基于Agent的UAV智能導(dǎo)航技術(shù)研究

劉亞軍，郭鳳娟

（1 解放軍駐西安地區(qū)軍代室，西安 710068; 2 中國(guó)電子科技集團(tuán)公司第二十研究所，西安 710068）

0 引言

智能導(dǎo)航是民航航路安全、協(xié)同作戰(zhàn)、火力交戰(zhàn)、空中加油、車(chē)載導(dǎo)航、機(jī)器人導(dǎo)航、自動(dòng)著陸等領(lǐng)域中的一個(gè)關(guān)鍵問(wèn)題。國(guó)內(nèi)外學(xué)者在導(dǎo)航系統(tǒng)體系架構(gòu)、導(dǎo)航算法、導(dǎo)航?jīng)Q策等方面做了大量論證工作[1-4]。目前，我國(guó)機(jī)載導(dǎo)航設(shè)備的信息缺乏綜合應(yīng)用，導(dǎo)航傳感器缺乏智能管理控制，并且載機(jī)導(dǎo)航與任務(wù)導(dǎo)航無(wú)法統(tǒng)一飛行管理。為了滿(mǎn)足未來(lái)動(dòng)態(tài)戰(zhàn)場(chǎng)環(huán)境對(duì)導(dǎo)航系統(tǒng)的需求，將人工智能Agent技術(shù)與綜合導(dǎo)航技術(shù)相結(jié)合，實(shí)現(xiàn)導(dǎo)航系統(tǒng)的智能化和導(dǎo)航設(shè)備的自動(dòng)化管理，確保UAV能夠具有實(shí)時(shí)可靠的位置、速度、姿態(tài)等導(dǎo)航信息以及安全的飛行路徑。本文提出了一種基于人工勢(shì)場(chǎng)的航跡規(guī)劃方法，并仿真驗(yàn)證了其有效性。

1 基于Agent的智能導(dǎo)航?jīng)Q策方法

UAV智能導(dǎo)航技術(shù)是指UAV通過(guò)自身定位以及對(duì)周?chē)h(huán)境的感知，自主進(jìn)行內(nèi)部參數(shù)的調(diào)整，以進(jìn)行智能環(huán)境建模、航跡規(guī)劃、導(dǎo)航?jīng)Q策、智能管理等，引導(dǎo)UAV在準(zhǔn)確的時(shí)間安全到達(dá)目標(biāo)點(diǎn)。智能導(dǎo)航體現(xiàn)了UAV的自主性、智能性以及感知環(huán)境的能力。Agent技術(shù)源于分布式人工智能（Distributed Artificial Intelligent, DAI）領(lǐng)域，Agent是指在一個(gè)協(xié)作式系統(tǒng)中能持續(xù)運(yùn)行，包括信念、義務(wù)、意圖等精神狀態(tài)的實(shí)體，可以通過(guò)傳感器感知環(huán)境，通過(guò)效應(yīng)器作用于環(huán)境。它具有自主性、主動(dòng)性、反應(yīng)性、推理性和交互性的特點(diǎn)，還具有知識(shí)、信念、意圖、承諾等人性化的特征。為此，將智能Agent技術(shù)引入到導(dǎo)航系統(tǒng)中，建立了基于Agent的智能導(dǎo)航?jīng)Q策方法，如圖 1所示。Agent技術(shù)可以在導(dǎo)航方式選擇、異常檢測(cè)、環(huán)境建模、智能管理等方面發(fā)揮巨大的作用，可以針對(duì)某些行為實(shí)現(xiàn)一定的適應(yīng)性和學(xué)習(xí)能力。

圖1 智能導(dǎo)航系統(tǒng)

圖2 環(huán)境感知信息

智能導(dǎo)航的目的是如何利用傳感器獲得的外界環(huán)境信息和UAV自身狀態(tài)信息，進(jìn)行自身定位和自主規(guī)劃行進(jìn)路線，得到相對(duì)更優(yōu)的行為決策，避開(kāi)障礙物、威脅目標(biāo)等，安全到達(dá)終點(diǎn)。智能導(dǎo)航主要解決的問(wèn)題包括：

對(duì)UAV在空間中的位置、速度、方向和環(huán)境信息的精確自主檢測(cè)，即環(huán)境感知與定位問(wèn)題；

對(duì)獲得傳感器信息的智能分析及環(huán)境模型的建立，即環(huán)境建模問(wèn)題；

對(duì)導(dǎo)航信息進(jìn)行綜合處理，合理選擇導(dǎo)航模式，提高導(dǎo)航定位的精度，即導(dǎo)航方式?jīng)Q策問(wèn)題；

智能規(guī)劃飛行的路徑，即航路引導(dǎo)決策問(wèn)題；

處理環(huán)境模型中的不確定因素和軌跡中出現(xiàn)的誤差，降低外界物體對(duì)UAV的影響，即智能管理問(wèn)題。

1.1 環(huán)境感知與定位

環(huán)境感知與定位模塊用于獲得多種外部激勵(lì)，代表著UAV的感知能力，是實(shí)現(xiàn)其智能導(dǎo)航?jīng)Q策的基礎(chǔ)。環(huán)境感知與定位是指UAV在空間中的自身定位以及環(huán)境信息的精確自主檢測(cè)，并給出自身的絕對(duì)定位信息、與它平臺(tái)的相對(duì)定位信息、障礙物的信息、威脅物信息、地形信息以及目標(biāo)信息。UAV的導(dǎo)航定位信息通過(guò)自身裝載的平臺(tái)導(dǎo)航裝備提供；UAV之間的相對(duì)導(dǎo)航信息通過(guò)編隊(duì)導(dǎo)航裝備提供；目標(biāo)信息、障礙物信息、地形信息等借助于激光跟蹤系統(tǒng)、紅外傳感器、視覺(jué)系統(tǒng)、雷達(dá)系統(tǒng)等獲得，提供環(huán)境信息的導(dǎo)航源如圖2所示。

通過(guò)對(duì)自身定位信息和環(huán)境信息的重構(gòu)和濾波，提供各UAV的自身定位信息以及UAV之間、UAV與目標(biāo)、UAV與障礙物、UAV與威脅物之間的相對(duì)方位、距離、速度等信息，用于智能導(dǎo)航?jīng)Q策。

1.2 環(huán)境建模

環(huán)境建模是指通過(guò)對(duì)導(dǎo)航傳感器獲得的絕對(duì)導(dǎo)航信息、相對(duì)導(dǎo)航信息、目標(biāo)信息、威脅信息、地形信息等戰(zhàn)場(chǎng)態(tài)勢(shì)信息建立影響UAV導(dǎo)航?jīng)Q策的環(huán)境約束模型，其中包括自身模型、地形模型、威脅模型、目標(biāo)模型、其他UAV模型等。

（1）自身建模：主要指自身飛行安全（如最大速度、過(guò)載、攻角的檢測(cè)與保護(hù)）以及資源和時(shí)間的分配等，構(gòu)建UAV自身性能約束集合；

（2）地形建模：主要指利用合成孔徑雷達(dá)掃描陸地地貌，獲得一定范圍內(nèi)地表的雷達(dá)掃描圖像，得到地形約束條件（如山體、高建筑等），構(gòu)建無(wú)碰撞飛行路徑地形約束集合，用于支撐地形匹配和地形規(guī)避功能；

（3）威脅建模：主要指對(duì)UAV產(chǎn)生威脅的一些障礙（如敵方防空陣地、雷達(dá)區(qū)域、導(dǎo)彈、敵機(jī)等），構(gòu)建威脅評(píng)估約束集合；

（4）目標(biāo)建模：根據(jù)不同目標(biāo)種類(lèi)和狀態(tài)，構(gòu)架目標(biāo)約束集合，包括目標(biāo)部署區(qū)域、目標(biāo)的時(shí)效性、目標(biāo)價(jià)值、目標(biāo)威脅等；

（5）系統(tǒng)中其他UAV建模：在UAV協(xié)同機(jī)動(dòng)、協(xié)同探測(cè)、協(xié)同攻擊、編隊(duì)飛行等過(guò)程中，相隔通信距離、安全半徑、編隊(duì)隊(duì)形、任務(wù)目標(biāo)分配、沖突避免等都是必須要考慮的。

1.3 航路引導(dǎo)決策

航路引導(dǎo)決策是指根據(jù)態(tài)勢(shì)評(píng)估結(jié)果，在滿(mǎn)足某種性能指標(biāo)最優(yōu)或者準(zhǔn)優(yōu)的前提下，采用一定的航路產(chǎn)生方法，尋找一條在設(shè)定區(qū)域內(nèi)從始點(diǎn)到終點(diǎn)經(jīng)過(guò)所有可達(dá)點(diǎn)的最優(yōu)或近似最優(yōu)的無(wú)碰撞路徑，完成當(dāng)前UAV所需要的任務(wù)。

1.4 導(dǎo)航方式?jīng)Q策

UAV智能導(dǎo)航首先需要確定采用什么樣的導(dǎo)航方式進(jìn)行導(dǎo)航定位?？刹捎玫膶?dǎo)航手段有GNSS導(dǎo)航、測(cè)距測(cè)角導(dǎo)航、INS/數(shù)據(jù)鏈導(dǎo)航、INS/GNSS導(dǎo)航、INS/GNSS/機(jī)載數(shù)據(jù)鏈導(dǎo)航、視覺(jué)導(dǎo)航、激光導(dǎo)航、磁導(dǎo)航等。由于單一的導(dǎo)航手段容易受本身技術(shù)體制、精度的限制，其導(dǎo)航精度難以滿(mǎn)足不同應(yīng)用環(huán)境下編隊(duì)導(dǎo)航定位的需求。為此，采取綜合導(dǎo)航技術(shù)，綜合利用各導(dǎo)航傳感器獲得的導(dǎo)航信息，進(jìn)行綜合應(yīng)用，獲得高連續(xù)、高可靠、高精度的導(dǎo)航信息，滿(mǎn)足UAV自身定位與導(dǎo)航?jīng)Q策的需求。

1.5 智能管理

智能管理是指自主處理環(huán)境模型中的不確定因素和路徑規(guī)劃中出現(xiàn)的誤差，使外界物體對(duì)UAV的影響降到最小。同時(shí)，在碰到障礙物、導(dǎo)航源失效等情況下，發(fā)出警告信息。

2 航路引導(dǎo)決策

2.1 性能評(píng)估

進(jìn)行導(dǎo)航?jīng)Q策的評(píng)價(jià)因素包括路徑長(zhǎng)度、威脅大小、碰撞概率、任務(wù)完成概率等，所以在進(jìn)行導(dǎo)航?jīng)Q策評(píng)價(jià)過(guò)程中，根據(jù)戰(zhàn)場(chǎng)環(huán)境需求以及側(cè)重點(diǎn)，綜合多種導(dǎo)航?jīng)Q策評(píng)價(jià)指標(biāo)進(jìn)行評(píng)估。

2.2 智能導(dǎo)航?jīng)Q策流程

UAV在協(xié)同探測(cè)、協(xié)同攻擊、信息共享過(guò)程中，系統(tǒng)對(duì)環(huán)境信息的采集存在即時(shí)性，所以，預(yù)先規(guī)劃航路方法無(wú)法適應(yīng)UAV動(dòng)態(tài)環(huán)境的需求。UAV在進(jìn)行環(huán)境感知，獲得新的態(tài)勢(shì)信息時(shí)，需要進(jìn)行實(shí)時(shí)的導(dǎo)航?jīng)Q策，以應(yīng)對(duì)諸如動(dòng)態(tài)障礙物、動(dòng)態(tài)威脅、動(dòng)態(tài)目標(biāo)等狀況。智能導(dǎo)航?jīng)Q策流程如圖3所示，其基本思路如下：

（1）UAV根據(jù)預(yù)知的態(tài)勢(shì)信息，進(jìn)行預(yù)先導(dǎo)航方式規(guī)劃、預(yù)先航跡規(guī)劃；

（2）UAV導(dǎo)航傳感器進(jìn)行實(shí)時(shí)感知，獲得周?chē)h(huán)境信息，包括威脅、目標(biāo)的實(shí)時(shí)動(dòng)態(tài)信息；

（3）UAV根據(jù)獲得的威脅及目標(biāo)的動(dòng)態(tài)信息，按照一定的規(guī)則，建立環(huán)境模型；

（4）UAV根據(jù)自身導(dǎo)航傳感器獲得的導(dǎo)航信息，進(jìn)行導(dǎo)航模式?jīng)Q策；

（5）UAV采用一定的推理規(guī)則，進(jìn)行自主決策，重新進(jìn)行航路引導(dǎo)決策；

（6）智能處理環(huán)境模型中的不確定因素。

圖3 智能導(dǎo)航?jīng)Q策流程

2.3 航跡規(guī)劃建模

采用人工勢(shì)場(chǎng)法構(gòu)造目標(biāo)位置引力場(chǎng)和障礙物斥力場(chǎng)共同作用下的人工勢(shì)場(chǎng)。搜索目標(biāo)函數(shù)的下降方向來(lái)尋找無(wú)碰撞路徑。

設(shè)UAV的位置為；目標(biāo)的位置為；第i個(gè)障礙物的位置為，表示障礙物的影響范圍。那么目標(biāo)引力函數(shù)為：

所受的斥力場(chǎng)函數(shù)為：

式中，attk和repk分別表示引力常數(shù)和斥力常數(shù)。

3 智能導(dǎo)航仿真

3.1 戰(zhàn)場(chǎng)想定

戰(zhàn)場(chǎng)環(huán)境如圖4所示。UAV起始點(diǎn)位置用“○”表示，終點(diǎn)用“☆”表示。以UAV起點(diǎn)為坐標(biāo)原點(diǎn)，建立圖4所示的二維坐標(biāo)系。圖4中標(biāo)注了五個(gè)預(yù)知障礙物的勢(shì)場(chǎng)。UAV上裝備的部分導(dǎo)航設(shè)備有GPS/INS、紅外傳感器、激光跟蹤系統(tǒng)、雷達(dá)系統(tǒng)。

UAV利用GPS/INS信息進(jìn)行自身定位，以及UAV之間的相對(duì)定位；UAV可以在傳感器一定的作用范圍內(nèi)通過(guò)雷達(dá)、激光跟蹤系統(tǒng)、視覺(jué)傳感器系統(tǒng)探測(cè)到障礙物信息、目標(biāo)信息，并對(duì)其進(jìn)行定位。在各傳感器有效的情況下，航跡規(guī)劃圖如圖 5所示。

圖4 環(huán)境設(shè)置

圖5 UAV 航線規(guī)劃圖

圖6 UAV 航線規(guī)劃圖

在UAV飛行到第三個(gè)障礙物的過(guò)程中，遇到突發(fā)障礙物，進(jìn)行重新規(guī)劃航跡，航跡規(guī)劃圖如圖6所示。

圖5和圖6表明，在各傳感器有效的情況下，UAV能找到一條平滑的、無(wú)障礙航跡。UAV沿此航跡飛行過(guò)程中，能有效規(guī)避障礙物，安全到達(dá)目的地。同時(shí)，也說(shuō)明了采用智能導(dǎo)航方式進(jìn)行航跡規(guī)劃的有效性。

4 結(jié)束語(yǔ)

對(duì)綜合導(dǎo)航技術(shù)及智能Agent技術(shù)進(jìn)行研究，建立了基于Agent的智能導(dǎo)航?jīng)Q策方法，其中包括環(huán)境感知與定位、環(huán)境建模、航路引導(dǎo)決策、導(dǎo)航方式?jīng)Q策、智能管理等模塊，并給出了智能導(dǎo)航控制流程。最后，給出了一種基于人工勢(shì)場(chǎng)的導(dǎo)航?jīng)Q策方法，實(shí)現(xiàn)了UAV能夠根據(jù)環(huán)境、威脅、目標(biāo)、任務(wù)等導(dǎo)航?jīng)Q策約束條件進(jìn)行航跡建模，并進(jìn)行了仿真驗(yàn)證。

[1] 吳德偉, 邰能建, 戚君宜. 基于認(rèn)知理論的UCAV智能導(dǎo)航研究新進(jìn)展[J]. 空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版),2011, 12(4): 52-57.

[2] 郭鳳娟. 基于Holon的編隊(duì)導(dǎo)航智能控制技術(shù)[J]. 現(xiàn)代導(dǎo)航, 2013, 4(1): 33-36.

[3] 劉銘, 徐楊, 陳崢等. 基于Multi-Agent系統(tǒng)的多飛行器協(xié)同路徑規(guī)劃方法的研究[J]. 計(jì)算機(jī)科學(xué), 2012, 39(1):219-222.

[4] Fredrik Heintz, Jonas Kvarnstr, Patrick Doherty. Bridging the sense-reasoning gap: know-stream-based middleware for knowledge processing[J]. Advanced engineering informatics, 2010. 24(1): 14-26.

[5] Campbell S F. Steering control of an autonomous ground vehicle with application to the DARPA urban challenge [J].Massachusetts Institute of Technology, 2007.