。
2)采用周期进化的遗传算法对模型进行求解,保留了标准遗传算法思想中的交叉和变异设计,并且对交叉概率和变异概率加以控制,避免了插入算子对好的基因片段可能造成的破坏。且该算法具有很好的全局搜索能力,更易于取得最优解。
教学之初,发现每每我教授新单词时,孩子们会用笔在书上写些什么,走进一看原来他在ruler 旁写汉字“路了”,在pencil旁备注“盆手儿”。最初遇到这些情况,我都会及时制止并严厉教导不可以这样备注读音。但是,在后来的教学反思时,我意识到不可以一味地封杀这种方法。对于孩子们来说,这种方法确实是最适合他们的,能帮助学生迅速地读会单词并在遗忘时快速回忆起读音。这其实也是知识的迁移,只是我们作为老师需要引导他们进行有效的正迁移。
UAV在执行侦察任务过程中,受到动态复杂多变战场环境的影响,某些侦察目标的位置、时间窗约束以及UAV的自身状态均有可能发生变化。因此,在后续工作中,将对动态的多UAV协同侦察问题展开进一步的研究。
参考文献:
[1]陈济舟.卫星任务规划算法综合评价技术研究[D].长沙:国防科学技术大学,2008.
[2]田菁,沈林成.多基地多无人机协同侦察问题研究[J].航空学报,2007,28(4):913-921.
[3]李原,张会,吴思瑾.多基地多无人机协同侦察规划模型和模型求解方法 [J]. 系统仿真学报,2016,28(10):2540-2545.
[4]杨遵,雷虎民.一种多无人机协同侦察航路规划算法仿真[J].系统仿真学报,2007,19(2):433-436.
[5]吴文超,黄长强,宋磊,等.不确定环境下的多无人机协同搜索航路规划[J].兵工学报,2011,32(11):1337-1342.
[6]喻蓉,刘敏,孔繁娥,等.基于冲突消解多无人机协同航路规划算法仿真[J].电光与控制,2011,18(6):41-44.
[7]董彦非,张旺,崔巍.有人机/无人机协同空地攻击效能评估的综合指数模型[J]. 火力与指挥控制,2015,40(2):58-62.
[8]林林,孙其博,王尚广,等.多无人机协同航路规划研究[J].北京邮电大学学报,2013,36(5):41-44.
[9]马纯超.网络环境下多无人机任务协调方法研究[D].长沙:国防科学技术大学,2014.
[10]BAUSO D,GIARRE L,PESENTI R.Multiple UAV cooperative path planning via neuro-dynamic programming[C]//43rd IEEE Conference on Decision and Control,2004:1087-1092.
[11]NIKOLOS L K,BRINTAKI A N.Coordinated UAV path plannig using differential evolution[C]//Proceedings of the 13th Mediterrean Conference on Control and Automation,2005:549-556.
[12]JONES P,VACHTSEVANOS G,TANG L.Multi-unmanned aerial vehicle coverage planner for aera surveillance missions [C]//AIAA Guidance,Navigation,and Control Conference and Exhibit,2007:6453-6465.
[13]TIAN J,SHEN L C,ZHENG Y X.Formulation and a MOGA based approach for multi-UAV cooperative reconnaissance[C]∥Proceedings of the Third International Conference on Cooperative Design,Visualization,and Engineering.Spain:Springer,2006:99-106.
[14]谭安胜.水面舰艇编队作战运筹分析[M].北京:国防工业出版社,2009.
[15]计宏祥.灾变论[J].化石,1974,2(2):11-12.
[16]吴能,蒋美仙,范佳静.求解车辆路径问题的周期进化遗传算法[J].机械制造,2012,50(3):25-28.
[17]赵燕伟,吴斌,蒋丽,等.车辆路径问题的双种群遗传算法求解方法[J]. 计算机集成制造系统,2004,10(3):303-306.
[18]徐冠华,董彦非,岳源,等.基于察打任务的无人机作战效能评估[J].火力与指挥控制,2016,41(7):60-64.
[19]王钦钊,程金勇,李小龙.多无人机协同任务规划方法[J].火力与指挥控制,2018,43(3):19-25.
Research on Moving-base Multi-UAV Cooperative Reconnaissance Problem
WANG Chen1,XIE Wen-jun1,ZHAO Xiao-lin1,LI Bing-fei2
(1.School of Aeronautics and Astronautics Engineering,Air Force Engineering University,Xi’an 710038,China;2.Key Laboratory of Science and Technology on Avionics Integration Technologies,Shanghai 200233,China)
Abstract: The paper considers the reconnaissance time of Shipborne UAV’s reconnaissance to targets,and considers time window constraint of UAV’s launch and recycling platform’s movement to UAV’S recycling,firstly establishes the model of Moving-base Multi-UAV Cooperative Reconnaissance Problem with Time Window(M-MUCRPTW).More close to the combat application development of UAV evolution.It uses periodic genetic algorithm to solve the problem,generates initial solution randomly by using matlab to ensure traversing all states.It also improves crossover and mutation in genetic processes to increase the diversity of solution and prevent getting involved in local optimization.The simulation shows that the reconnaissance model of the moving-base is more suitable for the practical application of the unmanned aerial vehicle reconnaissance than the previous multi-base reconnaissance model.
Key words: moving-base,UAV,cooperative reconnaissance,genetic algorithm
中图分类号 :TP391.9
文献标识码: A
doi: 10.3969/j.issn.1002-0640.2019.06.011
引用格式: 王晨,谢文俊,赵晓林,等.动基地多无人机协同侦察问题研究[J].火力与指挥控制,2019,44(6):59-63.
文章编号 :1002-0640(2019)06-0059-05
收稿日期: 2018-04-05 修回日期:2018-06-07
*基金项目: 国家自然科学基金(61503405),航空科学基金资助项目(20145596024)
作者简介 :
王 晨(1993- ),男,湖北武汉人,硕士研究生。研究方向:无人机侦察资源调度。
如文中提到的山南基金小镇、余杭梦想小镇等对特色小镇产业发展规划进行科学论证,按照主导产业特色鲜明、相关产业按需配套的原则,合理确定特色小镇产业功能布局。一些个别特色小镇用地规模过大,产业定位不够清晰等问题,将不符合土地利用总体规划的建设用地划出规划区范围,在此基础上提出明确的用地需求菜单,落实到城市控规和土地利用总体规划上,科学划分相关功能区块,确定用地类型为特色小镇建设提供科学指引[6]。
谢文俊(1974- ),男,山西人,教授,硕士研究生导师。研究方向:无人机任务规划。
Citation format: WANG C,XIE W J,ZHAO X L,et al.Research on moving-base multi-UAV cooperative reconnaissance problem[J].Fire Control﹠Command Control,2019,44(6):59-63.
标签:动基地论文; 无人机论文; 协同侦察论文; 遗传算法论文; 空军工程大学航空航天工程学院论文; 航空电子系统综合技术重点实验室论文;