多无人机自主协同任务规划

第1章 绪论 无人机(unmanned aerial vehicle， UAV)作为一种新型的空中力量，在军事领域(如搜索、侦察、打击)和民用领域(如搜救、监测)都有着广阔的应用前景，特别是在危险、偏远或恶劣的环境下，无人机系统已开始逐渐替换有人机系统。在现代战争中，面对复杂多变的战场环境，通过多无人机协同控制，可实现无人机集群整体作战效能远大于单无人机独立作战效能的总和，这大大加速了战争形态向无人化、智能化演进。2018年1月，叙利亚反对派从50km外远程操控13架无人机对俄驻叙利亚的赫梅米姆空军基地和塔尔图斯海军基地发起攻击。2019年9月，正在也门与胡塞武装激战的沙特，其国内石油设施突然遭到18架无人机及其引导的导弹袭击，袭击造成沙特石油产能减半，世界油价上涨近20%，可谓以小博大。在2020年9月的纳卡冲突中，阿塞拜疆军队大量使用 TB2察打一体无人机、“哈洛普”无人机、安-2无人机等对亚美尼亚的防空系统、坦克、炮兵阵地等进行毁灭性打击，成为无人机主导胜负的典型案例。 与单无人机相比，多无人机协同具有明显的优势。例如，在军事侦察中，多无人机可通过不同视角对目标进行全方位感知，从而提高信息的准确性和完整性；在战场攻击中，多架无人机可同时对敌方目标进行多方位攻击，提高杀伤力和命中率；部分无人机失去任务能力时，整个机群仍可以通过重组和任务重分配等来继续保持任务能力。 但与单无人机相比，多无人机协同执行任务时所需处理的信息量大幅增加，协同控制计算复杂性显著提高，传统计算方法已很难满足要求。研究高效的多无人机自主协同任务规划方法，对提升无人机运用水平、拓展无人机军事应用场景、提高非对称作战能力，具有重要的理论价值和实践意义。 1.1 无人机的自主性和自主控制 1.1.1 无人机的自主性 无人系统是由机械、控制、计算机、通信和材料等相关技术融合而成的复杂系统，自主和智能是智能无人系统两个昀重要的特征。 美国国防部2018年8月发布了《2017—2042年无人系统综合路线图》[1]，主要从互用性、自主性、安全网络和人机协同四个主题分析了无人系统面临的问题、挑战、机遇及其需重点发展的关键技术。该路线图将自主性定义为无人系统根据其对世界、自身和环境的知识和理解，独立地制定和选择不同的行动方案，以达成目标的能力。 早期的机器人通常仅具有自动化功能，随着人工智能和机器学习技术的进步，逐步开发出具有更高水平自主功能的系统，未来无人系统将从远程控制和自动化系统，发展到支持任务所需的几乎完全自治的系统。 自主性是自动化的高级阶段，自主是基于信息和知识驱动的，无人系统根据任务需求自主完成“感知—判断—决策—执行”的动态过程，能够应对意外情形和新任务，并对失败具备一定程度的容忍性。自主性的提升将极大地提高有人/无人系统相互协作的效率和有效性，一般来说，自主性等级可分为4个层级[2]，如表1.1所示。 表1.1 自主性的4个层级 军队作战无人系统通常包括无人机、无人地面车辆、无人水面艇和无人潜航器等四类，可遂行情报-监视-侦察、排爆、城市反恐、反水雷、反潜、反水面艇、追踪敌方威胁、核生化探测、武装打击等多种任务。无人系统具有物理环境适应能力强、风险小、代价低、非接触、无人伤亡、长续航、多功能、自主可控、可成组编队等特点，将极大地扩展有人平台的作战能力，成为信息化、网络化战争的重要节点，改变传统战争模式[3]。 无人机是昀常见的军队作战无人装备，严格来说其全称应为无人机系统(unmanned aircraft system， UAS)，通常是指由飞机平台系统、飞行控制与管理分系统、任务设备分系统、通信与数据链系统、地面控制站及保障系统组成的系统。无人机系统的自主性可以被定义为无人机系统自身集成传感、感知、分析、通信、计划、决策、行动/执行的能力，通过设计的人机界面或与无人机系统通信的其他系统，实现人类操作员指定的目标[4]。 1.1.2 无人机的自主控制 无人机个体的自主控制能力是无人机集群协同作战的技术基础，它将逐步从简单的遥控、程控方式向人机智能融合的交互控制，甚至全自主控制的方式发展，并将具备集群协同执行任务的能力。 无人机自主控制可以理解为非结构化环境、非预设态势、非程序化任务等各种不确定条件下的“高度”自动控制。换言之，就是在没有人工/外部干预的条件下，无人机能通过在线环境/态势的感知和信息处理，自主生成优化的控制与管理策略，规避各种障碍和威胁，完成各种特定任务，并具有快速、有效的动态任务适应能力。无人机自主控制所面临的挑战主要来自运行环境、任务及无人机自身的复杂性、不确定性和动态性。 1.无人机自主控制系统的能力需求 无人机自主控制系统的主要能力需求如下[5]。 1)感知认知能力 在复杂和不确定条件下，只有具备相应的感知认知能力，无人机才能获取飞行/任务环境信息、自身运动和系统状态信息，以及操作指令和任务目标信息等，支撑自主控制系统所期望功能和性能的实现。 2)评估判断能力 在基于感知认知获取相应的信息并建立认知模型后，需要对敌我态势/意图、环境/敌方威胁、自我健康等做出有效评估和判断。 3)规划决策能力 无人机要减少人的实时控制参与，增强自主控制能力，就必须在不确定的情况下自己做出规划与决策。在无人机自主控制系统中，典型的规划决策能力体现在轨迹规划、任务规划和战术机动决策等方面。 4)控制执行能力 对无人机自主控制系统而言，控制执行能力主要面向无人机机动飞行，是基于规划与决策的结果改变自身位置和运动状态的能力。 5)人机融合能力 无人机的使用离不开人的参与，且应始终贯彻“以人为中心”的原则。人机融合能力是自主控制系统所必不可少的。只有具有人机融合能力，无人机与操作使用者之间、无人机与有人系统之间才能建立起沟通与协作的桥梁。 6)多无人机协同能力 面向日益复杂的任务和应用环境，无人机系统的使用模式已经逐步由单平台发展为更灵活的多平台(有人/无人、无人/无人)协同操作方式。因此，自主控制系统也必须根据实际任务需求形成相应的多无人机协同能力，实现协同感知、协同攻击、协同干扰等。 7)故障容错能力 容错能力即自动/自主处理故障的能力。针对突发的系统故障、战损等，无人机自主控制系统应具备一定程度的容错甚至修复能力，从而能自主处理飞行中的故障，为任务的执行提供有效的保障。 8)学习进化能力学习进化能力是自主控制系统高度智能化的重要体现之一，是其通过自主的学习、修正和不断进化，提高系统相关性能的能力。 需要强调的是，上述八项能力需求是相互渗透、相互作用和相互促进的。前四种能力是实现自主控制的基础；在前四项能力的基础上，才能实现面向任务的人机融合能力和多无人机协同能力；而具备故障容错和学习进化能力则可以进一步提升前六项能力。 2.无人机自主控制系统的一般结构 无人机的智能化和自主化依赖于其自主控制系统的实现，无人机的自主控制系统是一个大型、复杂且面向不确定性的系统，其控制结构决定了系统的整体性能，如效率、稳定性、可扩展性、模块化等。因此，无人机的控制结构应分层组织[6-8]，使其具有足够的灵活性。 当前广泛接受的自主控制系统结构是递阶分层控制结构，它将自主控制系统按智能递减、精细递增的原则划分层次而设计实现，主要由任务管理系统和飞行管理系统两大部分组成：前者处于顶层，一般位于地面控制站或长机上，主要面向任务的执行管理；后者位于底层，面向飞行管理和控制，主要包括飞行管理及控制执行功能，其典型结构如图1.1所示[9]。 图1.1 无人机的一般自主控制结构 任务管理系统与多无人机协同控制的实现密切相关，而飞行管理系统则是无人机执行已分配任务的动作机构。多无人机协同作战，需要在无人机个体的自主控制系统的基础上，实现多个个体的协同控制。 任务管理系统主要分为协商层、执行层和功能层。协商层负责将任务分解为一系列子任务，并协调其运行。通常，协商层必须考虑并发操作和时间依赖性。由于无人机和环境的复杂性，考虑航空系统的运动学及动态约束，协商层可能涉及任务规划和高级运动计划等。执行层负责同步不同任务的执行，并处理任务执行过程中可能出现的故障。功能层实现无人机的不同功能，如感知和运动等。感知功能专注于从环境中获取信息以增强无人机的态势感知能力，而运动功能则是以智能、有效的方式移动无人机并避免障碍。 飞行管理系统实现了所需的基本制导、导航和控制算法，这些算法可使无人机保持稳定并遵循高层模块发送的命令。在昀常见故障情况下，例如全球定位系统(global positioning system， GPS)丢失和电池电量不足时，飞行管理系统也可以实现基本的行为控制。飞行管理系统一般配备 GPS、惯性测量单元(inertial measurement unit， IMU)、磁力计、空中数据系统和高度计等信息感知单元，可实现以下功能。 (1)飞行模式管理：处理飞机的不同飞行模式(稳定、完全自主等)和飞行的不同阶段(起飞、巡航、降落等)。 (2)系统运行状况监视：监视不同传感器、执行器和其他软件模块的状态，并在此体系结构级别上处理警报和可能的故障。 (3)通信管理：处理高层和地面控制站的通信。 无人机的飞行管理控制系统如图1.2所示。 图1.2 无人机的飞行管理信息系统 1.2 多无人机的协同控制 在实际任务执行中，因任务要求、环境影响及无人机自身的影响制约，多无人机的协同控制非常复杂，主要体现如下[10]。 (1)任务复杂性：不同的作战任务，在作战目标、时序约束、时间敏感性约束、任务间耦合约束、任务指标等方面均可能存在差异，而且作战目标还可能存在不确定性，如目标数量、分布不确定，目标参数不确定，目标机动性不确定等问题。 (2)任务环境的复杂性：任务环境可能包含多种既有的和突发的威胁、障碍、极端天气等，无人机与系统可能无法获知或无法及时获知环境的全局信息及其变化。 (3)多无人机系统成员间的差异：不同无人机间存在动力学特性差异、功能差异、信息采集处理和通信能力的差异等。 (4)计算复杂性：在进行协同任务规划问题研究时，不可避免地会碰到多项式复杂程度(non-deterministic polynomial， NP)难题，即随着问题规模(如无人机数量、目标数量等)的增长，问题的解空间将呈现指数级的爆炸式扩张，而从这个庞大的解空间中找到昀优解需要耗费大量的计算，非常困难。当任务的实时性要求较高时，该矛盾会更突出，甚至会直接影响协同任务的执行效果。 (5)通信约束的复杂化：任务环境的复杂多变必然会对无人机群的通信网络造成影响，如通信拓扑结构变化、带宽受限、通信干扰、通信延时等，甚至可能会出现虚假通信等问题，再考虑到无人机本身的通信设备性能限制，如通信距离和带宽等，以及某些任务可能会要求通信尽可能少，这又将极大地增加多无人机协同问题的复杂程度。 在上述复杂性的共同作用下，多无人机协同任务规划就变成了一个极其复杂的问题，对该问题进行建模与求解的难度也大大增加。作为无人机技术发展的一个重要趋势，多无人机协同控制方面的研究受到了美国军方的极大重视，已经被美国空军科学研究局列为六大基础研究课题之一，也成为学术界的持续研究热点。 1.2.1 智能体和智能体系统 多无人机及后续发展的无人蜂群作战技术来源于多智能体系统理论，一般将其中的无人机个体视为智能体(agent)，执行任务的多无人机编组则视为一个多智能体系统(multi-agent systems，