无人机任务规划研究

率。介绍了 无人机任务规划的基本概念, 描述了无人机任务规划 的基本功能、常用的规划 算法, 如代理方 法、遗 传算法和战 场
威胁源建模方法等, 给出了基于 VORONOI 图的一种无人机任务规划技术方案。
关键词 无人机; 任务规划; 规划算法
中图分类号 V249 TP18
文献标识码 A
文章编号 1003- 3106( 2007) 12- 0056- 03
提出修该意见, 返回 , 或修改侦察任务要求; 在飞行航迹上选出最佳控制点, 生成节点控
指表和飞行控制注入数据; 确定载荷控制策略, 生成节点控指表和飞行
控制注入数据; 仿真飞行、侦察过程, 若不满意, 则提出修该
意见, 返回 。
5 结束语
任务规划也可以归结为约束统计优化问题。为 了简化问题, 减小计算量, 也可以将任务规划看作是 可行航行路线的寻找问题。只要能保证飞机安全且 能完成任务的航线就可以算作是一个解, 而不一定 求得最佳解。
水平横截面圆的半径 d 是高度的函数, 并且在某一
高度上具有最大的半径。PM( d) 表示飞机被导弹击 中的概率。若 dMmax是导弹杀伤区域的最大半径, 则 杀伤概率可近似表示为:
PM( d) =
0 dM4 max/ ( d4+ dMmax)
( d > dMmax) 。 ( d dMmax)
2007 年 无线电工程 第 37 卷 第 12 期 57
3 基于 Voronoi 图的任务规划方法
Voronoi 图是一种表示点或 实体集合近似 信息 的几何结构。给定一个点或者实体集合, 平面就可 以划分成距离各个点或者实体最近距离的凸网, 这 个凸网即称为 Voronoi 图。通过 Voronoi 图能够有效 地将地理信息中的点、对象和区域以拓扑结构表示 出来, 并能通过这些拓扑关系表示自然语言中的定 性关系和模糊地理信息, 从而对这种定性关系进行 度量。
NM
J tk = Lk
g( di, j ) 。
j = 1i = 1
4 任务规划的基本流程
任务规划可以从接收侦察任务开始, 根据侦察 任务人工选择几个航迹点。对这些点进行检验和调 整, 使之满足各种约束条件的需求。选用优化准则 ( 如最短路径分析) 由计算机辅助生成飞行航线。用 检验准则检验航线上的每个点, 若全部通过, 则找到 了一条可用的航线。
Research on Unmanned Aerial Vehicle Mission Planning
ZHU Jian you
( The Unit 63961 of PLA , Beij ing 100094, China) Abstract As a famous high technology in the world, Mission Planning System ( MPS) has already attracted extensive attention and application. At the present, the dominating countries were developing the MPS and its speed is very quick. By choosing the best path during Unmanned Air Vehicle ( UAV ) flying, it is desired to travel the shortest path, since the path allows UAV to obtain the data swiftly, and minimize the flight time, thus minimizing the possibility of being shot down by enemy fire, as well as fuel consumption. This paper introduces the concept of Unmanned Aerial Vehicle Mission Planning, descr ibes the functions of UAV Mission Planning and some algorithms ( such as agent method, genetic algorithm and modeling of threat sources) , presents a VORONOI diagram based mission planning solution. Key words UAV; mission planning; mission planning algorithm
身最近的 Voronoi 顶点连起来, 连接出发点到目标点 的这些 Voronoi 边的组合构成了备选路径集。
图 1 对方威胁配置分布 与相应的 Voronoi 图
对各种威胁源进行分析 和建模是建立 Voronoi
图的基础, 敌方雷达、高炮、导弹、山峰及恶劣天气等
威胁源模型可表述如下:
地形威胁模型
地形造成的威胁主要指在飞机的固定飞行高度
侦察效果演示仿真功能, 可进行基于数字地 图的合成图像计算, 显示在不同的巡逻位置及不同 的海拔高度上观察到的场景, 使操作员能为执行任 务选择最佳方案。
2 任务规划系统主要实现方法
实现任务规划系统的方法层出不穷。比较通用 的方法诸如数学规划、优化算法、代理( Agent ) 方法 和遗传算法( Genetic Algorithm) 等。在一些具体的领 域, 已经研究出了大量的具体方法, 例如加权框架四 叉树、Petri 网模型和基于对象模型等。随着人工智 能技术的发展, 实现任务规划系统的方法越来越有 效。将人工智能技术应用到任务规划系统, 形成基 于人工智能的任务规划系统, 对于 经过一系列的行 为、以最小成本实现目标 的问题也是非常有效。
专题技术与工程 应用
无人机任务规划研究
朱剑佑
( 中国人民解放军 63961 部队, 北京 100094)
摘 要 任务规划系统作为高科技技术已经引起了广泛的关注和应用。目 前世界上 一些主要国 家都在研 制任务规划 系
统。无人机 飞行中合理的路线规划可以减 小飞行 时间、降 低油耗, 减 小被 敌方 发现、攻击 的可 能, 从而提 高了 完成任 务的 概
急飞行等任务过程的飞行航线; 具有标准飞行轨道生成功能, 可生成常用的
标准飞行轨道, 如圆形盘旋、8 字形 盘旋、往复直线 飞行等, 存储到标准飞行轨道数据库中, 以便在飞行 过程中可以根据任务的需要使飞行器及时地进入和
退出标准飞行轨道; 具有常规的飞行航线生成、管理功能, 可生
成对特定区域进行搜索的常规飞行航线, 存储到常 规航线库中, 航线库中的航线在考虑了传感器特性、 传感器搜索模式( 包括搜索速度、搜索时间) 和传感 器观察方位( 包括搜索半径、搜索方向、观测距离、观 测角度) 等多种因素后, 可实现对目标的最佳侦察;
对于未通过的点, 可以通过在其附近插入新的 满足条件的航迹点。再重复上述的检验, 直到找到 一条可用的航线为止。也可以通过修改也有的航迹
点进行试探。最后, 针对个别区域, 进行仿真演示。 除此之外, 还要考虑好异常应急措施, 即应急航
线。其主要目的是确保飞机安Fra Baidu bibliotek返航, 规划一条安 全返航通道和应急迫降点, 以及航线转移策略( 从航 线上的任意点转入安全返航通道或从安全返航通道
专题技术与工程 应用
高炮威胁
高炮威胁的处理方法类似于导弹。PM( d ) 表示 飞机被高炮击中的概率。若 dCmax是敌方高炮杀伤 区域的最大半径, 则杀伤概率可近似表示为:
PC( d) =
0 d Cmax/ ( d+ d Cmax)
( d> d Cmax) 。 ( d d Cmax)
飞机沿着每一条边飞行, 每一点都具有一定的 代价, 威胁代价函数则为:
0 引言
无人机任务规划的目的是找出一条最佳飞行航 线, 以及在该航线上对有效载荷的控制策略, 使之在 确保飞机安全的前提下, 最大限度地发挥有效载荷 的作用, 完成侦察任务。
从时间上来说, 任务规划可分为事前规划和实 时规划。事前规划是在飞机起飞前制定的, 主要是 综合任务要求、气象环境和已有的情报等因素, 制定 中长期和短期规划。实时规划 是在飞机飞行 过程 中, 根据实际的飞行情况和环境制定出对先前规划 的修改, 以及应急方案, 也叫重规划。从层次功能上 来说, 任务规划可包含航路规划、任务载荷规划、数 据链路规划和系统保障与应急预案规划等。目前无 人机任务规划研究的重点是航路规划。
Agent 是一个运行于动态环境的具有较高自制能 力的实体。其根本目的是接受另一个实体的委托并 为之提供帮助和服务, 能够在该目标的驱动下主动采 取包括社交、学习等手段在内的各种必要的行为以感 知、适应并对动态环境的变化进行适当的反应。
遗传算法( Genetic Algoricthm, GA) 是一种新发展 起来的优化算法, 它的主要思想是利用某种编码技 术作用于染色体的二进制数串, 模拟由这些串组成 的群体的进化过程。通过有组织地, 然而是随机的 信息交换来重新结合那些适应性好的串, 利用上一 代串结构中适应性好的位和段来生成一个新的串的 群体。由于遗传算法本身的特点总能针对某种问题 求出一个解, 这个解不一定是最优的但一定是较优 的, 而且算法本身一定收敛。所以在无人机航线预 规划系统中可以采用遗传算法。
转向应急迫降点或机场) 。其规划类似于航线规划, 只 是不考虑侦察任务的要求, 提高飞行的安全要求。
规划过程大致如下: 侦察任务输入: 每项侦察任务规定了侦察
区域等要求; 确定典型航迹点, 并检验; 人工或计算机辅助生成飞行航线; 各项因素检查, 若不通过, 则提出修该意见,
返回 ; 检查是否满足侦察任务要求, 若不满足, 则
飞行仿真演示功能, 能够在数字地图上叠加 飞行路线, 仿真飞机的飞行过程, 检验飞行高度、燃 油消耗等飞行指标的可行性;
武器威胁仿真演示功能, 能够在数字地图上
收稿日期: 2007 06 29
56 2007 Radio Engineering Vo1 37 No 12
专题技术与工程应用
演示敌雷达、高炮和导弹等防空武器的威胁程度, 使 飞行器尽可能地规避飞行路线上可能出现的防空武 器的威胁;
通过 Voronoi 图对规划环境表达的基本思路为: 将威胁中心位置作为 Voronoi 图的点, 以威胁大小作
为 Voronoi 图邻近区域的 距离 量度, 构建威胁配置 的 Voronoi 图, 规划的任务是找出从出发点到目标点 付出的威胁代 价最小且能完成预定任 务的飞行路 径。通过构造 Voronoi 图, 将路径规划问题从无限维 空间搜索问题转化为有限维空间搜索问题, 即路径 规划只需在 Voronoi 图所确 定的路径集合 中进行。 如图 1 所示为根据作战想定建立的 Voronoi 图, 圆点 表示对方的威胁配置, 虚线段表示 Voronoi 边, 也就 是基本路径集合。把出发点和目标点分别与距离自
上对飞行可能造成障碍的高耸山峰。用圆锥体近似
表示山峰, 在飞机的飞行高度上山峰的水平截面为
圆周, 山峰半径和飞机距山峰中心的距离分别为 dT 和 d, 撞毁概率 PT ( d) 可近似表示为:
0
( d> 10+ dT)
PT( d) = 1/ d ( 2+ dT d 10+ dT) 。
1
( d< 2< dT)
1 任务规划的基本功能
无人机任务规划是根据所要完成的任务, 制定 出飞机的飞行路线、有效载荷的控制策略和应急备 份方案, 生成飞行控制指令。规化评估主要是将实 际的飞行过程与规划过程进行比较, 找出不足, 提出
规划的 改 进 方案。无 人 机任 务 规划 的 主 要功 能 包括:
具有航线规划功能, 制定飞机的起飞、降落、 接近监测点、侦察监测区域、离开监测点、返航及应
雷达威胁
威胁为雷达时, PR( d) 表示飞机被敌方雷达探测 的概率。若雷达最大探测半径为 dRmax, 飞机距雷达 的水平距离为 d , 则探测概率可近似表示为:
PR( d )=
0
d
4 Rm
ax
/
(
d4
+
d Rm ax )
( d > dRmax) 。 ( d dRmax)
导弹威胁
一般地对空导弹是主要的地面防空武器, 根据 导弹的杀伤区特点, 可知其杀伤区可近似为腰鼓形,