[发明专利]战场环境下多无人机时敏任务动态分配方法

摘要

本发明公开了一种多无人机时敏任务动态分配算法，可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。

主权项

战场环境下多无人机时敏任务动态分配方法，其特征如下，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发送给Leader_UAV，cost_auction包括Follower_UAV与TST之间的距离d、Follower_UAV执行TST打击任务的时间t、Follower_UAV对TST的毁伤能力Damage以及Follower_UAV打击TST的收益VLR；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；durationj(k)＝durationj(k‑1)+variationij    (1)式中，durationj表示TSTj的时间窗口宽度，variationij表示Follower_UAVi执行当前任务对TSTj的时间窗口宽度的影响；cost_auctionij(k)=dij(k)/(max(dij(k)))+Damageij(k)+VLRij(k)+(max(tij(k)))/tij(k)+(max(P_threatij(k)))/P_threatij(k)---(2)]]>假设V＝{1,2,…,N}为Follower_UAVs的集合，则编队中UAVs的数量为N+1，T＝{1,2,…,M}为TST的集合；式中，dij表示Follower_UAVi与TSTj之间的距离，i∈V，j∈T；tij表示Follower_UAVi执行TSTj打击任务时间；Damageij表示Follower_UAVi对TSTj的毁伤能力；VLRij表示Follower_UAVi打击TSTj的收益，它是Damageij和载弹量Loadi的函数，其表达式如式(3)所示；P_threatij表示TSTj对Follower_UAVi的威胁概率，将通过TSTj的雷达对Follower_UAVi的瞬时跟踪概率Pdij在累计时间段Ts上的积分获得，其表达式如式(4)所示：VLRij(k)=VLRij(k-1)·Loadi(k)-Loadi(k-1)Damageij(k)-Damageij(k-1)---(3)]]>式中，Loadi(k)和Loadi(k‑1)分别表示Follow_UAVi当前时刻与前一时刻的载弹量；P_threatij(k)=Σk=c_t-Tsc_tPdij(k)---(4)]]>式中，c_t为当前的采样时刻，Ts为瞬时概率的累计时间段，Pdij是TSTj的雷达对Follower_UAVi的瞬时跟踪概率，其表达式如式(5)所示；Pdij=1/[1+(c2jdij4/σi)c1j]dij<Rjmax0dij≥Rjmax---(5)]]>式中，dij是Follower_UAVi与TSTj之间的距离，Rjmax是TSTj雷达的有效探测距离，c1j，c2j是常数，由TSTj的雷达类型确定；σi是Follower_UAVi的雷达散射截面积(Radar Cross Section,RCS)，UAV的RCS是关于UAV航向与TST水平方向的夹角λ，TST与UAV间的俯仰角侧向加速度与重力加速度比值μ的函数，其表达式如式(6)、(7)、(8)所示；σ=π·a2b2c2(a2sin2λecos2μe+b2sin2λesin2μe+c2cos2λe)2---(6)]]>a、b、c是计算无人机的雷达散射截面积的参数，由目标的类型的形状、结构及材料的特征参数决定；Leader_UAV根据cost_auction完成任务分配，若Follower_UAV接到Leader_UAV下发的任务，需计算其与执行TST之间的距离，如果该距离小于等于开始执行打击任务的最短距离D_start，则Follower_UAV开始打击，并在原地盘旋直到目标击毁；否则，Follower_UAV利用MPC算法进行打击路径规划，根据飞行器的运动学方程，建立非线性的预测模型如式(9)、(10)、(11)、(12)、(13)所示；x(k+1)＝x(k)+s·cos(φ(k+1))·cos(θ(k+1))    (9)y(k+1)＝y(k)+s·sin(φ(k+1))·cos(θ(k+1))    (10)z(k+1)＝z(k)+s·sin(θ(k+1))    (11)φ(k+1)＝φ(k)+φ0·uφ(k)，Uφmin≤uφ≤Uφmax    (12)θ(k+1)＝θ(k)+θ0·uθ(k)，Uθmin≤uθ≤Uθmax    (13)式中，(x,y,z)表示位置；s表示当前导航点和下一导航点之间的直线距离；φ是方位角，φ0是常量，表示方位角的变化步长，uφ是方位角的控制量，Uφmin，Uφmax是方位角控制量的边界；θ是俯仰角，θ0是常量，表示俯仰角的变化步长，uθ是俯仰角的控制量，Uθmin，Uθmax是俯仰角控制量的边界；uφ，uθ是通过滚动优化路径代价函数cost_path获得的最优控制量，路径代价函数cost_path由状态误差代价、TST雷达造成的威胁代价和控制域内的控制代价构成，cost_path中的各元素表达式如式(14)所示；cost_pathij(k)＝αcijT(k)Cicij(k)+βP_threatij(k)+γuT(k)u(k)  (14)式中，cij(k)表示Follower_UAVi与TSTj之间的距离代价，即cij(k)＝(xi‑xj,yi‑yj,zi‑zj)T，α为其权值，Follower_UAV和TST的位置采用三维坐标表示，(xi,yi,zi)T表示Follower_UAVi的位置，(xj,yj,zj)T表示TSTj的位置；TSTj的位置Sj(k)＝(xj,yj,zj)T表示参考轨迹，Ci为Follower_UAVi与TST之间的距离代价加权矩阵；P_threatij表示TSTj对Follower_UAVi的威胁概率，β为其权值；u(k)为控制量，γ为其的权值。