劉正元 吳元清 李艷洲 王 超

無人機(jī)(unmanned aerial vehicle,UAV)以其低成本,零人員傷亡,操作便捷簡單和靈活可靠的特點(diǎn),源于1914 年被稱為AT 計(jì)劃的英國軍事試驗(yàn).隨著UAV 技術(shù)的成熟及應(yīng)用范圍不斷擴(kuò)大,其應(yīng)用領(lǐng)域已涉及到國防、工業(yè)、民用以及科研領(lǐng)域.有許多國家都在積極開展UAV 研究與開發(fā)工作.我國UAV起步較晚,盡管UAV 研究已經(jīng)有一百多年的歷史,但是UAV 群研究卻是在21 世紀(jì)逐步展開.美國國防部在2005 年8 月公布的《UAV 系統(tǒng)路線圖2005—2030》中,把UAV 自主控制等級劃分為1～10 個(gè)級別,其最高級別（10 個(gè)級別）以集群全自主為目標(biāo)[1],即UAV 蜂群使用.美智庫“新美國安全中心”于2014 年10 月5 日發(fā)表《戰(zhàn)場機(jī)器人Ⅱ: 即將到來的蜂群》報(bào)告,第1 次系統(tǒng)地提出了無人系統(tǒng)蜂群戰(zhàn)術(shù)的概念.美國空軍于2016 年5 月公布《小型UAV 系統(tǒng)飛行計(jì)劃2016—2036》,在戰(zhàn)略上確認(rèn)小型UAV 的未來與價(jià)值,明確“蜂群”,“編組”,“忠誠僚機(jī)”等3 種集群作戰(zhàn)理念[2].中國電子科技集團(tuán)于2017 年6月順利完成了119 架固定翼小UAV 的集群飛行實(shí)驗(yàn)[3].UAV 群已成為國內(nèi)外研究熱點(diǎn).

UAV 群在“數(shù)”“價(jià)”“質(zhì)”“變”等4 個(gè)方面與多UAV 存在較大差異[4],根據(jù)其自主性及智能化程度從低至高依次可以劃分為UAV 機(jī)群、UAV 集群和UAV 蜂群,本文從這3 個(gè)概念對UAV 群進(jìn)行界定.UAV 群是指為共同執(zhí)行某一任務(wù),通過互聯(lián)構(gòu)成群組,通過無中心的局部交互、反應(yīng)式規(guī)則和行為,涌現(xiàn)復(fù)雜的群體自組織能力,從而實(shí)現(xiàn)高度智能自主的集合體;或受統(tǒng)一指揮并保持目視聯(lián)系或戰(zhàn)術(shù)聯(lián)系的空中集群[5].賈永楠等對UAV 集群研究動(dòng)因進(jìn)行分析,并從模型、協(xié)議、平臺3 個(gè)視角對UAV集群研究進(jìn)展進(jìn)行綜述[6].王祥科等對小型固定翼UAV 集群在集群系統(tǒng)內(nèi)涵、已有典型工程、關(guān)鍵技術(shù)3 個(gè)視角下的國內(nèi)外研究情況進(jìn)行了總結(jié)[7].賈高偉等分別從以邏輯和規(guī)則為基礎(chǔ)的自頂向下型任務(wù)規(guī)劃以及以集群智能出現(xiàn)為基礎(chǔ)的自底向上型任務(wù)規(guī)劃兩方面,綜合評述了UAV 集群任務(wù)規(guī)劃的研究現(xiàn)狀[8].劉學(xué)達(dá)等在UAV 集群協(xié)同控制研究領(lǐng)域?qū)ρ莼┺睦碚撛赨AV 集群控制研究領(lǐng)域的運(yùn)用前景進(jìn)行探究,分別從情報(bào)共享、任務(wù)分配、資源調(diào)整以及編隊(duì)重組4 個(gè)方面,對其具體運(yùn)用設(shè)想進(jìn)行闡述[9].本文基于此得出結(jié)論: UAV 群技術(shù)應(yīng)用主要服務(wù)于任務(wù)規(guī)劃與編隊(duì)飛行兩個(gè)層面,這兩個(gè)層面又是UAV 群得以實(shí)際應(yīng)用的基礎(chǔ)與重點(diǎn).盡管有一些關(guān)于UAV 群的研究涉及任務(wù)規(guī)劃與編隊(duì)飛行兩個(gè)方面[10],但是并未對二者結(jié)合后所產(chǎn)生的新內(nèi)容與新問題進(jìn)行專門細(xì)化,因此,迫切需要對多UAV 群任務(wù)規(guī)劃與編隊(duì)飛行相關(guān)研究狀況進(jìn)行深入闡述,從而為今后多UAV群在實(shí)際應(yīng)用中奠定理論基礎(chǔ).本文旨在根據(jù)已有UAV 群在任務(wù)規(guī)劃、編隊(duì)飛行等方面的研究基礎(chǔ)上,對今后多UAV 群研究中應(yīng)關(guān)注及存在的差異進(jìn)行展望.

1 UAV 群任務(wù)規(guī)劃

任務(wù)規(guī)劃作為UAV 應(yīng)用過程中的頂層規(guī)劃,它是針對任務(wù)所處環(huán)境態(tài)勢、任務(wù)需求和自身特性而提出的一種綜合調(diào)度方式,以在UAV 和任務(wù)之間建立合理的映射關(guān)系并保持機(jī)與機(jī)之間合理的協(xié)同配合.UAV 群的任務(wù)規(guī)劃包括任務(wù)分配與航跡規(guī)劃兩個(gè)方面.

1.1 UAV 群任務(wù)分配的研究

UAV 已在廣泛領(lǐng)域中進(jìn)行了應(yīng)用,因其任務(wù)在各領(lǐng)域存在較大差異,所以模型與算法設(shè)計(jì)各不相同.本節(jié)基于UAV 的功能視角,對其任務(wù)分配進(jìn)行了3 類分類概述.通信傳輸功能,可實(shí)現(xiàn)多飛行器之間信息傳遞;導(dǎo)航定位功能,可確定飛行方向及飛行速度;監(jiān)控管理功能,可以完成監(jiān)視、控制、指揮等多種工作.攻擊功能,通常僅應(yīng)用于軍事領(lǐng)域中,需要精確、有效地對目標(biāo)物進(jìn)行毀傷,具有很高的準(zhǔn)確性.偵察搜尋的職能,它的任務(wù)需要廣泛的覆蓋范圍,對海上搜救、海上巡邏和軍事偵察都起著至關(guān)重要的作用[11-12].嚴(yán)飛等對偵察型與攻擊型UAV 構(gòu)成的UAV群,采用合同網(wǎng)算法來解決任務(wù)分配問題[13].監(jiān)管的職能,需要協(xié)同跟蹤、航道測繪[14-15],船舶大氣排放監(jiān)管和農(nóng)業(yè)噴水/藥物領(lǐng)域都有相關(guān)的研究.SHENA 等針對港口船舶排放協(xié)同探測問題,基于多UAV 船舶發(fā)射探測特性,給每架UAV 指派了帶時(shí)間的探測任務(wù)序列[16].為滿足動(dòng)態(tài)環(huán)境下實(shí)時(shí)性需求,設(shè)計(jì)一種以禁忌搜索算法與“最小環(huán)”方法相結(jié)合的PSO 算法.保障功能,完成各種物資補(bǔ)給、人員救援以及環(huán)境勘測工作.通信傳輸功能,將各傳感器采集到的數(shù)據(jù)傳遞給指揮中心或其他用戶設(shè)備.閆輝等提出了一種在任務(wù)接力基礎(chǔ)上,考慮UAV 異構(gòu)性與地理環(huán)境約束,旨在提升多UAV 系統(tǒng)總體續(xù)航時(shí)間的協(xié)同目標(biāo)指派調(diào)度策略,解決了目標(biāo)重要性動(dòng)態(tài)變化下的協(xié)同目標(biāo)指派問題[17].搜索跟蹤功能,獲取更詳細(xì)的信息,能夠?qū)崟r(shí)掌握敵方態(tài)勢.監(jiān)視探測功能,發(fā)現(xiàn)并跟蹤目標(biāo)物.運(yùn)輸配送功能,任務(wù)需要考慮多成本因素且研究范圍廣泛、變體問題多樣.有人考慮了選址-路徑規(guī)劃[18],有人考慮了逆向物流[19],也有人提出了協(xié)同卡車分配.MURRAY 和CHU 等介紹了一個(gè)新的旅行商問題——“飛行跟班旅行商問題”（flying sidekick traveling salesman problem,FSTSP）,并提出將UAV裝到卡車上方的設(shè)想,這種UAV 既能執(zhí)行卡車上的一個(gè)交付任務(wù),又能完成另外一個(gè)交付任務(wù)[20].

未來UAV 群任務(wù)分配過程中會有很多職能,其中涉及到很多方面的交叉知識,如具有察打職能、察配職能、察管職能甚至察配管職能的UAV 群.因此,對多目標(biāo)任務(wù)規(guī)劃進(jìn)行仿真是非常有必要的.由于異構(gòu)UAV 群問題較難建模與解決,現(xiàn)有關(guān)于異構(gòu)UAV 群研究的文獻(xiàn)還停留在察打功能UAV 群方面.

1.2 UAV 航跡規(guī)劃問題

UAV 的航跡規(guī)劃主要包括路徑規(guī)劃與軌跡優(yōu)化.路徑規(guī)劃是對UAV 由初始位置到目標(biāo)位置的計(jì)劃,而軌跡優(yōu)化是對UAV 的初始位姿到目標(biāo)位姿的計(jì)劃,它和時(shí)間相關(guān).在飛行過程中,由于多架UAV 之間具有一定距離,且各UAV 運(yùn)行環(huán)境不同,會產(chǎn)生相互干擾,從而導(dǎo)致無法實(shí)現(xiàn)最優(yōu)解或達(dá)不到預(yù)期效果.而這些都將影響到最終的航線設(shè)計(jì).因此,多UAV 航跡規(guī)劃通常屬軌跡優(yōu)化問題,單UAV 航跡規(guī)劃則屬路徑規(guī)劃問題,其原因是多UAV 需考慮含有時(shí)間的四維空間,來適應(yīng)多UAV 航跡點(diǎn)有可能重合的情況.本文航跡規(guī)劃沒有準(zhǔn)確地區(qū)分路徑規(guī)劃與軌跡優(yōu)化問題,并且對于航跡規(guī)劃研究方法主要分為兩大類型進(jìn)行了總結(jié): 一種是離線一次性航跡規(guī)劃,另一種是線上實(shí)時(shí)滾動(dòng)規(guī)劃.

1.2.1 離線一次性航跡規(guī)劃

航跡規(guī)劃算法可以分為動(dòng)態(tài)規(guī)劃法、導(dǎo)數(shù)相關(guān)法、最優(yōu)控制理論、啟發(fā)式算法以及群智能算法等.在動(dòng)態(tài)規(guī)劃法方面,重點(diǎn)介紹了A*,D*的算法[21-22].其中,A*是經(jīng)典的靜態(tài)規(guī)劃算法,D*則發(fā)展出一種基于智能體之間信息交流與交互的多Agent動(dòng)態(tài)規(guī)劃技術(shù).該方法已成功應(yīng)用于軍事領(lǐng)域.就導(dǎo)數(shù)相關(guān)法而言,主要包括最速下降法、牛頓法和共軛梯度法.諶海云為了解決人工勢場法容易陷入局部極小點(diǎn)且目標(biāo)無法到達(dá)這一難題,提出一種“沿著目標(biāo)方向作90°度運(yùn)動(dòng)”,以擺脫局部極小點(diǎn)的影響,并最終利用回歸搜索法對航跡作進(jìn)一步全局優(yōu)化[23].最優(yōu)控制理論包括數(shù)學(xué)規(guī)劃法和圖論法.張博淵等利用可自適應(yīng)選點(diǎn)自適應(yīng)偽譜法,把UAV 編隊(duì)航跡優(yōu)化控制問題化為一個(gè)非線性規(guī)劃問題來解決[24].以上這3 種算法都是傳統(tǒng)算法的一部分,隨規(guī)模的擴(kuò)大、維數(shù)的增加易造成求解效率不高.

針對這種情況,本文提出一種現(xiàn)代智能算法,包括啟發(fā)式算法與群智能算法兩種.針對多目標(biāo)優(yōu)化問題,介紹了兩種不同類型的群體智能方法: 遺傳算法和禁忌搜索算法.遺傳算法是一種全局尋優(yōu)技術(shù),但其存在搜索效率低、易早熟收斂等缺點(diǎn).在啟發(fā)式算法方面有進(jìn)化算法、快速擴(kuò)展隨機(jī)樹法.ZHANG和DUAN 等利用改進(jìn)約束差分進(jìn)化算法,對三維環(huán)境下UAV 最優(yōu)路徑問題進(jìn)行求解[25].武曉晶等根據(jù)半角樹枝裁剪策略,設(shè)計(jì)動(dòng)態(tài)步長對隨機(jī)數(shù)進(jìn)行雙向快速展開,同時(shí)結(jié)合貪心算法以避免陷入局部極小,最后利用B 樣條曲線對其進(jìn)行光滑處理[26].但是這些方法都存在著計(jì)算量大、耗時(shí)長等缺點(diǎn);而遺傳算法雖然具有收斂速度快、魯棒性強(qiáng)的優(yōu)點(diǎn),但它容易早熟且易于產(chǎn)生局部性停滯現(xiàn)象,從而不能滿足實(shí)時(shí)性要求.并且群智能算法在蟻群算法、粒子群算法、人工蜂群算法等方面已經(jīng)有很多研究[27-29],本文對近幾年出現(xiàn)的幾種新穎群智能算法進(jìn)行了總結(jié).WANG等針對三維作戰(zhàn)環(huán)境中UAV 路徑規(guī)劃問題,提出改進(jìn)蝙蝠算法[30].PANDEY 等利用改進(jìn)螢火蟲群優(yōu)化算法求解三維底層環(huán)境中UAV 路徑規(guī)劃[31].錢洲元提出了聯(lián)合修正自適應(yīng)烏賊航跡規(guī)劃算法[32],該算法分別給出了2 種基于混沌擾動(dòng)和變異學(xué)習(xí)的強(qiáng)化搜索,在算法迭代進(jìn)程的基礎(chǔ)上,通過加權(quán)組合為一種聯(lián)合強(qiáng)化搜索方式,以達(dá)到高效深度搜索的目的,最后通過引入自適應(yīng)權(quán)重來達(dá)到約減搜索空間的目的.XU等在各種對抗環(huán)境中構(gòu)建障礙物模型,航跡規(guī)劃采用改進(jìn)灰狼算法來實(shí)現(xiàn),其改進(jìn)途徑主要有種群初始化、衰減因子更新以及個(gè)體位置更新[33].湯安迪等提出了一種基于混沌麻雀搜索的UAV 航跡規(guī)劃方法: 先利用立方映射初始化群體,同時(shí)利用反向?qū)W習(xí)策略導(dǎo)入精英粒子,以加強(qiáng)群體多樣性和擴(kuò)展搜索區(qū)域范圍,再引入正弦余弦算法,以利用線性遞減策略來平衡算法發(fā)展和探索的能力,在算法停滯狀態(tài)下利用高斯游走策略輔助其跳出局部最優(yōu)狀態(tài)[34].

離線一次性算法雖然可能獲得航跡最優(yōu)規(guī)劃問題,但是不能處理突現(xiàn)及動(dòng)態(tài)障礙物問題,將導(dǎo)致UAV 碰撞毀傷,針對這一問題,很多學(xué)者著手對實(shí)時(shí)動(dòng)態(tài)航跡規(guī)劃問題進(jìn)行了研究.

1.2.2 線上實(shí)時(shí)滾動(dòng)航跡規(guī)劃

線上實(shí)時(shí)動(dòng)態(tài)航跡規(guī)劃多是以滾動(dòng)時(shí)域控制為主流.RICHARDS 和BELLINGHAM 首先提出了滾動(dòng)時(shí)域控制航跡規(guī)劃,它并沒有要求每次都要計(jì)劃到目標(biāo),而要?jiǎng)澐譃閹讉€(gè)階段來計(jì)劃[35-36].王文彬等在文中提出基于滾動(dòng)時(shí)域控制與快速粒子群優(yōu)化相結(jié)合的方法[37].在此方法中,介紹了以VORONOI 圖為基礎(chǔ),描述航跡端點(diǎn)到目標(biāo)點(diǎn)之間距離估算的代價(jià)圖計(jì)算方法.基于滾動(dòng)時(shí)域與人工勢場法相結(jié)合的思路,把路徑規(guī)劃轉(zhuǎn)化為一個(gè)優(yōu)化問題,并采用最小距離與避障指標(biāo)作為代價(jià)函數(shù)進(jìn)行求解.但在實(shí)際應(yīng)用中,這種代價(jià)圖是不可用的.ZHOU 等提出一種新型仿植物生長算法,相較于其他生物啟發(fā)算法,該算法利用趨光性及負(fù)向地性特征引導(dǎo)優(yōu)化方向而非目標(biāo)函數(shù)[38].這使得每個(gè)步驟僅需對下一路徑點(diǎn)進(jìn)行取值優(yōu)化,并不要求在所有路徑點(diǎn)上都設(shè)置目標(biāo)函數(shù).在此基礎(chǔ)上建立數(shù)學(xué)模型并設(shè)計(jì)相應(yīng)的求解方法.為了驗(yàn)證模型的有效性,將本文所給出的兩種啟發(fā)式算法應(yīng)用于一個(gè)真實(shí)飛行任務(wù)當(dāng)中.最后通過與A*、RRT、蟻群算法的算例對比表明: 植物生長算法路徑規(guī)劃能力強(qiáng),參數(shù)配置合理,且算法運(yùn)行效率較高,過程平穩(wěn).YAO 等在多UAV 三維協(xié)同路徑規(guī)劃過程中為解決目標(biāo)跟蹤與避障難題,采用李亞普諾夫引導(dǎo)向量場對目標(biāo)進(jìn)行跟蹤,進(jìn)而提出基于修正干擾流體動(dòng)力系統(tǒng)以消除局部極小問題的避障新方法[39].在IIFDS 的框架內(nèi)加入虛擬障礙策略與附加吸引流體策略,再巧妙融合兩種策略,在實(shí)現(xiàn)目標(biāo)跟蹤與避障需求的前提下,對反應(yīng)參數(shù)進(jìn)行滾動(dòng)水平優(yōu)化.在多UAV 軌跡規(guī)劃中,XIA 等以時(shí)間分割取代傳統(tǒng)路點(diǎn)分割,構(gòu)建了一種基于均勻時(shí)間區(qū)間的軌跡優(yōu)化模型[40].同時(shí)引入虛擬航段來適應(yīng)不同UAV 航跡長度并縮短總到達(dá)時(shí)間.為了解決傳統(tǒng)遺傳算法易早熟收斂及全局搜索能力差的問題,在進(jìn)化初期采用交叉操作提高種群多樣性;后期使用變異算子增強(qiáng)個(gè)體間信息交流能力;同時(shí)考慮初始可行解集對求解結(jié)果的影響.在代價(jià)函數(shù)上引入非線性約束,并提出基于梯度的順序最小優(yōu)化算法,使代價(jià)函數(shù)最小化,在每一次迭代過程中解耦出相互矛盾的約束,從而節(jié)約規(guī)劃時(shí)間.

將離線規(guī)劃方法與在線規(guī)劃方法相結(jié)合,在離線規(guī)劃之后,又通過在線規(guī)劃方法對其加以完善或者優(yōu)化.這些研究為智能交通領(lǐng)域提供了一定的理論參考與實(shí)踐指導(dǎo).熊佳新給出了一種基于全局與局部雙滾動(dòng)窗口融合的航跡計(jì)劃方案[41].全局航跡規(guī)劃時(shí)采用概率路標(biāo)圖法結(jié)合Dijkstra 算法對航跡粗略解進(jìn)行規(guī)劃,然后對局部航跡采用變長變易率快速隨機(jī)搜索樹法進(jìn)行校正.最后利用基于狀態(tài)預(yù)測的分布式協(xié)調(diào)算法,實(shí)現(xiàn)預(yù)定航跡的避碰航跡的優(yōu)化.任敏等還采用概率路標(biāo)圖法與Dijkstra 算法相結(jié)合的方法對全局航跡進(jìn)行規(guī)劃,得到航跡的粗略解,然后采用免疫-離散粒子群混合算法對局部航跡進(jìn)行校正[42].丁強(qiáng)等對于連續(xù)型航跡的規(guī)劃問題,首先采用粒子群算法對每架UAV 初始耦合系數(shù)進(jìn)行搜索,構(gòu)成全局航跡預(yù)規(guī)劃問題.然后在Tau-H 運(yùn)動(dòng)策略的基礎(chǔ)上引入與初速度有關(guān)的項(xiàng)目對其加以改進(jìn),采用滾動(dòng)優(yōu)化的方法來解決局部航跡重新規(guī)劃問題[43].

線上實(shí)時(shí)滾動(dòng)式航跡規(guī)劃能夠有效地避開突現(xiàn)障礙物、動(dòng)態(tài)障礙物等,但是由于對一些可視化技術(shù)及智能體技術(shù)的要求較高,因此,在實(shí)際上用于實(shí)時(shí)滾動(dòng)式規(guī)劃航跡時(shí)存在著一些難題.

1.3 UAV 任務(wù)規(guī)劃研究

在航跡規(guī)劃中沒有考慮任務(wù)分配問題,通常沒有考慮UAV 的飛行特點(diǎn),只是用UAV 路徑來近似代替UAV 航跡進(jìn)行航跡規(guī)劃,給任務(wù)執(zhí)行造成了一定程度的偏差.航跡規(guī)劃和任務(wù)分配并不是一個(gè)單純連續(xù)的過程,而是存在著十分密切的相互影響.因此,在任務(wù)分配之前必須首先明確兩者之間關(guān)系.本文以UAV 為對象,建立了一個(gè)多目標(biāo)決策模型,并設(shè)計(jì)了一種啟發(fā)式算法來解決這一問題.最后通過仿真實(shí)驗(yàn)驗(yàn)證該方法的有效性.當(dāng)前UAV 任務(wù)規(guī)劃主要有3 個(gè)研究內(nèi)容,即首先對任務(wù)進(jìn)行分配,然后對航跡進(jìn)行規(guī)劃,其次對任務(wù)進(jìn)行預(yù)先分配,最后根據(jù)任務(wù)或者航跡的變化情況,對航跡規(guī)劃以及任務(wù)重規(guī)劃進(jìn)行研究,如果沒有對任務(wù)進(jìn)行預(yù)先安排,則通過對實(shí)時(shí)任務(wù)進(jìn)行規(guī)劃,來對實(shí)時(shí)任務(wù)進(jìn)行優(yōu)化分配,這時(shí)兩個(gè)問題會互相耦合在一起[44].

在第1 個(gè)研究方面中,陳俠等綜合考慮多UAV航跡規(guī)劃與任務(wù)分配指標(biāo),采用敵我博弈策略解決任務(wù)分配問題,然后利用Voronoi 圖法與快速展開隨機(jī)樹解決攻擊運(yùn)動(dòng)目標(biāo)航跡問題[45].但該方法存在收斂速度慢、不穩(wěn)定及效率低的缺陷,因此,提出一種基于區(qū)塊鏈的多UAV 協(xié)同空戰(zhàn)中航跡規(guī)劃系統(tǒng)架構(gòu),并進(jìn)行仿真驗(yàn)證.結(jié)果證明: 這種框架可以提高任務(wù)成功率.郭興海等首先采用區(qū)塊鏈?zhǔn)脚馁u算法,對多智能體互聯(lián)計(jì)算進(jìn)行任務(wù)指派,然后采用混沌遞減權(quán)重和動(dòng)態(tài)權(quán)重量子粒子群算法進(jìn)行航跡規(guī)劃[46].

在第2 個(gè)研究方面中,BISWAS 等提出的粒子群算法,以同時(shí)重新規(guī)劃矢量化為基礎(chǔ)來解決航跡規(guī)劃問題,并采用最近鄰域搜索策略,來解決任務(wù)分配模型問題,從而實(shí)現(xiàn)了不同UAV 對多個(gè)目標(biāo)點(diǎn)的到達(dá)[47],當(dāng)某個(gè)UAV 在飛行過程中發(fā)生故障時(shí),另一個(gè)UAV 能夠分擔(dān)故障UAV 未到達(dá)目標(biāo)點(diǎn)的任務(wù).最后,對有靜態(tài)與動(dòng)態(tài)障礙時(shí),多任務(wù)條件下UAV 任務(wù)規(guī)劃問題進(jìn)行模擬.它研究航跡在飛行過程中發(fā)生變化而引起任務(wù)改變的問題.LI 等研究了三維環(huán)境下多UAV 經(jīng)過所需完成時(shí)間下特定任務(wù)點(diǎn)的路徑規(guī)劃問題,并在線轉(zhuǎn)換任務(wù)對最優(yōu)飛行路徑優(yōu)化問題進(jìn)行了求解[48].在任務(wù)發(fā)生變化的情況下,設(shè)計(jì)任務(wù)分配算法為最適合的任務(wù)序列分配新的任務(wù)點(diǎn),進(jìn)而對最優(yōu)飛行路徑進(jìn)行再規(guī)劃,以確保每一架UAV都能及時(shí)飛過剩余任務(wù)點(diǎn)和新的任務(wù)點(diǎn).針對路徑規(guī)劃問題,提出一種用于路徑規(guī)劃的改進(jìn)果蠅優(yōu)化算法,采用參考點(diǎn)與距離代價(jià)矩陣相結(jié)合的方法,達(dá)到快速平穩(wěn)求解的目的.它研究任務(wù)改變引起航跡改變問題.

在第3 個(gè)研究方面中,孫小雷對多UAV 之間交會協(xié)同攻擊任務(wù)展開研究,將多階段航跡預(yù)測算法應(yīng)用于實(shí)時(shí)航跡規(guī)劃MSPP,該算法是一種能夠?yàn)槿蝿?wù)分配和調(diào)整過程提供必要的輸入來估算目標(biāo)航程[49].介紹了課題的背景意義以及國內(nèi)外發(fā)展現(xiàn)狀;給出了系統(tǒng)設(shè)計(jì)需求分析;再次根據(jù)實(shí)際應(yīng)用對軟件系統(tǒng)框架及功能結(jié)構(gòu)進(jìn)行詳細(xì)設(shè)計(jì);然后描述了軟件程序流程圖.MSPP 架構(gòu)下包括基于A*算法路徑規(guī)劃、三次B 樣條曲線航跡平滑、Dubins 曲線航跡交會等.任務(wù)分配時(shí)綜合考慮以粒子群算法為核心的集中式和以聚類算法為核心的分布式兩種模式,由此構(gòu)成一個(gè)完備的任務(wù)規(guī)劃體系結(jié)構(gòu).朱黔等在4個(gè)UAV 節(jié)點(diǎn)重要度評估指標(biāo)的基礎(chǔ)上[50],使用一種改進(jìn)的近似理想解排序法,來完成對UAV 節(jié)點(diǎn)的重要度評估,并在區(qū)域搜索時(shí)通過UAV 角色的動(dòng)態(tài)切換,使協(xié)同搜索收益和網(wǎng)絡(luò)連通性達(dá)到均衡,最終使用分布式滾動(dòng)時(shí)域優(yōu)化來完成每架UAV 的線上移動(dòng)計(jì)劃,從而達(dá)到多UAV 協(xié)同區(qū)域搜索的目的.

2 UAV 群編隊(duì)飛行

UAV 群編隊(duì)飛行是多架UAV 自主功能,UAV為了滿足任務(wù)需求,在特定結(jié)構(gòu)下形成一定隊(duì)形排列組織方式,它包括編隊(duì)感知、編隊(duì)通信和編隊(duì)決策控制等有關(guān)理論研究.

2.1 UAV 群編隊(duì)的感知與通信

態(tài)勢感知（situation awareness,SA）的研究通常集中在理論模型、評估、一致性方面.從理論模型上看,有人研究了以Endsley 三級模型為基礎(chǔ)的個(gè)體態(tài)勢感知[51];有人研究了以群體為基礎(chǔ)的群體態(tài)勢感知[52];也有人研究了以分布式態(tài)勢感知為基礎(chǔ)的模型（distributed situation awareness,DSA）[53].黃匆等從信息層面以及系統(tǒng)獲取信息能力的角度出發(fā),研究態(tài)勢感知模型的一致性[54].為了解決態(tài)勢感知中存在的不確定性問題,本文提出一種基于證據(jù)推理規(guī)則對態(tài)勢感知中的一致性進(jìn)行評價(jià),在置信結(jié)構(gòu)中對每一類指標(biāo)信息進(jìn)行統(tǒng)一處理,利用擾動(dòng)分析法對戰(zhàn)場環(huán)境進(jìn)行仿真研究[55].但是這些模型都沒有涉及到群體態(tài)勢感知的相關(guān)內(nèi)容.實(shí)際上,群體行為會導(dǎo)致局部認(rèn)知不一致,從而影響整體態(tài)勢判斷.分布式集群態(tài)勢感知為集群控制與決策提供了依據(jù),集群態(tài)勢協(xié)同感知的實(shí)現(xiàn)需要協(xié)同目標(biāo)探測,目標(biāo)識別與融合估計(jì)以及協(xié)同態(tài)勢了解與分享等技術(shù)[56].但這些模型都沒有考慮到網(wǎng)絡(luò)環(huán)境下各節(jié)點(diǎn)間可能存在不同程度的狀態(tài)不一致.因此,對態(tài)勢感知中狀態(tài)不一致性進(jìn)行建模是十分必要的.SORENSEN 對分布式態(tài)勢感知評估（測量）進(jìn)行研究[57].KALLONIATIS 等在文獻(xiàn)[58]中試圖把Endsley 的三級模型與DSA 模型聯(lián)合起來應(yīng)用,從而為DSA 模型的構(gòu)建提供一種思路.在此背景下,高楊等在文獻(xiàn)[59]中構(gòu)建了一個(gè)同構(gòu)與異構(gòu)的DSA,并對兩個(gè)模型進(jìn)行一致性分析及評價(jià)方法研究.經(jīng)過對UAV 群分布式感知數(shù)據(jù)進(jìn)行融合,要想較好地實(shí)現(xiàn)UAV 群內(nèi)部協(xié)同決策與控制,還要涉及到群內(nèi)部通信技術(shù)問題.

在對UAV 編隊(duì)通信進(jìn)行研究時(shí),UAV 間通信屬于端到端的技術(shù)（device to device,D2D）,主要是考慮UAV 間飛行自組網(wǎng)以及中繼通信.飛行自組網(wǎng)已開展了大量相關(guān)的研究工作,主要涉及空中機(jī)器人、無人駕駛航空自組網(wǎng)、UAV 自組網(wǎng)（UAANET）、UAV 網(wǎng)絡(luò)（networks of UAVs）和分布式航空傳感器網(wǎng)絡(luò)等[60].但是這些算法都存在著一定不足: 第一是不能保證傳輸?shù)目煽啃?第二是無法避免節(jié)點(diǎn)間由于碰撞而導(dǎo)致數(shù)據(jù)丟失或時(shí)延過大的現(xiàn)象發(fā)生.為了解決上述問題,本文提出一種新方法.在最優(yōu)鏈路狀態(tài)路由協(xié)議的基礎(chǔ)上,ALSHBATAT 等引入定向天線提出DOLSR,利用飛行信息（狀態(tài)變量、傾斜度和偏航程度）選擇路由以降低端到端的延遲[61].ROSATI 等在充分考慮UAV 間相對飛行速度的基礎(chǔ)上,通過GPS 信息為飛行自組網(wǎng)提出了一種基于預(yù)報(bào)的OLSR 協(xié)議（P-OLSR 協(xié)議）[62].P-OLSR 協(xié)議有效地減少丟包率和增加吞吐量.在此背景下,付有斌等著重對飛行自組網(wǎng)中多種通信協(xié)議進(jìn)行研究[63].CHEN 等采用等級法對UAV 飛行自組網(wǎng)進(jìn)行定性評價(jià)[64].WANG 等采用公式法,對UAV 飛行自組網(wǎng)進(jìn)行粗粒度定量評估[65].然而對于UAV 編隊(duì)通信系統(tǒng)而言,這些已有的研究成果還不能滿足實(shí)際應(yīng)用需要.本文對現(xiàn)有的有關(guān)UAV 編隊(duì)通信研究進(jìn)行分析與總結(jié),并指出存在的不足與未來發(fā)展方向.趙海濤等在多次迭代基礎(chǔ)上提出的UAV 飛行自組網(wǎng)的評價(jià)方法,對UAV 的學(xué)習(xí)與進(jìn)化能力做了進(jìn)一步定量描述[66].對于通信中繼問題,吳鐘博等提出了一種綜合考慮UAV 成員鄰近域和編隊(duì)成員之間社會性依存關(guān)系的最優(yōu)中繼選擇策略[67].也有把匹配博弈理論這一數(shù)學(xué)工具應(yīng)用于UAV通信中繼網(wǎng)絡(luò)中[68],來求解分布式的無線資源的優(yōu)化問題.這些研究成果都是針對單個(gè)節(jié)點(diǎn)進(jìn)行分析的,忽略了鏈路狀態(tài)對數(shù)據(jù)傳輸過程的影響;而對于系統(tǒng)整體性能而言,只有當(dāng)整個(gè)系統(tǒng)達(dá)到一定程度時(shí)才能獲得最優(yōu)解.曾弘揚(yáng)等將UAV 集群網(wǎng)絡(luò)能量效率作為優(yōu)化對象,在匹配博弈基礎(chǔ)上給出分布式多跳中繼路徑選擇算法[69].IBRAHIM 等在文獻(xiàn)[70]中提出了一種以UAV 網(wǎng)絡(luò)合作通信為驅(qū)動(dòng)力的可生存通信博弈方法,該博弈方法綜合考慮延遲、可實(shí)現(xiàn)率以及能源消耗指標(biāo).可以尋找最大化數(shù)據(jù)速率,最小化延遲,能量消耗等最優(yōu)路徑.每架UAV 嘗試在納什網(wǎng)絡(luò)上組成游戲,以單跳式或者多跳式構(gòu)建到達(dá)發(fā)射架路徑.純策略納什均衡算法下,每一架UAV 均能通過查看下一跳間所有可利用環(huán)節(jié),來制定最優(yōu)決策以最大化自身效用.針對上述混合網(wǎng)絡(luò)結(jié)構(gòu),提出了一種基于多目標(biāo)優(yōu)化算法的UAV 編隊(duì)通信方案,并通過仿真對該方案進(jìn)行了分析.結(jié)果表明,采用這種方法可以有效地降低系統(tǒng)復(fù)雜度.混合策略下,每架UAV 都會依據(jù)一個(gè)概率值來選擇其策略,這樣就可以避免構(gòu)建出的圖形中產(chǎn)生任意環(huán)路.

為均衡感知范圍融合與通信時(shí)延之間的關(guān)系,必須為UAV 集群編隊(duì)隊(duì)形制定適當(dāng)?shù)腢AV 群間通信網(wǎng)絡(luò)，來滿足感知范圍分享最大化與通信時(shí)延最小化的要求.提出一種基于多智能體系統(tǒng)理論的分布式協(xié)同組網(wǎng)算法（MAC）,并對其進(jìn)行了仿真驗(yàn)證.結(jié)果表明該方法能有效地解決上述問題.最后分析了不同拓?fù)浣Y(jié)構(gòu)下網(wǎng)絡(luò)性能的差異.例如,大規(guī)模UAV集群可設(shè)計(jì)分簇網(wǎng)絡(luò)或者分層網(wǎng)絡(luò)來降低通信時(shí)延.

2.2 UAV 群的編隊(duì)控制問題

編隊(duì)決策控制問題在編隊(duì)感知、通信基礎(chǔ)上進(jìn)行了進(jìn)一步研究,一般都涉及到編隊(duì)感知、通信等問題.由于UAV 具有機(jī)動(dòng)性強(qiáng)、續(xù)航時(shí)間長、隱蔽性好、作戰(zhàn)效能高等優(yōu)點(diǎn),在軍事領(lǐng)域得到了廣泛的應(yīng)用,尤其在偵察方面發(fā)揮著越來越重要的作用.當(dāng)前UAV 編隊(duì)隊(duì)形已經(jīng)有多種風(fēng)格,例如:“V 型”[71],“十字架形”“超天平形”“人字形”“鏢形”“三角形”等[72].

編隊(duì)控制解決了編隊(duì)穩(wěn)定、路徑規(guī)劃和多圖軌跡優(yōu)化等3 個(gè)難題[73].主要包括編隊(duì)集結(jié)、維持、轉(zhuǎn)換、避障4 部分.顧偉從航跡規(guī)劃角度出發(fā),以編隊(duì)集結(jié)、維持與轉(zhuǎn)換為目標(biāo),構(gòu)建最優(yōu)效率模型[74].當(dāng)前編隊(duì)決策控制主要分為集中式與分布式兩種類型,集中式可概括為領(lǐng)航-跟隨法與虛擬結(jié)構(gòu)法兩種模式,分布式可概括為行為控制法與人工勢場法兩種模式,并結(jié)合一致性理論進(jìn)行研究.分布式可分為3 種情況: 1）完全分散式;2）半集中型;3）混合式.其中,前兩類比較成熟且應(yīng)用廣泛.后一類則在理論上還有待完善.由于每種方法各有利弊,一些研究著手對以上5 種方法進(jìn)行整合,以期得到較優(yōu)的求解方式,其中,集中式與分布式混合算法尤為突出.主要從這兩種解決方法出發(fā)對當(dāng)今編隊(duì)控制研究進(jìn)行概述.

2.2.1 領(lǐng)航跟隨法

領(lǐng)航-跟隨法也可以稱為長機(jī)-僚機(jī)法.該控制策略以預(yù)設(shè)編隊(duì)結(jié)構(gòu)為基礎(chǔ),以長機(jī)航向速度、航向角及高度跟蹤為手段進(jìn)行僚機(jī)調(diào)整,以實(shí)現(xiàn)編隊(duì)隊(duì)形維持.與傳統(tǒng)控制方法相比,該方法具有響應(yīng)速度快、穩(wěn)定性好等優(yōu)點(diǎn);在系統(tǒng)出現(xiàn)故障時(shí)還能繼續(xù)工作而不需要更換舵面,因此,有很高的實(shí)用價(jià)值.另外它沒有考慮外界干擾問題.但它的魯棒性差,跟蹤誤差逐級后移和放大.

領(lǐng)航跟隨法可以分為4 種類型,第1 種方法是一個(gè)領(lǐng)航者引領(lǐng)多個(gè)跟隨者,這種方法也稱為長機(jī)模式,所有僚機(jī)都以編隊(duì)長機(jī)作為參考;第2 種方法是一個(gè)領(lǐng)航者引領(lǐng)一個(gè)跟隨者,這種方法也稱為前者模式,每架UAV 都以其前面的UAV 作為參考;第3 種方法是多個(gè)領(lǐng)航者引領(lǐng)多個(gè)跟隨者,是第1 種方法的拓展;第4 種方法是不僅存在領(lǐng)航者和跟隨者,還存在其他角色的UAV.PARK 等對一組沿圓形路徑飛行的UAV 進(jìn)行分析,將等距編隊(duì)問題考慮到領(lǐng)導(dǎo)追隨方法框架下[75],但是他們設(shè)計(jì)的控制律無法被證明具有穩(wěn)定性.本文主要討論前三種領(lǐng)航方式下的飛行控制系統(tǒng)設(shè)計(jì)與仿真.首先分析了領(lǐng)航過程中多機(jī)之間相對位置關(guān)系的變化情況,以及影響它們調(diào)整角度大小的因素,為后續(xù)建模打下基礎(chǔ).袁文以長-僚模式為基礎(chǔ),對多UAV 合作編隊(duì)控制問題進(jìn)行研究[76],采用引導(dǎo)點(diǎn)航跡引導(dǎo)的方法設(shè)計(jì)編隊(duì)隊(duì)形維持問題,以人工勢場法為基礎(chǔ)給出多步狀態(tài)預(yù)測沖突避免算法.嵇亮亮討論長機(jī)模式與前一種模式協(xié)同編隊(duì)控制技術(shù),以實(shí)現(xiàn)UAV 群編隊(duì)維持[77].XIE 等在文獻(xiàn)[78]中對多領(lǐng)航者、切換拓?fù)淙合到y(tǒng)自適應(yīng)隊(duì)形跟蹤進(jìn)行研究,并為實(shí)現(xiàn)隊(duì)形跟蹤引入分級灰太狼追蹤策略.展開領(lǐng)航跟隨法能夠分為4 種類型,第1 類方法是一個(gè)領(lǐng)航者帶領(lǐng)多個(gè)跟控器,這種方式也稱之為長機(jī)模式,每只UAV 均以編隊(duì)長機(jī)為參考.然后利用鄰近相對狀態(tài)信息,設(shè)計(jì)一種帶交換拓?fù)渥赃m應(yīng)編隊(duì)跟蹤協(xié)議,來證明群系統(tǒng)達(dá)到編隊(duì)跟蹤的充分必要條件.ZHAO 給出一個(gè)基于異構(gòu)角色分布式協(xié)調(diào)控制方案[79].基于分布式模型預(yù)測控制設(shè)計(jì)分布式協(xié)調(diào)控制方案框架.探討領(lǐng)導(dǎo)者、協(xié)調(diào)者以及追隨者等異質(zhì)角色對UAV 群協(xié)調(diào)控制性能的影響,并提出一種基于角色成本函數(shù)的UAV 群協(xié)調(diào)控制方法.針對不同作用的UAV 給出一套協(xié)調(diào)策略,來達(dá)到群體沖突化解的目的.

2.2.2 虛擬結(jié)構(gòu)法

虛擬結(jié)構(gòu)法是為UAV 編隊(duì)建立虛擬的長機(jī)或者虛擬的幾何中心,編隊(duì)內(nèi)的UAV 均參考虛擬長機(jī)或者虛擬幾何中心進(jìn)行移動(dòng),LEWIS 等于1997 年最先提出.但綜合虛擬長機(jī)并得到鄰機(jī)位置要求通信質(zhì)量高、計(jì)算能力強(qiáng),導(dǎo)致編隊(duì)可靠性差[80],因此,有必要加以改進(jìn).CHANG 在文獻(xiàn)[81]中把虛擬結(jié)構(gòu)法分解為剛性虛擬結(jié)構(gòu)法與彈性虛擬結(jié)構(gòu)法兩大類,剛性結(jié)構(gòu)法產(chǎn)生直線向量,彈性結(jié)構(gòu)法產(chǎn)生曲線.秦澍祺等針對實(shí)際場景下并非所有UAV 均可接收虛擬領(lǐng)航者的信息問題[82],依據(jù)通信拓?fù)渚W(wǎng)絡(luò)設(shè)計(jì)了一種基于分布式虛擬結(jié)構(gòu)的方法,并在此基礎(chǔ)上依據(jù)一致性編隊(duì)控制律使整個(gè)集群編隊(duì)趨于平穩(wěn).張佳龍等在反步推演法的基礎(chǔ)上,設(shè)計(jì)虛擬協(xié)同導(dǎo)引控制律來求解多UAV 的快速隊(duì)形重構(gòu)問題,并迅速到達(dá)穩(wěn)定狀態(tài)[83].而通過與模型預(yù)測控制方法、拉普拉斯方法（Laplace）的比較,得出動(dòng)態(tài)響應(yīng)迅速且穩(wěn)態(tài)誤差較低的結(jié)論.CAI 等在虛擬目標(biāo)點(diǎn)指導(dǎo)下,提出一種分布式模型預(yù)測控制方法[84],并為減輕UAV 編隊(duì)計(jì)算負(fù)擔(dān)考慮狀態(tài)預(yù)測誤差與代價(jià)函數(shù)收斂性事件觸發(fā)機(jī)制.符小衛(wèi)等針對切換拓?fù)渚W(wǎng)絡(luò)中UAV集群系統(tǒng)避障控制問題開展了研究,提出了基于聯(lián)盟的UAV 集群避障控制算法,并采用一種新的柔性協(xié)同策略,來構(gòu)建分布式虛擬環(huán)境下基于合作博弈的無人智能體系統(tǒng).

虛擬結(jié)構(gòu)法可劃分為兩種編隊(duì)控制方式: 一是每個(gè)UAV 跟隨一個(gè)特定的虛擬引導(dǎo)點(diǎn),可以得到UAV 群所設(shè)計(jì)編隊(duì).這種方式下的約束條件是UAV群必須是對稱的,并且能夠通信的UAV 之間的距離是固定且相等的;二是所有UAV 只跟隨一個(gè)特定的虛擬引導(dǎo)點(diǎn),此時(shí)不能直接定義編隊(duì)結(jié)構(gòu),但會根據(jù)初始條件和設(shè)計(jì)的函數(shù)產(chǎn)生一個(gè)平衡的編隊(duì).這種方式下要求任務(wù)UAV 之間不存在沖突,并且每個(gè)UAV至少有一個(gè)互相通信的UAV.

3 多UAV 群研究的未來展望

多UAV 群的任務(wù)規(guī)劃是編隊(duì)飛行的基礎(chǔ),為不同UAV 群提供預(yù)先飛行規(guī)劃.多UAV 群的編隊(duì)飛行是對任務(wù)規(guī)劃的重規(guī)劃,更有利于應(yīng)對飛行途中的實(shí)際情況.兩者相輔相成,共同實(shí)現(xiàn)多UAV 群重規(guī)劃和再規(guī)劃的不斷迭代.按復(fù)雜度區(qū)分為考慮編隊(duì)飛行的多UAV 群航跡規(guī)劃和任務(wù)規(guī)劃,并對兩者所涉及到的關(guān)鍵技術(shù)進(jìn)行展望,如圖1 所示.

圖1 多UAV 群任務(wù)規(guī)劃和編隊(duì)飛行的關(guān)系Fig.1 The relationship between multiple UAV swarm mission planning and formation flying

3.1 考慮編隊(duì)飛行的多UAV 群航跡規(guī)劃

LI 和FANG 等提出了一種以虛擬點(diǎn)為單位進(jìn)行編隊(duì)決策并對鴿子行為進(jìn)行改進(jìn)的道路規(guī)劃方法,該方法通過構(gòu)建直線形、V 字形以及圓形3 種編隊(duì),來確保UAV 群在有增加或減少時(shí)能夠安全跨越5 種障礙（單個(gè)、多個(gè)、陷阱、持續(xù)、動(dòng)態(tài)）[86].許洋等提出了一種基于自適應(yīng)分布式模型預(yù)測控制的快速粒子群優(yōu)化[87],采用虛擬結(jié)構(gòu)法與領(lǐng)航跟隨法結(jié)合的策略,提出了虛擬編隊(duì)引導(dǎo)點(diǎn),對多UAV 進(jìn)行自適應(yīng)編隊(duì)控制.最后根據(jù)模型預(yù)測控制的思想,結(jié)合分布式控制方法,將協(xié)同航跡規(guī)劃轉(zhuǎn)化為滾動(dòng)在線優(yōu)化問題.張洪海等提出了一個(gè)基于路徑-速度解耦的UAV 編隊(duì)協(xié)同軌跡規(guī)劃方法[88].在路徑規(guī)劃階段設(shè)計(jì)了預(yù)瞄距離自適應(yīng),在速度規(guī)劃階段設(shè)計(jì)了基于災(zāi)變策略下的遺傳算法（避免UAV 沖突）.最后通過柵格法和Dubins 曲線,仿真了二維平面下UAV 跟隨指定的隊(duì)形.

考慮針對編隊(duì)飛行的航跡規(guī)劃研究存在不少,但大部分只是討論多UAV 組成一個(gè)編隊(duì)進(jìn)行航跡規(guī)劃的問題,未來面對多UAV 群運(yùn)用的要求,需要作出相應(yīng)的改變.本文從3 個(gè)方面闡述研究多UAV 群航跡規(guī)劃需要注意和改進(jìn)的地方.

3.1.1 UAV 群通信、感知功能

為了實(shí)現(xiàn)UAV 群的全自主決策,UAV 群的通信功能必不可少.UAV 群的通信功能在于群內(nèi)信息交流和群間信息交流,相同UAV 的通信范圍應(yīng)該是以rc為半徑的球體,在UAV 群內(nèi)可以采用拉普拉斯矩陣l=[lij]表示UAV 間的通信關(guān)系,當(dāng)UAVi與UAVj存在通信鏈路時(shí),lij=-1;不存在通信鏈路時(shí)lij=0 ;則當(dāng)i=j 時(shí),.為了讓群內(nèi)所有UAV 可以間接通信,UAV群內(nèi)的通信要求是通信鏈路中必然包含一個(gè)完整節(jié)點(diǎn)的可行樹.而群間UAV 的信息交流,需要滿足存在一對所屬不同編隊(duì)的UAVi,j建立通信關(guān)系,即.但UAV 群在途中僅僅考慮基礎(chǔ)通信是不完備的,由于通信存在延遲、噪音、競爭等問題,必然也帶來更復(fù)雜的建模和新的研究內(nèi)容,比如最大容許時(shí)延、競爭信息發(fā)布等問題.由于通信功能可能受環(huán)境影響導(dǎo)致中斷,所以UAV 群應(yīng)具備感知功能.

UAV 群的感知功能在于輔助群內(nèi)決策和感知外部障礙,相同UAV 的感知范圍應(yīng)該是以rv為半徑的球體.群內(nèi)UAV 的互相感知,是為了通過觀察UAV 之間的距離來判斷UAV 是否到達(dá)指定位置.基于群內(nèi)通信,群外的感知是每個(gè)UAV 感知范圍的疊加,則每個(gè)UAV 共享群感知范圍,只要任一UAVi,j發(fā)現(xiàn)障礙物,即.但UAV群在途中僅僅考慮基礎(chǔ)通信是不完備,所有UAV 即可獲得該障礙物位置信息.未來UAV 感知范圍可以結(jié)合視覺、慣性、動(dòng)力等相關(guān)測量技術(shù).

3.1.2 UAV 群編隊(duì)隊(duì)形和變換避障

為避免UAV 群中機(jī)與機(jī)之間發(fā)生沖突,需要設(shè)置安全距離jl,由于UAV 編隊(duì)不一定是在同一個(gè)平面,所以每個(gè)UAV 之間的空間距離必須大于等于jl,如式（1）.則每個(gè)UAV 群必然有一個(gè)機(jī)群大小,本文以安全距離作為UAV 編隊(duì)的依據(jù),主要探討常見的3 種編隊(duì)隊(duì)形: 一字形、“人”字型和正多邊形.一字形是所有UAV 在水平方向或豎直方向上呈一條直線,相鄰UAV 之間的距離為安全距離.“人”字型是所有UAV 構(gòu)造成兩條均勻分布的交線,并且交點(diǎn)處有一個(gè)UAV,每條交線上相鄰UAV 之間的距離為安全距離,此時(shí)只有保證兩交線夾角大于等于60°,才能保證所有UAV 之間距離大于等于安全距離.當(dāng)UAV 數(shù)量為奇數(shù)時(shí),“人”字型編隊(duì)的UAV 群是對稱的;當(dāng)UAV 數(shù)量為偶數(shù)時(shí),“人”字型編隊(duì)的UAV 群必然有一條交線中多一個(gè)UAV.正多邊形則是UAV構(gòu)造成正多邊形的邊,并且每個(gè)頂點(diǎn)上有一個(gè)UAV,每條邊上相鄰UAV 之間的距離為安全距離,由于正多邊形的每個(gè)內(nèi)角都大于等于60°,所以每個(gè)UAV之間的距離一定大于等于安全距離.使用正多邊形編隊(duì)時(shí),要根據(jù)UAV 數(shù)量能整除的最小整數(shù),來確定具體的正多邊形,所以只存在為質(zhì)數(shù)的正多邊形.

UAV 群在避障時(shí)有兩種選擇: 保持編隊(duì)隊(duì)形和不保持編隊(duì)隊(duì)形.在保持編隊(duì)隊(duì)形情況下避障時(shí),始終保持每個(gè)UAV 的速度、航向角和俯仰角一致,位置狀態(tài)必須保持相對穩(wěn)定.而在不保持編隊(duì)隊(duì)形避障時(shí),按約束情況由高到低可以分為3 種情況: 一是由某種編隊(duì)隊(duì)形變換為另一種編隊(duì)隊(duì)形,例如由正多邊形編隊(duì)變換為一字形編隊(duì);二是由某種編隊(duì)隊(duì)形變換為通信約束范圍內(nèi)的不規(guī)則隊(duì)形,即在滿足所有UAV 組成的通信鏈路中是一個(gè)完整的可行樹前提下,每個(gè)UAV 在動(dòng)力學(xué)約束下可以前往任意空間位置;三是部分UAV 可以脫離編隊(duì)通信約束,獨(dú)自進(jìn)行避障過程,在避障完成后再通過GPS 等定位信息與UAV 群匯合.

3.1.3 UAV 群之間的沖突

基于時(shí)間的四維空間下,兩個(gè)UAV 群若在某時(shí)段[t0,t1]內(nèi)航跡的最近點(diǎn)tr 小于群間安全距離Rsafe（水平和豎直兩方面）,則代表這兩個(gè)UAV 群之間存在飛行沖突,沖突表達(dá)式如式（2）,其中,g=1 代表產(chǎn)生沖突.

一般來說,將高等級UAV 群作為低等級UAV群的虛擬障礙物,虛擬障礙物的構(gòu)建如下所示: 每個(gè)UAV 會產(chǎn)生一個(gè)以Rsafe為半徑的虛球障礙[89],則在滿足所有UAV 虛球障礙的條件下,擴(kuò)充將其形成封閉立體空間,形成UAV 群虛擬障礙物.不同編隊(duì)隊(duì)形的虛擬障礙物形式不同,在保持不影響沖突的前提下,通過將其外形進(jìn)行平滑處理,可以極大提升求解效率: 在同一線段上的UAV 使用線段長度為長,虛球半徑為寬和高的圓柱體替代多個(gè)UAV 虛球,則整個(gè)UAV 編隊(duì)的虛擬障礙物可以由邊為圓柱體,頂點(diǎn)處為球缺圍成.一字形編隊(duì)由一個(gè)圓柱體和兩個(gè)半圓體拼接而成,“人”字型編隊(duì)由兩個(gè)圓柱體、一個(gè)四分之一圓體和兩個(gè)半圓體拼接而成,正n 邊形編隊(duì)由n 個(gè)圓柱體和n 個(gè)四分之一圓體拼接而成.

最近點(diǎn)距離dmin判別方式: 首先計(jì)算編隊(duì)間每個(gè)頂點(diǎn)之間距離,找到最近距離d1的兩個(gè)點(diǎn),.然后找到距離a1第2 近的點(diǎn),找到距離b1第2 近的點(diǎn),由a1和a2組成線段A12,由b1和b2組成線段B12.

則p 點(diǎn)到b1的距離dpb1為

對式（4）求最小值:

得到點(diǎn)b1到線段A12的最短距離d2=mindpb1.同理可得到點(diǎn)a1到線段B12的最短距離d3=mindqa1（q為線段B12上的任意一點(diǎn)）.最終可以判斷兩個(gè)編隊(duì)間的最近距離.

3.2 考慮編隊(duì)飛行的多UAV 群任務(wù)規(guī)劃

尚沒有完全深入研究編隊(duì)飛行對多UAV 群任務(wù)規(guī)劃的影響.關(guān)啟學(xué)等基于向量場法提出了一種基于多任務(wù)執(zhí)行的UAV 編隊(duì)路徑重構(gòu)方法[90],但沒有具體分析編隊(duì)約束和編隊(duì)控制,而僅僅是簡單分析了路徑的重構(gòu)方法.SHIN 等討論了UAV 群中的任務(wù)分配、通信網(wǎng)絡(luò)和編隊(duì)控制[91],提出了一個(gè)分布式?jīng)Q策的范式,但仍沒有具體探討多UAV 群任務(wù)規(guī)劃產(chǎn)生的新問題.UAV 群作為一個(gè)整體,雖然可以簡化UAV 與需求多對一映射關(guān)系為一對一關(guān)系,更好地實(shí)現(xiàn)任務(wù)規(guī)劃,但也會帶來許多新的研究問題.下面將從3 個(gè)方面對考慮編隊(duì)飛行的多UAV 群任務(wù)規(guī)劃與多UAV 任務(wù)規(guī)劃相對比,提出未來可以著手的新研究.

3.2.1 任務(wù)規(guī)劃目標(biāo)的新內(nèi)容

從任務(wù)目標(biāo)方面去觀察,將會產(chǎn)生編隊(duì)變化效率、編隊(duì)生存力等新研究內(nèi)容.在編隊(duì)變化效率目標(biāo)中可以分成兩類進(jìn)行研究: 一是最小能耗變化;二是最短時(shí)間變換.一般在考慮成本的任務(wù)規(guī)劃目標(biāo)中,將會加入最小能耗變換的新目標(biāo),而在考慮最快到達(dá)目標(biāo)點(diǎn)的任務(wù)規(guī)劃目標(biāo)中,將會加入最短時(shí)間變換的新目標(biāo).編隊(duì)生存力是指UAV 群在部分UAV失效后仍能具有一定完成任務(wù)的能力,這就是UAV群自身帶有的抗毀性,其值在任務(wù)規(guī)劃目標(biāo)中越大越好.比如在某些威脅因素區(qū)域,首先要判斷是否進(jìn)入威脅區(qū)域,當(dāng)選擇進(jìn)入威脅區(qū)域時(shí),要決定采用何種編隊(duì)隊(duì)形和航跡規(guī)劃通過威脅區(qū)域,以保證較大的編隊(duì)生存力.

而在多UAV 群中,由于不同UAV 群可能存在航跡的競爭,還可能存在不同等級,所以未來多UAV群的任務(wù)規(guī)劃復(fù)雜度將比多UAV 和單UAV 群更大.

3.2.2 任務(wù)規(guī)劃內(nèi)容的新問題

當(dāng)確定了任務(wù)目標(biāo)的新內(nèi)容后,就要具體研究考慮多UAV 群的任務(wù)規(guī)劃內(nèi)容的新問題,可以從編隊(duì)出發(fā)前的初始預(yù)規(guī)劃和途中重規(guī)劃兩方面探討.在初始預(yù)規(guī)劃階段,不僅需要通過需求數(shù)量判斷機(jī)群中UAV 的數(shù)量,還要通過任務(wù)目的設(shè)計(jì)最有效的基礎(chǔ)編隊(duì)隊(duì)形.要考慮多方面因素如任務(wù)重要度等劃分UAV 群等級,還要針對不同編隊(duì)隊(duì)形設(shè)計(jì)不同的通信拓?fù)浣Y(jié)構(gòu).

由于UAV 群體系龐大,更容易遇到突發(fā)情況,所以必須采用途中在線重規(guī)劃階段,以滿足UAV 群自組織、自學(xué)習(xí)、抗毀性等特性.比如,當(dāng)UAV 群在飛行途中部分UAV 摧毀,首先反饋到任務(wù)分配中判斷是否有必要繼續(xù)執(zhí)行任務(wù),因?yàn)楫?dāng)UAV 數(shù)量少于一定閾值時(shí),將不能保證完成任務(wù).然后進(jìn)行航跡重規(guī)劃,最后調(diào)整編隊(duì)飛行.而在某些沒有時(shí)間窗等硬性約束的任務(wù)情況下,UAV 群的途中重規(guī)劃可以不反饋到任務(wù)分配中,而只進(jìn)行航跡和編隊(duì)重規(guī)劃.相比預(yù)規(guī)劃階段的新問題,途中重規(guī)劃的新問題才是考慮編隊(duì)飛行的重點(diǎn)和難點(diǎn),如圖2 所示.一是實(shí)時(shí)調(diào)整UAV 編隊(duì)隊(duì)形,UAV 群在飛行途中可能存在多種不同的編隊(duì)隊(duì)形,以適應(yīng)任務(wù)目標(biāo);二是根據(jù)編隊(duì)調(diào)整的狀態(tài),實(shí)時(shí)調(diào)整通信拓?fù)浣Y(jié)構(gòu);三是存在UAV群的解散和集合,當(dāng)某UAV 群因任務(wù)失敗而解散前往協(xié)助其他UAV 群執(zhí)行任務(wù)時(shí),就需要考慮具體時(shí)間點(diǎn)和空間點(diǎn)與其他UAV 群集合.

圖2 多UAV 群任務(wù)規(guī)劃內(nèi)容的新問題Fig.2 New problems of multiple UAV swarm mission planning content

3.2.3 任務(wù)規(guī)劃算法的新改變

針對初始預(yù)規(guī)劃和途中重規(guī)劃的不同階段,需要設(shè)計(jì)相對應(yīng)的集中式和分布式算法.集中式算法和分布式算法都可以運(yùn)用于初始預(yù)規(guī)劃和途中重規(guī)劃中,但由于初始預(yù)規(guī)劃和途中任務(wù)重分配考慮的內(nèi)容多而且有通信延遲等限制,所以集中式算法主要運(yùn)用于初始預(yù)規(guī)劃和途中任務(wù)重分配.而在途中航跡、編隊(duì)重規(guī)劃中更看重效率和自主性,所以分布式算法主要運(yùn)用于途中航跡和編隊(duì)重規(guī)劃.集中式算法和分布式算法已經(jīng)較為成熟,這里進(jìn)一步強(qiáng)調(diào)近年來興起的分層分布式算法,該算法與UAV 群的途中重規(guī)劃有很好的貼合度,不僅能得到較好的UAV 群體決策結(jié)果,還能更快速、高效地求解結(jié)果.ZHANG 等在研究多UAV 路徑規(guī)劃問題上,考慮了一個(gè)包含4 個(gè)等級的社會鴿群算法[92].分層分布式算法可以引入群體決策中的一些優(yōu)化思想,作為一個(gè)新的群體算法.Máté 在研究鴿群等級中發(fā)現(xiàn)分層的飛行領(lǐng)導(dǎo)模式并不是建立在分層的社會優(yōu)勢結(jié)構(gòu)之上[93].基于這個(gè)思想啟發(fā),UAV 群中的UAV 等級應(yīng)該隨著時(shí)間而不斷變化,這個(gè)等級變化要從歷史決策、當(dāng)前狀態(tài)等相關(guān)屬性中產(chǎn)生.未來將分層分布式算法結(jié)合群體決策的優(yōu)化思想運(yùn)用到考慮編隊(duì)飛行的多UAV群途中任務(wù)重規(guī)劃中,將有助于利用群體決策的涌現(xiàn)性,實(shí)現(xiàn)既高效又簡單的仿生算法,如圖3 所示.

圖3 多UAV 群運(yùn)用的新算法流程圖Fig.3 New algorithm flowchart of the multiple UAV swarm application

4 結(jié)論

在UAV 群任務(wù)規(guī)劃的研究現(xiàn)狀中,一是發(fā)現(xiàn)UAV 任務(wù)分配已涉及多方面研究領(lǐng)域;二是發(fā)現(xiàn)UAV 航跡規(guī)劃可以區(qū)分為離線和在線兩個(gè)方面的研究;三是在UAV 群任務(wù)規(guī)劃中發(fā)現(xiàn)存在3 種研究方式.在UAV 群編隊(duì)飛行的研究現(xiàn)狀中,從編隊(duì)感知通信和編隊(duì)控制兩部分綜述,編隊(duì)感知通信是編隊(duì)控制的基礎(chǔ),并且在編隊(duì)控制中發(fā)現(xiàn)可以分為5 種控制方法.最后討論了多UAV 集群融合任務(wù)規(guī)劃和編隊(duì)飛行的新研究方向和相關(guān)問題,在考慮編隊(duì)飛行的多UAV 群航跡規(guī)劃中,主要提出了一種解決UAV 群之間的沖突解決方式;在考慮編隊(duì)飛行的多UAV 群任務(wù)規(guī)劃中,提出了目標(biāo)的新內(nèi)容、內(nèi)容的新問題和算法的新改變.