[发明专利]战场环境下多无人机时敏任务动态分配方法

说明书

技术领域

本发明涉及一种分配算法，尤其涉及一种战场环境下多无人机时敏任务动态分配算法。

背景技术

时间敏感型目标简称时敏目标(Time-sensitive Targets,TST)，主要指必须在有限的“时间窗口”或“交战机会”内完成发现、定位、识别和打击的目标。由于TST的状态特征存在很强的不确定性，使得无人机(Unmanned Aerial Vehicle,UAV)编队在打击该类型目标时，需要根据TST的时间窗口宽度及当前状态，UAVs的性能及有效载荷差异，及时进行任务和打击路径的动态优化，以保证UAVs编队执行时敏任务收益的最大化。

目前，研究人员针对UAVs执行任务的耦合性与时间敏感特征，UAVs系统的异构性与分散特征，提出了许多任务动态分配算法，如：分布式任务一致性算法、任务动态规划算法、基于适应度优化的任务分配算法、基于市场拍卖的任务分配算法和基于博弈论的任务分配算法等。其中，由美国麻省理工学院航空控制实验室Jonathan How、Han-LimChoi等人提出的捆绑一致性算法(Consensus-based Bundle Algorithm,CBBA)受到了广泛关注。该算法将组合拍卖机制和分布式任务一致性理论相结合，能够在任务耦合的条件下实现异构多智能体组合任务分配。该实验室在CBBA的基础上，进一步开发出CCBBA(Coupled-Constraint Consensus-Based Bundle Algorithm)。该算法引入了智能体执行任务时间，使CBBA具备了时敏任务分配能力。上述方法都是在TST时间窗口固定的假设条件下，利用进化算法或贪婪搜索算法获得最优解，缺乏TST时间窗口随时间变化的情况下任务动态分配能力，这将影响UAVs对TST打击的效果。

发明内容

针对上述问题，本发明提出一种多无人机时敏任务动态分配算法，实现战场环境下多架无人机对多个时敏目标的打击。该算法利用任务拍卖思想构建时敏任务动态分配模型，该模型主要考虑了无人机的任务执行时间、毁伤能力、打击收益，以及执行当前任务对后续时敏任务时间窗口宽度和威胁程度的影响；无人机打击路径规划采用模型预测控制算法实现，主要完成无人机对威胁区域规避下的打击路径优化。

为达到上述技术目的，本发明采用了一种战场环境下多无人机时敏任务动态分配算法，UAVs编队采用Leader-Follower结构执行TST打击任务，Leader_UAV主要承担决策者的角色，Follower_UAV承担打击者的角色。Leader_UAV将根据时敏任务变化情况，以及Follower_UAV执行任务时间、毁伤能力和打击收益等因素完成编队任务分配。在Leader_UAV任务分配的基础上，Follower_UAV将依照任务内容完成飞行路径规划和对TST打击，以Leader_UAV充当任务拍卖者，Follower_UAV充当竞拍者。Follower_UAV将各自的竞拍价格矩阵cost_auction(包括：与TST之间的距离d、执行执行TST打击任务的时间t、对TST的毁伤能力Damage以及打击收益VLR)发送给Leader_UAV。在此基础上，Leader_UAV在TST时间窗口宽度duration的约束下，根据cost_auction对竞拍者进行选择，完成任务分配。duration受Follower_UAV执行当前任务的影响，其表达式如式(1)所示。cost_auction中的各元素表达式如式(2)所示。

duration_j(k)＝duration_j(k-1)+variation_ij   (1)

式中，duration_j表示TST_j的时间窗口宽度，variation_ij表示

Follower_UAV_i执行当前任务对TST_j的时间窗口宽度的影响。

cost_auction_ij(k)＝d_ij(k)/max(d_ij(k))+Damage_ij(k)

+VLR_ij(k)+max(t_ij(k))/t_ij(k)      (2)

+max(P_threat_ij(k))/P_threat_ij(k)