熊自明，萬(wàn) 剛， 吳本材

(1.信息工程大學(xué)測(cè)繪學(xué)院，鄭州 450052;2.中國(guó)人民解放軍國(guó)際關(guān)系學(xué)院，南京 210039)

0 引言

當(dāng)前，無(wú)人機(jī)以其鮮明的特征，在軍事測(cè)繪、戰(zhàn)場(chǎng)偵察、電子對(duì)抗、炮兵校射等眾多作戰(zhàn)領(lǐng)域得到廣泛應(yīng)用。但是隨著遙感和探測(cè)技術(shù)的飛速發(fā)展，防空系統(tǒng)的探測(cè)距離、射擊精度和抗干擾能力等迅速提高，無(wú)人機(jī)將面臨越來越嚴(yán)峻的生存威脅。低空突防技術(shù)是無(wú)人機(jī)利用地球曲率和地形起伏造成的低空雷達(dá)盲區(qū)以及地雜波對(duì)雷達(dá)的干擾作用作為掩護(hù)，快速地突入敵區(qū)進(jìn)行襲擊的一種飛行控制技術(shù)。擔(dān)負(fù)重要作戰(zhàn)使命的無(wú)人機(jī)能否成功地突破敵方密集的防空火力網(wǎng)，安全突防到達(dá)預(yù)定區(qū)域，遂行作戰(zhàn)任務(wù)，必然成為無(wú)人機(jī)作戰(zhàn)運(yùn)用中首要關(guān)注的問題［1］，所以航跡規(guī)劃是無(wú)人機(jī)低空突防成敗的關(guān)鍵。

無(wú)人機(jī)低空突防航跡規(guī)劃實(shí)現(xiàn)的優(yōu)劣主要取決于采用的航跡規(guī)劃算法，因此國(guó)內(nèi)外學(xué)者在該領(lǐng)域已經(jīng)做了大量的工作。例如，Denton等人提出應(yīng)用動(dòng)態(tài)規(guī)劃方法來計(jì)算三維最優(yōu)航路，該算法具有“維數(shù)災(zāi)難問題”;閔昌萬(wàn)等人提出了一種基于安全走廊的水平面動(dòng)態(tài)規(guī)劃法，該算法將地形按求解精度柵格化，以柵格作為動(dòng)態(tài)規(guī)劃搜索的路徑點(diǎn)［2］。而蟻群算法則是這幾年發(fā)展起來的一種新方法。蟻群算法(Ant-Algorithm)是一種概率搜索算法，它利用生物信息激素(Pheromone/Stigmergy)作為螞蟻選擇后續(xù)行為的依據(jù)［3］?；镜南伻核惴ㄓ惺諗克俣嚷⒂?jì)算時(shí)間長(zhǎng)、易于過早地陷入局部最優(yōu)等缺點(diǎn)，蟻群算法最重要的特點(diǎn)是創(chuàng)造性地使用了啟發(fā)信息［4－5］。但是傳統(tǒng)的蟻群算法易出現(xiàn)停滯現(xiàn)象，本文在建立無(wú)人機(jī)航跡規(guī)劃模型的基礎(chǔ)上，通過引入偏航角對(duì)啟發(fā)信息進(jìn)行調(diào)整改進(jìn)，加上優(yōu)先搜索集策略，改進(jìn)了蟻群算法，可以快速有效地搜索到低空突防的最優(yōu)航跡。

1 無(wú)人機(jī)航跡規(guī)劃建模

為了模擬無(wú)人機(jī)的飛行環(huán)境，需要建立以下模型:地形模型、威脅模型以及航跡代價(jià)評(píng)估模型。

1.1 規(guī)劃空間的建立

所謂規(guī)劃空間，是指在進(jìn)行航跡規(guī)劃時(shí)搜索的戰(zhàn)區(qū)范圍，即在這個(gè)范圍內(nèi)為無(wú)人機(jī)規(guī)劃可飛航跡，在進(jìn)行航跡規(guī)劃之前，首先必須將飛行環(huán)境中與航跡規(guī)劃相關(guān)的要素(地形、威脅等)表示成符號(hào)信息，以便于計(jì)算機(jī)理解處理。

這里采用一種數(shù)據(jù)結(jié)構(gòu)表示空間信息，將整個(gè)空間進(jìn)行三維網(wǎng)格劃分后，網(wǎng)格交織的每個(gè)頂點(diǎn)作為空間信息節(jié)點(diǎn)，節(jié)點(diǎn)包含的元素可以表示為

其中:(x，y，z)為節(jié)點(diǎn)位置信息，代表地形數(shù)據(jù);fflag為邊界標(biāo)志，對(duì)可飛區(qū)和邊界進(jìn)行劃分，可用0，1表示;ccost為該節(jié)點(diǎn)的綜合代價(jià);ffather為該節(jié)點(diǎn)父節(jié)點(diǎn)位置信息;hhig為撞地標(biāo)志，表示是否滿足最小離地高度。當(dāng)威脅環(huán)境信息發(fā)生變化時(shí)，可更改fflag的值，及時(shí)更新數(shù)據(jù)。

規(guī)劃空間節(jié)點(diǎn)的設(shè)置一方面要考慮到無(wú)人機(jī)航跡規(guī)劃的精度，一般來說，空間節(jié)點(diǎn)越密集，可行航路的解就越精確;但另一方面應(yīng)考慮到無(wú)人機(jī)水平及俯仰操作限制，使當(dāng)前節(jié)點(diǎn)與任意相鄰節(jié)點(diǎn)的運(yùn)動(dòng)滿足航跡規(guī)劃約束條件，故空間節(jié)點(diǎn)的設(shè)置不能過密，滿足航跡約束是其設(shè)置的根本依據(jù)。

1.2 地形模型的建立

采取了以各種比例尺數(shù)字地圖、衛(wèi)星影像作為數(shù)據(jù)源進(jìn)行三維地形建模的方法，如圖1所示。

圖1 三維地形建模的流程圖Fig.1 Flow chart of three-dimensional terrain modeling

1.3 威脅模型的建立

威脅模型的建立是作戰(zhàn)無(wú)人機(jī)執(zhí)行低空突防任務(wù)的核心問題之一，同時(shí)，威脅模型又是航跡規(guī)劃和航跡危險(xiǎn)性評(píng)估的信息來源和計(jì)算依據(jù)。

1)雷達(dá)威脅。

目前，雷達(dá)仍然是長(zhǎng)距離探測(cè)、識(shí)別和跟蹤目標(biāo)最重要的設(shè)備。雷達(dá)方程是描述雷達(dá)系統(tǒng)特性的最基本的數(shù)學(xué)方程［6］

在建立模型時(shí)，由于目標(biāo)到雷達(dá)之間的距離R對(duì)雷達(dá)的發(fā)現(xiàn)概率起著重要作用，而雷達(dá)又存在一個(gè)最大作用距離Rmax，所以可以簡(jiǎn)化雷達(dá)探測(cè)概率模型，近似表示為

2)電磁威脅。

通常情況下，可以認(rèn)為電磁干擾機(jī)的作用范圍為半球形，該半球以干擾機(jī)發(fā)射位置為中心，以最大作用距離R為半徑，其中半徑R與飛機(jī)抗干擾的能量水平和干擾機(jī)的功率有關(guān)。

電磁干擾作用區(qū)域模型如下。

式中:R為作用半徑;α為半徑與Z軸正向的夾角;β為半徑在X，Y平面的投影與X軸正向的夾角;R＞0，0＜α＜π，0＜β＜2π。

3)地空導(dǎo)彈。

暴露在地空導(dǎo)彈之前被擊落的概率為

其中:Pk/v=1－(1－AMYMωM)N。Pk/v表示在被導(dǎo)彈發(fā)現(xiàn)后被擊落的概率，為常數(shù);而Pv依賴于無(wú)人機(jī)和導(dǎo)彈陣地之間的幾何關(guān)系;用ΔhAS表示無(wú)人機(jī)位于導(dǎo)彈陣地上的高度;RS為無(wú)人機(jī)和導(dǎo)彈之間的斜距;α為視線的俯角;K0為比例系數(shù)。Pv可近似地表示為

1.4 威脅空間的建立

將威脅信息與數(shù)字地圖融合成一種綜合的地形信息是目前很多文獻(xiàn)采用的一種方法［7－8］。這種方法有效地縮短實(shí)時(shí)航跡規(guī)劃時(shí)威脅處理的時(shí)間，同時(shí)將對(duì)已知威脅的回避轉(zhuǎn)化為地形回避，簡(jiǎn)化了航跡優(yōu)化算法，如圖2所示，以地空導(dǎo)彈為例說明如何生成威脅空間。

威脅模型等效為地形模型時(shí)，等效的地形高度表征威脅的大小。在威脅作用范圍之內(nèi)，威脅作用大的點(diǎn)相應(yīng)的等效地形高度就高;威脅作用小的點(diǎn)等效的地形高度就低［9］。根據(jù)威脅的大小與各視線俯角α方向上的擊落概率PM和導(dǎo)彈的最大作用半徑R有關(guān);導(dǎo)彈的作用半徑也和視線俯角α有關(guān)，可以用R=f(α)表示。假設(shè)地空導(dǎo)彈在各方向上的作用半徑均為常數(shù)R0，對(duì)于其他情況，只要將作用半徑和視線俯角α的函數(shù)關(guān)系式取代R0，也可推導(dǎo)出類似的等效地形模型。

圖2 地空導(dǎo)彈發(fā)射圖Fig.2 Launching diagram of SAM

式中:Δh表示威脅等效的地形高度;r表示地形點(diǎn)相對(duì)威脅的水平距離。

由式(7)知，當(dāng)r=0時(shí)，即α=90°，飛機(jī)被擊落的概率PM達(dá)到最大值，此時(shí)修正前后的高度應(yīng)相等，聯(lián)立公式得

代入式(8)中得到威脅等效地形曲面參數(shù)方程為

設(shè)地空導(dǎo)彈威脅的中心坐標(biāo)為(x0，y0)，威脅作用范圍內(nèi)相應(yīng)點(diǎn)坐標(biāo)為(x，y)，則

將式(11)代入式(10)可以導(dǎo)出Δhc與(x，y)之間的函數(shù)關(guān)系

將地空導(dǎo)彈威脅等效為地形時(shí)為一旋轉(zhuǎn)拋物體，其形狀類似一座山，如圖3所示。

圖3 地空導(dǎo)彈模擬圖Fig.3 SAM mimic diagram

電磁威脅、防空火炮威脅和地空導(dǎo)彈類似，能夠生成類似的山峰地形。威脅等效為地形之后，為實(shí)現(xiàn)有山峰存在的虛擬地形，將隨機(jī)地形模型與山峰地形模型進(jìn)行疊加，來模擬具有山峰存在的地形數(shù)據(jù)。疊加數(shù)學(xué)方程式為

將其與規(guī)劃空間的數(shù)字地形疊加得到融合后的數(shù)字地形，如圖4所示。

圖4 融合數(shù)字地形圖Fig.4 Fused digital map

1.5 航跡代價(jià)函數(shù)

因?yàn)楸疚难芯康暮桔E規(guī)劃主要是地形隱蔽、威脅回避下的低空三維航跡，所以采取按照最小威脅、最大遮蔽效果和最短航路加權(quán)方法建立航跡代價(jià)函數(shù):

式中:F(R)為整條航跡的代價(jià);(pipj)為航跡R中相鄰兩節(jié)點(diǎn);Cij(pi，pj)為該條邊的代價(jià);Cijf為該航段燃油代價(jià);Cij

t為該航段綜合威脅代價(jià)，包括地形、探測(cè)威脅(如雷達(dá))和火力威脅(如地空導(dǎo)彈、高炮等)的綜合代價(jià)，表明航跡規(guī)避威脅的能力;Cijh為該航段高度代價(jià)，表明航跡地形匹配的能力;加權(quán)系數(shù)w1，w2，w3可根據(jù)不同任務(wù)決策偏好選擇。

考慮到航跡長(zhǎng)度、高度、威脅這3個(gè)量的值往往不是同一個(gè)數(shù)量級(jí)的，甚至可能相差好幾個(gè)數(shù)量級(jí)。比如航跡長(zhǎng)度和高度都是幾十千米的，這必然導(dǎo)致航跡規(guī)劃的結(jié)果對(duì)權(quán)重值w1，w2，w3很不敏感。在代價(jià)函數(shù)中的各項(xiàng)指標(biāo)變量都是單向的，要求航跡長(zhǎng)度越短、航跡高度越低、航跡威脅越小越好。故可對(duì)代價(jià)函數(shù)中的指標(biāo)進(jìn)行歸一化處理，將各項(xiàng)指標(biāo)換算為0～1之間的無(wú)量綱的值。

由于威脅信息已經(jīng)等效為地形信息，可以首先確定各項(xiàng)指標(biāo)f的最大值fmax、最小值fmin，按照式(15)進(jìn)行歸一化，各項(xiàng)指標(biāo)均成為一個(gè)0～1之間的無(wú)量綱的值，其對(duì)航跡總代價(jià)的敏感程度變得—致了。

2 基于改進(jìn)蟻群算法的無(wú)人機(jī)低空突防航跡規(guī)劃

2.1 蟻群算法的特點(diǎn)

蟻群算法用于無(wú)人機(jī)航跡規(guī)劃有如下特點(diǎn)。

1)動(dòng)態(tài)性:在螞蟻不斷地散布生物激素的加強(qiáng)作用下，新的信息會(huì)很快加入到環(huán)境中，而舊的信息會(huì)丟失。這些都通過生物激素的蒸發(fā)更新來完成。

2)分布性:由于許多螞蟻在環(huán)境中感受散布的生物信息激素同時(shí)自身也散發(fā)生物信息激素，這使得不同的螞蟻會(huì)有不同的選擇策略。

3)協(xié)同性:許多螞蟻的協(xié)同合作使得最優(yōu)路線逐步顯現(xiàn)，成為大多數(shù)螞蟻所選擇的路線。

2.2 蟻群算法的改進(jìn)

1)啟發(fā)信息調(diào)整。

在基本蟻群算法中η(r，s)表示節(jié)點(diǎn)s相對(duì)于節(jié)點(diǎn)r的可見性，η(r，s)=1/c(r，s)作為啟發(fā)信息，增強(qiáng)了蟻群的尋優(yōu)能力。但這種啟發(fā)信息有可能會(huì)因?yàn)檫x擇代價(jià)小的航跡而偏離原來航跡，甚至越來越遠(yuǎn)，浪費(fèi)大量的搜索時(shí)間?；诖耍疚膶?duì)啟發(fā)信息作以下調(diào)整。

受神經(jīng)網(wǎng)絡(luò)訓(xùn)練中有監(jiān)督學(xué)習(xí)方式的啟發(fā)，將理想輸出引入反饋，從而加快神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度，并且能使輸出較好地接近于理想輸出。我們引入偏航角概念 θi(i=0，…，n－1)，如圖5 所示。

圖5 偏航角Fig.5 Yaw angle

將偏航角信息反饋到系統(tǒng)中作為搜索信號(hào)，加快了搜索速率，也容易找到最優(yōu)解，所以選擇啟發(fā)信息如式(16)所示。

2)優(yōu)先搜索集。

為提高螞蟻的搜索效率，為每個(gè)航跡節(jié)點(diǎn)建立一個(gè)優(yōu)先搜索集，螞蟻下一個(gè)節(jié)點(diǎn)的選擇就在該優(yōu)先搜索集中進(jìn)行。建立優(yōu)先搜索集的方法是，首先將一個(gè)節(jié)點(diǎn)周圍的所有節(jié)點(diǎn)都設(shè)為優(yōu)先搜索集，然后在蟻群算法運(yùn)行過程中根據(jù)各路徑上的信息素濃度來動(dòng)態(tài)地增減搜索集的數(shù)目。這種動(dòng)態(tài)建立最優(yōu)搜索集的方法可以得益于蟻群算法本身:信息素濃度不強(qiáng)的路徑不容易被螞蟻選中。另外，根據(jù)一個(gè)節(jié)點(diǎn)與周圍節(jié)點(diǎn)的距離進(jìn)行排序，采用一個(gè)節(jié)點(diǎn)附近固定數(shù)目的方法。

2.3 算法實(shí)現(xiàn)

1)初始化網(wǎng)格上所有節(jié)點(diǎn)的生物激素信息，形成初始矩陣T;

2)將M只螞蟻置于航路起點(diǎn);

3)根據(jù)式(16)和優(yōu)先搜索集將螞蟻移動(dòng)到可行的相鄰節(jié)點(diǎn)，直到所有螞蟻到達(dá)目標(biāo)點(diǎn);

4)計(jì)算每只螞蟻選擇航跡的代價(jià)函數(shù)式(14)，記錄當(dāng)前螞蟻選擇的最佳航跡;

5)按生物激素更新規(guī)則更新各節(jié)點(diǎn)的生物信息激素強(qiáng)度;

6)檢查結(jié)果，看結(jié)果是否需要調(diào)整，如果需要，進(jìn)行調(diào)整;

7)重復(fù)2)～6)，直到大于預(yù)定的迭代次數(shù)。

3 基于改進(jìn)蟻群算法的仿真實(shí)現(xiàn)

實(shí)驗(yàn)采用CPU為 AMD Sempron1.99 GHz，內(nèi)存為1.0 G的計(jì)算機(jī)，運(yùn)行環(huán)境為Windows XP，編程環(huán)境為Matlab2006。

假設(shè)無(wú)人機(jī)在100 km*100 km，最高升限為2 km的空間區(qū)域內(nèi)執(zhí)行任務(wù)，對(duì)該空間進(jìn)行離散化，高度離散步長(zhǎng)為20 m，水平離散為1 km*1 km的網(wǎng)格，則該任務(wù)區(qū)有共計(jì)1000000個(gè)空間節(jié)點(diǎn)。該離散程度完全滿足無(wú)人機(jī)的操縱性能，滿足可行航跡的 βmax，αmax，Lmin限制。

設(shè)起始點(diǎn)為(0，60，200)，目標(biāo)點(diǎn)為(100，40，200)，敵方雷達(dá)威脅點(diǎn)坐標(biāo)為(74，10，0)，作用距離為50 km，最小離地高度為80 m，信息素初始值為單位1，螞蟻數(shù)為20只，信息素?fù)]發(fā)初始值ρ=0.2，代價(jià)函數(shù)權(quán)系數(shù) w1=0.3，w2=0.4，w3=0.3，α =1，β =1。

按照規(guī)劃空間的劃分原則，沿X軸分為100個(gè)點(diǎn)，這100個(gè)點(diǎn)將整個(gè)空間劃分為平行于Y軸與Z軸構(gòu)成的平面的100個(gè)平面。螞蟻從第一個(gè)平面的起點(diǎn)按照節(jié)點(diǎn)搜索規(guī)則，搜索適合的下一個(gè)平面上的節(jié)點(diǎn)，直至搜索到目標(biāo)點(diǎn)。

實(shí)驗(yàn)一 不存在威脅。

圖6 無(wú)威脅三維航跡Fig.6 Three-dimensional route without threats

圖7 無(wú)威脅二維航跡Fig.7 Two-dimensional route without threats

實(shí)驗(yàn)二 威脅存在。

圖8 有威脅三維航跡Fig.8 Three-dimensional route with threats

圖9 有威脅二維航跡Fig.9 Two-dimensional route with threats

4 仿真結(jié)果分析

仿真結(jié)果表明，使用改進(jìn)的蟻群算法，能夠有效地對(duì)威脅點(diǎn)做出判斷，在全局范圍內(nèi)的地形跟隨和規(guī)避能力較強(qiáng)，如圖7和圖9的對(duì)比，無(wú)人機(jī)很好地遠(yuǎn)離了雷達(dá)威脅，并改進(jìn)航跡接近目標(biāo)點(diǎn)。通過啟發(fā)信息的調(diào)整，算法的搜索效率得到了提高。圖7表明，在搜索初期，為避免陷入局部最優(yōu)點(diǎn)，付出了對(duì)地形匹配誤差較大的代價(jià);隨著搜索優(yōu)化，后期搜索收斂變得迅速。通過圖10和圖11的對(duì)比，可以看出，改進(jìn)的算法非常適合于威脅存在的航跡規(guī)劃，在初期就迅速收斂到了較小的代價(jià)，不到60次的迭代就收斂到最優(yōu);而無(wú)威脅時(shí)，該算法對(duì)地形的規(guī)避做出了大量搜索，收斂速度很慢，迭代到90次才收斂到最小代價(jià)。通過比較，該算法能夠有效地避開威脅陣地，盡可能利用地形做掩護(hù)，進(jìn)行低空突防。實(shí)驗(yàn)證明了蟻群算法在三維航跡規(guī)劃中的適應(yīng)性，也展示了改進(jìn)后算法在收斂性方面的優(yōu)越性。

圖10 無(wú)威脅航跡代價(jià)變化圖Fig.10 Consideration of changes chart in non-threatening route

圖11 有威脅航跡代價(jià)變化圖Fig.11 Consideration of changes chart in threatening route

5 結(jié)束語(yǔ)

本文研究了無(wú)人機(jī)低空突防下三維航跡的規(guī)劃問題，提出了基于改進(jìn)蟻群算法的無(wú)人機(jī)低空突防三維航跡規(guī)劃方法，并用Matlab工具仿真實(shí)現(xiàn)，結(jié)果表明，該方法能夠快速有效地搜索到最優(yōu)航跡。

［1］趙銘，盛懷潔，王偉.無(wú)人機(jī)在突防行動(dòng)中的航路規(guī)劃研究［J］.電光系統(tǒng)，2008，12(4):32-34.

［2］閔昌萬(wàn).飛行器航跡規(guī)劃與軌跡控制研究［M］.西安:西北工業(yè)大學(xué)出版社，1999.

［3］楊遵.一種多無(wú)人機(jī)協(xié)同偵察航路規(guī)劃算法仿真［J］.系統(tǒng)仿真學(xué)報(bào)，2007，1(2):l6-l7.

［4］柳長(zhǎng)安，李為吉，王和平.基于蟻群算法的無(wú)人機(jī)航路規(guī)劃［J］.空軍工程大學(xué)學(xué)報(bào)，2004，4(2):9-12.

［5］任波，于雷.自適應(yīng)蟻群算法的無(wú)人機(jī)航跡規(guī)劃方法［J］.電光與控制，2007，12(6):36-39.

［6］李清.綜合低空飛行與突防系統(tǒng)研究［D］.南京:南京航空航天大學(xué)，1997.

［7］任博，潘景余，蘇暢，等.不確定環(huán)境下的偵察無(wú)人機(jī)自主航路規(guī)劃仿真［J］.電光與控制，2008，1(1):31-34.

［8］李季，孫秀霞，馬強(qiáng).無(wú)人機(jī)對(duì)空威脅算法與仿真［J］.系統(tǒng)仿真學(xué)報(bào)，2008，20(16):4237-4243.

［9］逯宏亮，歐建軍.協(xié)同空戰(zhàn)中目標(biāo)的威脅判定方法［J］.電光與控制，2005，12(6):8-11.