多UCAV协同作战航路规划研究

发布时间：2020-08-08 23:03

【摘要】：未来战争中,无人机将发挥越来越重要的作用。面对日益复杂的作战环境,多UCAV协同作战必将成为未来UCAV作战的主要方式。多UCAV协同航路规划是多UCAV任务规划的重要组成部分,是保障多UCAV有效协同作战的关键技术,对提高多UCAV协同作战效能有重要意义。本文针对多UCAV协同作战航路规划问题进行研究,主要研究内容和创新点包括:(1)针对大规模地图环境中路径规划的算法效率问题,分析讨论了传统A*算法在大规模地图上的节点数量规模爆炸现象,引入路径平衡性概念,设计了基于平衡性消解思想的矩形扩展A*算法。通过采用线状搜索节点和矩形扩展单元,大大减少了算法搜索和访问的节点数量,提高了算法效率。给出了新算法的最优性证明,采用丹佛大学的Grid Based Path Planning Competition国际比赛的标准数据集进行了仿真测试,并与几种先进的A*改进算法进行了对比。实验结果表明,无需任何离线地图预处理,在保持完备性和最优性的基础上,新算法的搜索速度比A*算法提高一个数量级,且提升效果随问题规模扩大而增强,非常适合基于大规模数字栅格地图的UCAV作战航路规划。(2)针对多UCAV协同作战任务的多样性和复杂性,讨论了UCAV几种典型作战需求下的航路规划问题以及现有处理技术。针对UCAV航路规划过程中的路径质量优化问题,提出了单边矩形扩展A*算法,采用单边受迫扩展规则,进一步缩短路径长度,减少冗余的相邻路径点,避免不必要的转折,优化路径质量。针对带时间门限航路规划问题,提出了Anytime矩形扩展A*算法,将规划过程分为可行解快速搜索和最优解收敛两个阶段,提高时间门限约束下的航路规划能力。针对UCAV转弯限制和航路起始/目标角约束等问题,提出了方向约束矩形扩展A*算法,将矩形扩展框架和定向扩展技术相结合,提高方向约束问题的规划效率。实验结果表明,相比于现有技术,新算法能够更好的处理相应作战需求下的航路规划问题。(3)针对多UCAV协同作战飞行计划规划问题,给出了考虑战场环境不确定性的UCAV飞行计划的时间风险期望指标、安全时间冗余指标和飞行计划效能评估指标,构建了基于战场不确定性的多UCAV协同作战飞行计划规划的优化问题模型,并从协同作战效能最大化角度,给出了基于多阶段分解的多UCAV飞行计划规划流程。设计了基于矩形单元纵向信息传播机制的UCAV三维航路规划方法和UCAV作战约束处理方法。设计了基于混合非均匀调节的多UCAV时间/空间协同机制,将末端机动调节与非均匀速度调节相结合,扩大了调节范围和调节精度,提高了UCAV动态作战效能;设计了多UCAV飞行计划生成方法和基于安全冗余的动态调整方法。(4)开发了多UCAV协同作战航路规划仿真系统软件,设计了UCAV航路规划、多UCAV时空协同和编队UCAV飞行计划生成/动态调整的仿真实验,通过算例仿真和演示,并与现有方法进行对比分析和讨论,验证了论文提出的UCAV航路规划算法、多UCAV时间/空间协同机制和多UCAV飞行计划生成/动态调整方法的可行性和有效性。
【学位授予单位】：西北工业大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：E91;V279
【图文】：

示意图,协同作战,效果,示意图

图 1-1 多 UCAV 协同作战效果示意图多 UCAV 协同任务规划是一个典型的强耦合、多约束、高复杂的优化与决策问题以直接进行整体求解[10]。目前国内外研究中大多采用了分层递阶的思路[11][12]，将CAV 协同作战任务规划问题解耦分解为若干不同层次的子问题，以降低问题难度，文主要研究多 UCAV 协同作战的航路规划问题。多 UCAV 协同航路规划是多 UCAV 任务规划的重要组成部分，是保障多 UCAV协同作战的关键技术。狭义的 UCAV 航路规划是指在特定环境空间中，找出从初始目标点的可行航迹（或航路点序列），满足 UCAV 飞行性能约束和安全性要求，并战指标最佳。对于执行协同作战任务的 UCAV，还需要考虑 UCAV 作战载荷的使用和协同任务的时间/空间约束关系。近年来，随着多 UCAV 协同控制技术的发展，UC群规模不断扩大。为减轻操作员负担，并提高在复杂电磁环境下作战能力，多 UC同作战对 UCAV 自主能力等级也提出了更高的要求。在此背景下，UCAV 协同航路的内涵也被大大拓展，目前很多研究中，UCAV 协同航路规划已经不仅仅满足于航航路点序列的生成，而是涵盖了编队 UCAV 飞行计划制定的完整过程，即根据任务结果（任务目标分配表和任务参数），为编队 UCAV 制定合理的飞行计划，并满足

示意图,美军,示意图,无人机

西北工业大学博士学位论文和雷神公司，2016 年初已完成第一阶段。“低成本无人机集群技术”（Low-Cost UAVSwarming Technology，LOCUST）是美国海军研究局（ONR）联合乔治亚州理工大学开展的 UCAV 研究项目[18][19]，该项目采用可从发射管直接发射起飞的「北美狼」无人机（Coyote drone）。这种无人机续航能力在一小时左右，时速可达每小时 145 公里，重量不超过 6 公斤，可以从军舰、传统车辆、飞机等平台上快速发射和部署。多架 UCAV 之间通过去中心化、自主化和自治化的分布式控制结构，在协同算法的控制下执行“蜂群战术，完成区域侦察和协同突防等作战任务，该项目已于 2016 年 4 月实现了 30 架 UCAV的编队飞行试验。

航路规划,无人机,美军,战斗机

第一章绪论24][25]，采用分层递阶结构解决 UCAV 侦察/打击一体化问题中的编队内任务协调、UCAV 航迹规划和 UCAV 轨迹控制等子问题，并在协同得了良好的效果。此外，欧盟的多异构无人机实时协同和控制项目ion and Control of Multiple Heterogeneous Unmanned Aeria)[26]和空中机器人协同装配系统项目(Aerial Robotics CooperativeRCAS)[27]、澳大利亚研究中心的自主导航和环境感知研究项目(n and Sensing Experimental Research, ANSER)也取得了不少成果[6][28]

【相似文献】