多异构无人机协同覆盖搜索任务区域分配模型

多异构无人机协同覆盖搜索任务区域分配模型

1多uav协同区域搜索问题的提出多异构无人机（iuv）覆盖搜索是指由不同性能的异构无人机团队组成的覆盖搜索行为，它们利用不同的av性能来覆盖整个任务区。多异构uv不仅可以改善传统单公斤旅行时间和负荷的限制，而且可以利用异构uv之间的技能特征来实现性能的补充；大面积需要时间的地区，覆盖搜索具有很强的优势。因此,在战场侦察、区域搜救以及巡逻示警等方面具有较强的实用价值,近年来受到国内外相关研究学者的广泛关注。HutchisonMatthewG将多UAV对圆形区域内随机分布目标点协同侦察问题归纳为一个旅行商问题,利用区域等分的方法对目标区域进行等分,最后用模拟退火算法得出了求解方案。文献利用传感器探测范围作为基本元对任务区域进行栅格化的思想,将任务区域进行离散化,并分别基于改进的蚁群算法提出了单机器人和群机器人区域覆盖搜索的方法。MazaIvan和OileroAnibal利用多边形面积分割理论解决了多UAV协同区域搜索中的任务区域分配问题,为后续学者的研究提供了一种新的思路。在此基础之上,文献利用这一理论将多UAV协同区域覆盖搜索问题分解为任务区域分配和区域覆盖路径规划两个问题,在任务区域分割方面建立了任务执行代价模型,提出了一种利用分层模糊推理方法评估UAV性能差异并以此对任务区域进行划分的方法,对于之后的研究学者具有较强的启发作用。文献基于经典的STC(ConstructingSpanningTrees)算法和在线局部调整策略,提出了一种具备在障碍区域下闭合回路生成方法,该方法具有较强的优越性和较小的局部调整代价,但是其没有考虑异构无人机编组中各无人机间的性能差异因素带来的离散化任务空间尺度差异和协同困难问题,因而较难应用于异构无人机编队中。本文借助任务区域面积分割的思想,解决异构无人机编队对地覆盖搜索过程中任务均衡分配问题,利用这种思想不但能够实现编队成员间任务量的协调分配,而且为编队中异构UAV分别指派区域的方法也有助于解决其任务空间离散化尺度差异带来的协同难题。2u3000竞争优势机载传感器的视场范围(Fieldofview,FOV)是衡量UAV瞬时搜索面积大小的重要因素。为了便于问题分析,这里考虑UAV固定安装机载光电传感器以固定高度水平飞行的情况,在无人机坐标系(UCS)下机载传感器的地面探测宽度du可由式(1)近似描述:式中,du=EF,αu为机载传感器的安装角,βu和γu分别为机载传感器垂直、水平视场角,点O为R/SUAV在地面的投影点,O'为机载传感器视场中心在地面的投影点,四边形ABCD为机载传感器在地面的探测范围(为便于问题求解有时可等效为矩形或正方形范围),这样则可以得出R/SUAV以速度vu定速巡航时,单位时间Δt内的搜索面积SΔt为:除了传感器视场范围外,传感器的性能也是影响UAV探测能力的关键因素。由光学成像原理易知,目标在机载传感器的成像面上的成像大小为:式中,dT为目标的特征尺寸,f为机载光电传感器的焦距,RT=hu/sinαu为传感器与目标间的探测距离。由此,便可计算出目标在传感器成像靶面上成像覆盖线对数NT为:式中,b=2tan(βu/2)·f为传感器的靶面成像尺寸,βu为传感器的垂直视场角,NS为机载传感器的行扫描线对数(一般为常数)。对于目标的探测识别可以借助美国夜视实验室于1958年提出的约翰逊准则(JohnsonCriterion)进行讨论。其基本思想是传感器对特定环境条件下目标的作用距离与其对应周期图案的分辨能力成比例,是一种基于实验实测数据得出的经验规则,在工程中使用广泛并具有使用便捷、计算量小的特点。约翰逊准则把对目标的视觉识别分为:探测、定向、识别和确认四个过程,并给出了各过程正确率为50%时所需的经验数据N50,如表1所示。欲借助约翰逊准则得出机载传感器成像面目标临界尺寸覆盖线对数NT,则可以根据目标传递概率函数(TargetTransferProbabilityFunction,TTPF)反推得出:其中,P(NT)为约翰逊准则中目标对应判别等级下的判别概率。3定速定高飞行模型影响UAV搜索覆盖效能的因素有很多,如航程、航时、飞行速度、飞行高度、传感器性能、巡航段燃油携载量等,为了便于量化分析则需要对多个参数指标进行整合。UAV的续航性能主要包含航程lu和航时tu两个方面。前者反映活动范围的大小,主要与千米耗油量cf,l有关,后者反映滞空时间的长短,主要与小时耗油量cf,t有关。对于同一UAV在不考虑因燃油和载荷消耗产生质量变化的前提下,式(6)、(7)成立:式中,cf为发动机耗油率;Wu为无人机质量;ηu为发动机效率系数;vu为无人机飞行速度;Ku为无人机升阻比。可以设想,在R/SUAV不改变飞行高度和速度的情况下,即cf,ηu,vu,Ku为一定常数时有:lu=vu·tu,亦即是lu与tu关于常数vu成比例,在衡量UAV作战性能指标时可合并度量。以定速、定高巡航飞行是UAV区域覆盖搜索任务中惯常采用的一种作战方式,一般UAV以定速巡航飞行将有助于减少燃油消耗,故可取vu为UAV设计巡航速度(为一定常值);而对于飞行高度hu的选取一般需根据作战目标要求在满足传感器分辨率限制和UAV设计升限(hu≤hu,max)的前提下,以尽量大的高度飞行将有助于提高UAV瞬时视场范围也意味着能够覆盖更大的搜索范围,可结合约翰逊准则根据式(3)~式(6)求取hu,进而可由式(1)求得满足一定探测精度需求的机载传感器探测宽度du。由此可给出UAV依照作战任务需求,定速、定高飞行实施区域覆盖搜索任务中的性能参数的整合、确定过程,如图2所示。依照上述流程,对于挂载同一种传感器的同种类UAV而言其性能参数du、vu、lu、tu能够被唯一的确定出来,而对于不同类型或挂载不同性能传感器的UAV来说参数du、vu、lu、tu是不同的,在优化分析的时候可选取du、vu、lu(或tu)作为优化参数指标。4归一化评价值的获取在确定了UAV作战性能指标参数后,可将任务区域分配问题描述为:给定n架性能不同的UAV组成异构编队,在一指定任务区域P进行搜索覆盖,Ui为第i架UAV的编号(i=1,2,…,n),要求通过合理的任务区域分配为每架UAV指定一块任务区域并使得编队整体的任务代价最小。若用S表示区域P的总面积,peri表示分配给Ui的任务区域占总任务区域P的比值,vui为第i架R/SUAV的设计巡航飞行速度,dui表示第i架R/SUAV的地面探测范围宽度,则编队的整体航路代价F1(编队整体路径长度之和)和编队的整体时效性代价F2(编队整体重访时间周期之和)可以分别表示为:为了保证编队中各UAV之间的重访时间均衡,同时也是为了避免出现对某一性能较强单机的依赖,可依照式(10)设置一个时间方差阈值σ对各UAV间重访时间周期的差异进行约束:其中σ为一个定误差常数。为保障UAV任何时候均有能力返航,可将Ui在任务区域内的有效航程lui,mission表示为:易知应满足:其中,lui,max为UAV最大航程,lui,cost取UAV由起飞地至任务区域最远点的路径长度。则可将目标函数T表示为:其中a,b∈[0,1]为权衡系数,且满足a+b=1,需要注意的是F1、F2的取值范围存在差异,为了使指标间具有可比性需要对其进行归一化处理:步骤1:在一个统一评分标准下设定最低评价值Tmin和最高评价值Tmax,该值即为归一化评价值的取值上下限。步骤2:设F1,F2的取值范围分别为[F1,min,F1,max],[F2,min,F2,max]。由于F1~F2均与目标函数反相关,则可得如下线性方程组:求解上述方程组可得:其中系数项a1、a2、b1、b2均为常量。步骤3:将求得的系数a1、a2、b1、b2分别代入式(18)~(19)中,便可得出归一化评价值。根据以上归一化结果,可将目标函数变为一个寻求大评价值T-的过程,得到任务区域分配模型:通过求解任务区域分配模型便可依任务要求(主要指覆盖能力和时效性间的权衡)求得编队中各UAV任务区域面积占整个任务区域的比例peri,则peri·S即为编队中第i架UAV分配的任务区域面积的大小。5任务区域面积分配三架UAV分别携带不同性能的光电传感器组成异构UAV编队对面积为30000km2的区域进行覆盖搜索。任务要求探测精度能够达到对参考特征尺寸为1000m2目标具备90%确认概率;对参考特征尺寸为1000m2目标具备80%的识别概率;对参考特征尺寸为10m2目标具备60%的定向概率,三架UAV及其传感器参数设置如表2~表3所示。根据约翰逊准则计算UAV机载传感器探测所需目标临界尺寸覆盖线对数NT如表4所示。根据NT计算结果可以求得对应的三架UAV完成探测任务所需的临界探测距离RT以及对应的最大飞行高度hu和地面探测宽度du,结果如表5所示。需要注意到,按照任务要求有部分满足探测精度的临界飞行高度大大超出了UAV的设计飞行高度,所以与其对应的探测宽度应当取相应UAV的最大升限进行计算得到。此外,按照任务要求在同时满足Task1~Task3要求的前提下,应当按三者取其小(即Task3)要求的临界飞行高度hu和地面探测宽度du实施作战行动。根据作战想定中的参数设计,通过简单计算可以得到三架R/SUAV由起飞地至任务区域进入点的路径代价lui,cost及其可用于区域搜索的最大有效航程lui,mission分别为:lu1,cost=292、lu2,cost=949、lu3,cost=949;lu1,mission=5508、lu2,mission=5951、lu3,mission=5951(单位:km)。之后,将三架UAV的性能参数dui、vui和lui,mission分别代入上述相应公式,取统一的最小评价指标Tmin=1、最大评价指标Tmax=100,通过计算可以得到评价指标F1、F2、F3的归一化参数分别为:a1=-0.099、b1=326,a2=-23.294、b2=167。之后,则即可通过求解得到区域分配结果per1~per3。在此选用遗传算法求解,取种群规模为20,最大寻优代数为30,选择概率为0.9,交叉概率为0.6,变异概率为0.05,针对三种不同的任务需求仿真结果如表6所示。根据表6中的仿真结果可以得到,编号为U1~U3的三架UAV最终分得的任务区域面积占总任务区域面积的比率分别为per1~per3所示,