譚雁英, 童明, 張艷寧, 祝小平

1.西北工業(yè)大學(xué) 航天學(xué)院精確制導(dǎo)與控制研究所, 陜西 西安 710072 2.中國(guó)人民解放軍68128部隊(duì), 甘肅 蘭州 730000 3.西北工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院, 陜西 西安 710129 4.西北工業(yè)大學(xué) 無人機(jī)所, 陜西 西安 710065

基于加權(quán)模糊Petri網(wǎng)的無人機(jī)自主任務(wù)推理決策研究

譚雁英1, 童明2, 張艷寧3, 祝小平4

1.西北工業(yè)大學(xué) 航天學(xué)院精確制導(dǎo)與控制研究所, 陜西 西安 710072 2.中國(guó)人民解放軍68128部隊(duì), 甘肅 蘭州 730000 3.西北工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院, 陜西 西安 710129 4.西北工業(yè)大學(xué) 無人機(jī)所, 陜西 西安 710065

圍繞無人機(jī)搜索/攻擊自主任務(wù)推理決策典型想定,針對(duì)無人機(jī)自主任務(wù)推理決策規(guī)則中存在的不同輸入命題對(duì)結(jié)論的貢獻(xiàn)和影響不同,對(duì)加權(quán)模糊Petri網(wǎng)(weighted fuzzy petri nets,WFPN)形式化推理算法進(jìn)行了深入研究;設(shè)計(jì)了雙機(jī)自主搜索/攻擊任務(wù)推理決策規(guī)則集;為進(jìn)一步適應(yīng)上述想定下規(guī)則集中存在的多條規(guī)則的輸出命題是相同的情形,對(duì)WFPN形式化推理算法進(jìn)行了改進(jìn);應(yīng)用分層的策略,采用改進(jìn)的WFPN形式化推理算法和上述設(shè)計(jì)的規(guī)則集,仿真驗(yàn)證了雙機(jī)搜索/攻擊自主任務(wù)推理結(jié)果的合理性,并降低了推算過程中矩陣的維數(shù)。

無人機(jī)；自主；加權(quán)模糊Petri網(wǎng)；形式化推理；分層策略；決策

無人機(jī)的高度自主智能化和多機(jī)協(xié)同是適應(yīng)未來復(fù)雜多變戰(zhàn)場(chǎng)環(huán)境的關(guān)鍵,這就要求無人機(jī)盡量減少人為干預(yù)和操控,不斷提高多機(jī)協(xié)同自主推理決策能力[1]。

模糊Petri網(wǎng)形式化推理方法,由于具有Petri網(wǎng)強(qiáng)大的建模能力以及由模型生成矩陣,通過矩陣代數(shù)運(yùn)算自動(dòng)執(zhí)行推理決策的優(yōu)勢(shì)[2],廣泛應(yīng)用于有人機(jī)、導(dǎo)彈、機(jī)器人及無人機(jī)等領(lǐng)域基于規(guī)則的故障診斷與推理決策中[3-7],而其在多無人機(jī)自主任務(wù)推理決策方面的應(yīng)用還比較少。

本文針對(duì)多無人機(jī)自主搜索/攻擊任務(wù)典型想定下推理決策規(guī)則中存在的不同輸入命題對(duì)結(jié)論貢獻(xiàn)不同的問題,對(duì)加權(quán)模糊Petri網(wǎng)(WFPN)形式化推理方法進(jìn)行了深入研究,并為滿足上述想定下存在的多條規(guī)則的輸出命題是相同的情形,對(duì)WFPN形式化推理方法進(jìn)行了改進(jìn)。

1 WFPN形式化推理算法及其改進(jìn)

1.1 WFPN的定義[8]

定義1WFPN可以定義為一個(gè)10元組:

WFPN=(P,T,D,I,O,α,β,f,Th,W)

1.2 加權(quán)模糊產(chǎn)生式規(guī)則的Petri網(wǎng)建模

加權(quán)模糊產(chǎn)生式規(guī)則包含許多“合取(∧)”或“析取(∨)”連接的命題,將簡(jiǎn)單規(guī)則以及它們的相互組合的規(guī)則對(duì)應(yīng)的加權(quán)模糊產(chǎn)生式結(jié)構(gòu)歸結(jié)為以下3種類型[9]：

1) IFd1(w1)THENdk(μ1,λ1)。w1為輸入命題的權(quán)值,通常為實(shí)數(shù)1。令y=α1·w1，當(dāng)y≥λ1時(shí)，規(guī)則才能執(zhí)行,那么αk=y·μ1；

圖1 簡(jiǎn)單加權(quán)模糊Petri網(wǎng)結(jié)構(gòu)及其變遷激活準(zhǔn)則

2) IFd1(w1)∧d2(w2)∧…∧dn(wn)THEN

圖2 合取式加權(quán)模糊Petri網(wǎng)結(jié)構(gòu)及其變遷激活準(zhǔn)則

3) IFd1(w1)∨d2(w2)∨…∨dn(wn)THEN

dk(μ1,μ2,…,μn,λ1,λ2,…,λn)輸入命題的權(quán)系數(shù)wi都為1。令yi=αi·wi,若每條規(guī)則中的前提置信度都滿足yi≥λi,那么αk=max(y1·μ1,y2·μ2,…,yn·μn)。

圖3 析取式加權(quán)模糊Petri網(wǎng)結(jié)構(gòu)及其變遷激活準(zhǔn)則

1.3 WFPN形式化推理算法改進(jìn)

文獻(xiàn)[10]中WFPN形式化推理算法適用于產(chǎn)生式規(guī)則集中每條規(guī)則的輸出命題是不相同的情形。為進(jìn)一步適應(yīng)無人機(jī)自主任務(wù)推理決策規(guī)則集中存在的多條規(guī)則的輸出命題是相同的情形,本文將“?”算子引入到WFPN形式化推理算法中,對(duì)文獻(xiàn)[10]的算法進(jìn)行了改進(jìn),具體說明如下:

1) 算子的引入

(1) ⊕[10]:A⊕B=D,dij=max{aij,bij},其中A、B、D均為m×n維矩陣,i=1,2,…,m;j=1,2,…,n;

(2) ?[10]:A?B=D,如果aij≥bij,dij=aij;aij

2) 改進(jìn)的推理算法

步驟1 令k=0,對(duì)向量α0,輸入矩陣I,輸出矩陣0,閾值向量λ進(jìn)行初始化;

步驟2 計(jì)算已知客觀事實(shí)條件下,變遷的輸入命題組合置信度ρ=IT·αk;

步驟3 計(jì)算σ=ρ?λ,比較命題組合置信度ρ和變遷閾值向量λ,判斷能夠使能的變遷;

步驟4 激發(fā)上一步判斷出的使能變遷,并計(jì)算τ=0?σ,同時(shí)為變遷的輸入輸出庫(kù)所傳遞新的狀態(tài)值;

步驟5 計(jì)算αk+1=αk⊕[0?((IT·αk)?λ)],通過得到的新的狀態(tài)值,更新整個(gè)庫(kù)所集的狀態(tài)值;

步驟6 若αk+1≠αk,令k=k+1,重復(fù)步驟2至步驟5;若αk+1=αk,推理結(jié)束, 并輸出αk+1。

2 基于WFPN的雙機(jī)自主搜索/攻擊任務(wù)推理決策規(guī)則設(shè)計(jì)

2.1 雙機(jī)自主任務(wù)決策典型想定

假設(shè):在某一目標(biāo)區(qū)域內(nèi)有A、B兩架無人機(jī)執(zhí)行搜索/攻擊任務(wù),任務(wù)存在優(yōu)先級(jí)之分。若小組內(nèi)A、B兩架無人機(jī)在所負(fù)責(zé)區(qū)域同時(shí)跟蹤到同一目標(biāo)時(shí),那么A、B兩架無人機(jī)將按照設(shè)計(jì)的產(chǎn)生式規(guī)則進(jìn)行任務(wù)決策。考慮到A、B兩機(jī)自主任務(wù)決策的應(yīng)用需求,產(chǎn)生式規(guī)則的輸入命題包含,攻擊適合值(suitable value for attack,SVA):包括適合攻擊(suitable attack,SA)、中等適合攻擊(moderate suitable attack,MSA)、不適合攻擊(not suitable attack,NSA),即:XSVA={SA,MSA,NSA},X=AorB;目標(biāo)優(yōu)先級(jí)(target priority,TP):存在高(high,H)、中(moderate,M)、低(low,L)之分,即:TP={H,M,L};剩余燃油(fuel):包括充足(enough,E)、不充足(not enough,NE),即:XFUEL={E,NE},X=AorB。

規(guī)則的輸出命題包含:A攻擊目標(biāo)B繼續(xù)搜索(Astrike target andBcontinue search,ASTBCS)、A繼續(xù)搜索B攻擊目標(biāo)(ACSBST)、A繼續(xù)搜索B繼續(xù)搜索(ACSBCS)、A繼續(xù)搜索B重新對(duì)準(zhǔn)再次攻擊(Acontinue search,Bredirect and attack again,ACSBRAA)、A重新對(duì)準(zhǔn)再次攻擊B繼續(xù)搜索(ARAABCS)。

2.2 雙機(jī)自主任務(wù)決策加權(quán)模糊產(chǎn)生式規(guī)則集設(shè)計(jì)

根據(jù)專家經(jīng)驗(yàn),設(shè)計(jì)A、B兩架無人機(jī)自主任務(wù)決策加權(quán)模糊產(chǎn)生式規(guī)則Rule1～Rule72如表1所示。

其中Rule1具體說明如下:

Rule1:IF目標(biāo)優(yōu)先級(jí)較高p1(0.2)AND A適合攻擊p4(0.3)AND B適合攻擊p7(0.1)AND A剩余燃油充足p10(0.3)AND B剩余燃油充足p12(0.1)THEN A攻擊目標(biāo)B繼續(xù)搜索p14(μ=0.9,λ=0.6)。

Rule1～Rule72閾值和信度值均假定為μ=0.9、λ=0.6。其輸入命題和輸出命題的庫(kù)所編號(hào)定義分別如表2和表3所示。

表1 A、B兩機(jī)自主任務(wù)決策加權(quán)模糊 產(chǎn)生式規(guī)則集設(shè)計(jì)列表

表2 輸入命題對(duì)應(yīng)的庫(kù)所編號(hào)定義

表3 輸出命題對(duì)應(yīng)的庫(kù)所編號(hào)定義

2.3 基于分層的WFPN建模

本文應(yīng)用分層的思想:根據(jù)設(shè)計(jì)的規(guī)則集,分別以目標(biāo)優(yōu)先級(jí)較高、目標(biāo)優(yōu)先級(jí)中等、目標(biāo)優(yōu)先級(jí)較低建立A、B兩無人機(jī)自主任務(wù)決策的Petri網(wǎng)子模型,將完整的無人機(jī)自主任務(wù)決策的Petri網(wǎng)模型拆分成3塊,如圖4所示。

圖4 WFPN模型分層示意圖

3 仿真與分析

3.1 矩陣和向量初始化

根據(jù)定義1、規(guī)則集表1以及表2、表3的定義得到各類矩陣和向量為:子模型1輸入矩陣為I1、輸出矩陣為O1、閾值向量為λ1;子模型2輸入矩陣為I2、輸出矩陣為O2、閾值向量為λ2;子模型3輸入矩陣為I3、輸出矩陣為O3、閾值向量為λ3。

3.2 仿真算例1

1) 仿真數(shù)據(jù)的給出

2) 推理計(jì)算

3) 推理結(jié)果分析

按照最大置信度原則,無人機(jī)決策結(jié)果為A繼續(xù)搜索 B繼續(xù)搜索(p18)。說明A、B兩機(jī)在發(fā)現(xiàn)一低優(yōu)先級(jí)目標(biāo)后,由于A、B兩機(jī)都不適合攻擊,且剩余燃油都較充足,故而都采取繼續(xù)搜索的策略。

3.3 仿真算例2

1) 仿真數(shù)據(jù)的給出

假定A、B兩機(jī)飛行一段時(shí)間后,又同時(shí)跟蹤到新的同一目標(biāo)。各狀態(tài)值變化為:TP[0.9,0.05,0.05]、ASVA[0.8,0.1,0.1]、BSVA[0.1,0.1,0.8]、AFUEL

2) 推理計(jì)算

3) 推理結(jié)果分析

按照最大置信度原則,無人機(jī)決策結(jié)果A 攻擊目標(biāo) B 繼續(xù)搜索。說明A、B兩機(jī)在發(fā)現(xiàn)一高優(yōu)先級(jí)目標(biāo)后,A無人機(jī)適合攻擊且剩余燃油較低,B無人機(jī)不適合攻擊且剩余燃油較高,故而采取A攻擊目標(biāo)B繼續(xù)搜索的策略。

3.4 分析說明

仿真算例1、仿真算例2決策結(jié)果如表4所示。基于WFPN形式化推理決策結(jié)果與專家決策結(jié)果相吻合,驗(yàn)證了A、B兩機(jī)搜索/攻擊自主任務(wù)推理決策結(jié)果的合理性。

表4 A、B兩無人機(jī)自主飛行任務(wù)決策結(jié)果示例

4 結(jié) 論

本文將WFPN形式化推理方法應(yīng)用于無人機(jī)搜索/攻擊自主任務(wù)推理決策中,通過命題權(quán)值的引入,使得上述任務(wù)存在的不同輸入命題對(duì)結(jié)論貢獻(xiàn)大小不同的情形,在推理決策過程中得到較合理的反映;為進(jìn)一步適應(yīng)上述任務(wù)想定下規(guī)則集中存在的多條規(guī)則的輸出命題是相同的情形,本文對(duì)WFPN形式化推理算法進(jìn)行了改進(jìn);設(shè)計(jì)了兩機(jī)搜索/攻擊自主任務(wù)決策加權(quán)模糊產(chǎn)生式規(guī)則集;應(yīng)用分層的策略,采用改進(jìn)的WFPN形式化推理算法,仿真驗(yàn)證了雙機(jī)搜索/攻擊自主任務(wù)推理結(jié)果的合理性,并避免了計(jì)算過程中矩陣維數(shù)較高的問題。

[1] Department of Defense USA. Unmanned Aircraft Systems Roadmap2013-2038[R]. 2013

[2] 丁富玲,李承家. 模糊Petri網(wǎng)的發(fā)展[J]. 杭州電子科技大學(xué)學(xué)報(bào),2008, 28(6):147-150 Ding Fuling, Li Chengjia. A Survey of Fuzzy Petri Nets[J]. Journal of Hangzhou Dianzi University,2008, 28(6):147-150 (in Chinese)

[3] Gao Meimei, Zhou Mengchu. Control Strategy Selection for Autonomous Vehicles in a Dynamic Environment[C]∥Systems, Man and Cybernetics, 2005(2): 1651-1656

[4] Sun Limin, Meng Chen, Yang Sen, Li Hao. A Method for Fault Diagnosis in Missile Based on Fuzzy Petri Net[C]∥2012 International Conference on Industrial Control and Electronics Engineering,2012,5: 1911-1913

[5] Gao Meimei, Zhou Mengchu, Tang Ying. Intelligent Decision Making in Disassembly Process Based on Fuzzy Reasoning Petri Nets[J]. IEEE Trans on Systems, Man, and Cybernetics, Part B, 2004,34(5): 2029-2034

[6] 史志富,張安,劉海燕,等. 基于模糊Petri網(wǎng)的空戰(zhàn)戰(zhàn)術(shù)決策研究[J]. 系統(tǒng)仿真學(xué)報(bào),2007, 19(1):63-66 Shi Zhifu, Zhang An, Liu Haiyan, et al. Study on Air Combat Tactics Decision-Making Based on Fuzzy Petri Nets[J]. Journal of System Simulation, 2007, 19(1):63-66 (in Chinese)

[7] 趙振宇,周銳,池沛. 基于模糊推理Petri網(wǎng)的無人機(jī)智能決策方法[J]. 兵工自動(dòng)化,2015, 34(3): 71-73 Zhao Zhenyu, Zhou Rui, Chi Pei. UAV Intelligent Decision Method Based on Fuzzy Reasoning Petri Net[J]. Ordnance Industry Automation, 2015, 34(3): 71-73 (in Chinese)

[8] Liu Jiufu, Chen Kui, Wang Zhisheng. Fault Analysis for Flight Control System Using Weighted Fuzzy Petri Nets[J]. Journal of Convergence Information Technology, 2011, 6(3): 146-155

[9] Chen Shyiming. Weighted Fuzzy Reasoning Using Weighted Fuzzy Petri Nets[J]. IEEE Transs on Knowledge and Data Engingeering, 2002, 14(2): 386-397

[10] 張墨華. 基于模糊Petri網(wǎng)的PAAIS知識(shí)處理研究[D]. 西安：西北工業(yè)大學(xué),2006 Zhang Mohua. PAAIS Knowledge Processing Research Based on fuzzy Petri nets[D]. Xi′an, Northwestern Polytechnic University, 2006 (in Chinese)

Reasoning and Decision Making for Autonomous UAVs Based on Weighted Fuzzy Petri Nets

Tan Yanying1, Tong Ming2, Zhang Yanning3, Zhu Xiaoping4

1.Institute of Precision Guidance and Control, Northwestern Polytechnic University, Xi′an 710072, China 2.The Chinese People′s Liberation Army 68128 Forces, Lanzhou 730000 3.School of Computer, Northwestern Polytechnic University, Xi′an 710129, China 4.UAV Research Institute, Northwestern Polytechnic University, Xi′an 710065, China

This paper is dealt with autonomous reasoning and decision-making for unmanned aerial vehicles (UAVs) executing the search and attack mission. There exists the fact in the above reasoning envision that each input proposition does different contribution to the conclusion of the rule, and so the formalized reasoning method based on weighted fuzzy Petri nets (WFPN) is studied. The weighted fuzzy production rule set about two UAVs cooperating in search and attack mission is designed. The formalized reasoning method based on WFPN is further improved to adapt to the situation that the output propositions of several rules are the same in the above rule set. Applied the layered strategy, the improved formalized reasoning method is simulated based on the designed rule set. The simulation shows that the reasoning results are reasonable and the dimension of the large reasoning matrix is reduced efficiently.

unmanned aerial vehicles (UAVs), autonomous, weighted fuzzy petri nets (WFPN), formalized reasoning, layered strategy,decision making

2016-03-29

譚雁英(1967—)，女，西北工業(yè)大學(xué)教授，博士，主要從事無人機(jī)自主飛行智能管理、任務(wù)規(guī)劃及組合導(dǎo)航控制。

TP393

A

1000-2758(2016)06-0951-06