無人機(jī)搜索和跟蹤的模糊認(rèn)知控制器設(shè)計(jì)方法

崔軍輝，魏瑞軒，張小倩，祁曉明

?

無人機(jī)搜索和跟蹤的模糊認(rèn)知控制器設(shè)計(jì)方法

崔軍輝1, 2，魏瑞軒1，張小倩3，祁曉明1

(1. 空軍工程大學(xué)航空航天工程學(xué)院，陜西西安，710038；2. 中國人民解放軍69220部隊(duì)，新疆阿克蘇，842000；3. 第二炮兵工程大學(xué)402教研室，陜西西安，710025)

搜索和跟蹤是無人機(jī)應(yīng)用中非常重要的問題，采用模糊認(rèn)知圖理論提出一種智能控制器設(shè)計(jì)方法。所設(shè)計(jì)的模糊認(rèn)知控制器在改變無人機(jī)動(dòng)作行為的同時(shí)能使任務(wù)航線穩(wěn)定而平滑地切換，地面操作員只需下達(dá)基本指令，就能夠以外部事件節(jié)點(diǎn)激活和改變無人機(jī)執(zhí)行搜索和跟蹤任務(wù)的行為節(jié)點(diǎn)，實(shí)現(xiàn)人和無人機(jī)基于語義的高層次交互。研究結(jié)果表明：這種模糊認(rèn)知控制器能夠根據(jù)地面操作員指令等基本事件自動(dòng)實(shí)現(xiàn)無人機(jī)行為的過渡和其運(yùn)動(dòng)軌跡的平滑切換，明顯減小地面操作員的工作量。

無人機(jī)；搜索；目標(biāo)跟蹤；模糊認(rèn)知圖；運(yùn)動(dòng)軌跡

隨著航空技術(shù)的發(fā)展，無人機(jī)(unmanned aerial vehicle，UAV)在航空領(lǐng)域中發(fā)揮著越來越重要的作用。UAV最突出的特點(diǎn)在于能夠替代人類飛行員執(zhí)行“枯燥、污染、危險(xiǎn)(the dull, the dirty, the dangerous，3D)”的任務(wù)[1]，與有人機(jī)相比，UAV能夠晝夜持續(xù)工作，更具優(yōu)越性。在UAV系統(tǒng)所承擔(dān)的各種任務(wù)當(dāng)中，搜索和跟蹤是最常見也是最重要的任務(wù)之一，典型的例如美國的全球鷹、捕食者等無人機(jī)，其主要功能就是情報(bào)偵察、目標(biāo)搜索、目標(biāo)指示與定位、動(dòng)態(tài)目標(biāo)跟蹤以及戰(zhàn)場監(jiān)視等[2]，因此，研究UAV搜索和跟蹤應(yīng)用前景廣闊、意義重大。UAV搜索和跟蹤任務(wù)一般具有區(qū)域環(huán)境復(fù)雜性、目標(biāo)運(yùn)動(dòng)不確定性、傳感器設(shè)備不確定性和任務(wù)時(shí)間緊迫性等特點(diǎn)，這也使得該問題成為國內(nèi)外無人機(jī)應(yīng)用領(lǐng)域的熱點(diǎn)和難點(diǎn)問題之一[3]。目前，國內(nèi)外研究重點(diǎn)主要是多無人機(jī)協(xié)同搜索，研究內(nèi)容主要包括2類：一類是針對區(qū)域內(nèi)多個(gè)特定目標(biāo)，如何實(shí)現(xiàn)以最小代價(jià)搜索和跟蹤到盡可能多的目標(biāo)；另一類是針對未知區(qū)域，如何有效分配和控制多架UAV以最小代價(jià)實(shí)現(xiàn)對該區(qū)域最大搜索范圍覆蓋。所采用的方法大部分是采用最優(yōu)化思想，結(jié)合A*算法、人工神經(jīng)網(wǎng)絡(luò)、蟻群算法、多模型預(yù)測以及遺傳算法等對搜索和跟蹤問題進(jìn)行優(yōu)化求解，滿足具體問題的最終需求[4?7]。但是這些算法一般來說時(shí)間開銷較大，而且容易陷入局部最優(yōu)，因此，很難得到實(shí)際應(yīng)用。本文將模糊認(rèn)知圖(fuzzy cognitive maps，F(xiàn)CMs)理論用于UAV的搜索和跟蹤應(yīng)用中，建立無人機(jī)搜索和跟蹤任務(wù)的FCMs模型，設(shè)計(jì)模糊認(rèn)知控制器(fuzzy cognitive controllers，F(xiàn)CCs)。眾所周知，F(xiàn)CMs在知識表示和推理決策方面有著廣泛的應(yīng)用[8]，它可以模仿人類決策和處理問題的基本能力，通過靈活的概念獲取來定義事件的行為序列，根據(jù)行為的協(xié)同和處理來達(dá)到控制目的。近年來，國內(nèi)外已經(jīng)有將FCMs用于地面機(jī)器人、車輛導(dǎo)航和規(guī)劃以及飛行器燃油管理方面的應(yīng)用[9?12]，但將FCMs用于UAV系統(tǒng)導(dǎo)航和自主控制方面的應(yīng)用和實(shí)例非常少，目前還沒有采用FCMs理論處理UAV搜索和跟蹤問題的應(yīng)用。在無人機(jī)執(zhí)行搜索和跟蹤任務(wù)過程中，地面操作員通過基本事件節(jié)點(diǎn)下達(dá)任務(wù)指令，從而激活和控制搜索和跟蹤任務(wù)的行為節(jié)點(diǎn)，與無人機(jī)進(jìn)行基于語義的高層交互，而無人機(jī)結(jié)合機(jī)載傳感器的輸入信號通過FCCs響應(yīng)這些高層指令，智能選擇和自主改變其飛行行為，初步的仿真結(jié)果表明這種FCCs對于發(fā)展無人機(jī)的任務(wù)控制器提供了一種實(shí)際的解決方案，此外，這種智能控制器的使用將極大減小操作員的工作量。

1 FCMs理論

FCMs是Kosko等[13]融合了Zadeh的模糊集理 論[14]和Axelrad的認(rèn)知圖理論[15]提出的，它是模糊邏輯、神經(jīng)網(wǎng)絡(luò)、圖論相結(jié)合的產(chǎn)物，是一種新型的知識表示和模糊推理的軟計(jì)算方法[16]。FCMs用節(jié)點(diǎn)和有向弧表示現(xiàn)實(shí)環(huán)境中實(shí)體的概念和概念間的因果聯(lián)系，通過節(jié)點(diǎn)間的關(guān)聯(lián)來模擬實(shí)體之間的相互作用，從而刻畫整個(gè)現(xiàn)實(shí)環(huán)境的動(dòng)態(tài)行為。1個(gè)簡單的FCMs如圖1所示。

圖1 簡單的FCMs結(jié)構(gòu)圖

FCMs中的節(jié)點(diǎn)也稱概念，用(1,2,3, …)表示，它可以用來描述系統(tǒng)的狀態(tài)、屬性、行為、動(dòng)作等，每個(gè)節(jié)點(diǎn)可以在[?1, 1]區(qū)間內(nèi)取值，表示該節(jié)點(diǎn)被激活的程度，其中，“+”表示正向激活、“?”表示反向激活，節(jié)點(diǎn)取值為“0”則說明該節(jié)點(diǎn)未被激活。系統(tǒng)在時(shí)刻的狀態(tài)是所有節(jié)點(diǎn)在該時(shí)刻的值集，用狀態(tài)向量表示為

FCMs的迭代推理過程，可以表示為

一般地，對于包含個(gè)節(jié)點(diǎn)的FCMs，為了保證每步迭代出的節(jié)點(diǎn)值都在[?1, 1]區(qū)間內(nèi)，需要采用一個(gè)閾值函數(shù)()進(jìn)行映射，每個(gè)節(jié)點(diǎn)在t+1時(shí)刻的值采用下式計(jì)算：

FCMs狀態(tài)空間開始由初始條件給定，通過式(4)的迭代，最終系統(tǒng)穩(wěn)定到1個(gè)固定點(diǎn)或者極限環(huán)，從而停止迭代，推理結(jié)束。復(fù)雜的FCMs還有可能終止于1個(gè)非周期的或者混沌的吸引子[17]。

2 無人機(jī)搜索和跟蹤的FCMs模型

無人機(jī)在搜索和跟蹤中動(dòng)作和行為的改變會使其航線隨之改變，因此，對于航線的控制必須根據(jù)UAV任務(wù)的上、下文語義來確定。在通常的UAV搜索和跟蹤場景內(nèi)，一般使用載有多普勒雷達(dá)和高分辨率光學(xué)圖像傳感器設(shè)備的UAV對多個(gè)地面移動(dòng)目標(biāo)進(jìn)行搜索和跟蹤。無人機(jī)起飛后，根據(jù)操作員的意圖“進(jìn)入”到指定的“搜索”區(qū)域，然后以固定高度對地面進(jìn)行“搜索”，當(dāng)雷達(dá)發(fā)現(xiàn)目標(biāo)后，UAV則降低高度對目標(biāo)進(jìn)行“跟蹤”，同時(shí)，實(shí)時(shí)的將機(jī)載光學(xué)傳感器獲得的跟蹤圖像傳給地面操作員。若地面操作員滿意傳回的圖像，則會“命令”UAV停止跟蹤該目標(biāo)、返回搜索軌道繼續(xù)“搜索”更多的目標(biāo)，最終，當(dāng)燃料達(dá)到臨界值時(shí)，UAV將會自動(dòng)返回和著陸。根據(jù)專家知識，建立如圖2所示的UAV搜索和跟蹤的FCMs模型。

圖2 UAV搜索和跟蹤的FCMs模型

在該模型中，將節(jié)點(diǎn)分為2類：第1類稱為行為類節(jié)點(diǎn)，表示UAV的運(yùn)動(dòng)和行為，包括“進(jìn)入搜索區(qū)域”、“搜索目標(biāo)”、“跟蹤”、“盤旋”、“返航”和“自主著陸”等，相應(yīng)于圖2中的(1,2, …,6)，行為節(jié)點(diǎn)是設(shè)計(jì)面向UAV搜索和跟蹤模糊認(rèn)知控制器的核心；第2類稱為基本事件類節(jié)點(diǎn)，這些節(jié)點(diǎn)包含了操作員的指令、UAV內(nèi)部傳感器獲取的自身高度、位置、燃料情況以及UAV有效載荷的輸入信息等與UAV行為類節(jié)點(diǎn)有關(guān)的事件。表1所示為UAV搜索和跟蹤的FCMs模型各節(jié)點(diǎn)含義。

通過改變無人機(jī)搜索和跟蹤FCMs模型中相應(yīng)基本事件類節(jié)點(diǎn)的序列或不同的激活模式，則可以產(chǎn)生不同的UAV動(dòng)作和行為響應(yīng)，這也是能夠根據(jù)FCMs設(shè)計(jì)模糊認(rèn)知控制器的基本依據(jù)。

假設(shè)所有節(jié)點(diǎn)的狀態(tài)值只存在完全激活和不被激活2種狀態(tài)，那么該FCMs模型的狀態(tài)向量可以表示成以上所有概念的聯(lián)合形式：

圖2所示的鄰接矩陣可以通過頭腦風(fēng)暴(brain-storming)法[18]等借助專家經(jīng)驗(yàn)和知識。表2所示為UAV搜索和跟蹤FCMs模型的鄰接矩陣。鄰接矩陣中每1行的所有元素表示該行節(jié)點(diǎn)的全部輸出；每1列的所有元素表示該列節(jié)點(diǎn)的全部輸入。由表2可知：基本事件類節(jié)點(diǎn)不會從行為類節(jié)點(diǎn)獲得輸入，但是它們可以由外部事件(發(fā)現(xiàn)新目標(biāo))或者基本事件驅(qū)動(dòng)，例如，若雷達(dá)探測到新目標(biāo)，則會激活節(jié)點(diǎn)1；而若地面操作員發(fā)出“停止跟蹤這個(gè)目標(biāo)”，則會使節(jié)點(diǎn)1從激活狀態(tài)變?yōu)槲幢患せ??；臼录惞?jié)點(diǎn)也可以由滿足預(yù)先設(shè)定好的條件激活，例如，當(dāng)UAV進(jìn)入航線到達(dá)期望搜索區(qū)域的中心時(shí)，1被激活。FCCs的主要功能就是自動(dòng)響應(yīng)地面操作員、目標(biāo)探測雷達(dá)以及UAV自身的狀態(tài)監(jiān)控等輸入，產(chǎn)生平滑而穩(wěn)定的搜索和跟蹤航線。

表1 UAV搜索和跟蹤FCMs模型的概念

表2 UAV搜索和跟蹤FCMs模型的鄰接矩陣

在UAV執(zhí)行搜索和跟蹤任務(wù)之前，所有節(jié)點(diǎn)都未被激活，狀態(tài)向量的所有元素取值為0。當(dāng)任務(wù)開始時(shí)，地面操作員向UAV發(fā)出“去搜索”指定區(qū)域命令，這時(shí)節(jié)點(diǎn)1=1被激活，由于此時(shí)UAV距搜索區(qū)域有一定距離，因此，在地面操作員下達(dá)該命令的同時(shí)，節(jié)點(diǎn)1也相應(yīng)被激活，于是，初始狀態(tài)向量為

根據(jù)式(4)，選擇一個(gè)可以將狀態(tài)值映射到[0,1]內(nèi)的激活函數(shù)進(jìn)行迭代，直到狀態(tài)向量收斂到固定點(diǎn)，每一步的迭代結(jié)果如下：

經(jīng)過3次迭代，狀態(tài)向量收斂到了固定點(diǎn)，此時(shí)，UAV動(dòng)作行為的結(jié)果為1(進(jìn)入搜索區(qū)域)，這也是執(zhí)行完“去搜索某個(gè)區(qū)域”指令所期望的結(jié)果。

3 UAV搜索和跟蹤的FCCs設(shè)計(jì)

3.1 FCCs設(shè)計(jì)的原理

UAV搜索和跟蹤的FCMs模型提供了如何根據(jù)基本行為設(shè)計(jì)智能控制器的思想。首先，通過采用FCMs強(qiáng)大的建模能力對UAV搜索和跟蹤全過程的動(dòng)作行為建模，并將與這些行為有內(nèi)在聯(lián)系的操作員的指令、UAV自身高度、位置、燃料情況以及有效載荷的輸入等事件包含在模型當(dāng)中。其次，由于在該模型中，UAV的每個(gè)行為都對應(yīng)著不同的航線，一般來說，“進(jìn)入搜索區(qū)域”行為1對應(yīng)的航線是1條固定高度的預(yù)先規(guī)定好航路點(diǎn)的運(yùn)動(dòng)軌跡；“搜索”行為2對應(yīng)的航線是以固定高度、固定半徑繞搜索中心的圓形軌道；“跟蹤目標(biāo)”行為3對應(yīng)的航線也是圓形運(yùn)動(dòng)軌跡，只是UAV的飛行高度和半徑等參數(shù)與2對應(yīng)的航線有所不同；相應(yīng)的，“盤旋”行為4、“返航”行為5以及“自主著陸”行為6都分別對應(yīng)著不同航線。FCCs的設(shè)計(jì)原理是通過基本事件的內(nèi)在驅(qū)動(dòng)來處理和協(xié)同UAV搜索和跟蹤中的行為節(jié)點(diǎn)，從而使一個(gè)行為到下一個(gè)行為能夠穩(wěn)定而平滑的過渡和切換。

3.2 行為過渡的平滑機(jī)制

為了使行為之間能夠平滑過渡，采用等級限制的機(jī)制，在UAV搜索和跟蹤的FCMs模型中加入1個(gè)虛擬的門限節(jié)點(diǎn)，圖2中方框所代表的節(jié)點(diǎn)。以從“進(jìn)入搜索區(qū)域”行為1到“搜索”行為2的過渡進(jìn)行說明。當(dāng)UAV到達(dá)指定的搜索區(qū)域中心后，任務(wù)剖面需要由行為1向2過渡，UAV在這個(gè)過程中的航線要從1個(gè)近似線性的運(yùn)動(dòng)軌跡過渡到1個(gè)圓形的軌跡，相應(yīng)地，1由1變?yōu)?；而2則由0變?yōu)?。為了保證過渡航線的平滑，采用如圖3所示的函數(shù)來控制和調(diào)節(jié)1從1到0切換，其計(jì)算公式為

采用這種等級限制機(jī)制對基本節(jié)點(diǎn)1進(jìn)行處理，隨著時(shí)間的推移，1的衰減將使行為節(jié)點(diǎn)1和2的狀態(tài)值發(fā)生改變，從而使系統(tǒng)的狀態(tài)向量不斷變化。假設(shè)節(jié)點(diǎn)1在UAV進(jìn)入搜索區(qū)域后按照式(10)衰減到比1稍小的1個(gè)值，取1=0.95，這時(shí)系統(tǒng)的狀態(tài)向量也相應(yīng)的變?yōu)?/p>

通過式(4)迭代推理，直到狀態(tài)向量收斂，此時(shí)有

從圖3可見：基本事件節(jié)點(diǎn)1狀態(tài)值的微小變化，通過FCCs的處理可以使行為節(jié)點(diǎn)1產(chǎn)生微小的衰減，同時(shí)也使行為節(jié)點(diǎn)2增加1個(gè)很小的值，這一過程通過式(10)連續(xù)的過渡轉(zhuǎn)化，直到線性地進(jìn)入搜索區(qū)域航線與圓形的搜索航線完全融合。搜索行為2到跟蹤目標(biāo)行為3也采用類似的行為過渡平滑機(jī)制，通過FCCs處理將2個(gè)不同的圓形航線完全融合。

3.3 UAV運(yùn)動(dòng)軌跡和行為的協(xié)同

假設(shè)有效載荷傳感器固聯(lián)在UAV的機(jī)體中心，搜索和跟蹤目標(biāo)對應(yīng)的圓形軌道的高度和半徑是由機(jī)載圖像傳感器的視野和所能探測到的范圍確定的，若不考慮圖像傳感器隨云臺運(yùn)動(dòng)的情況，則可以認(rèn)為搜索和跟蹤航線是1個(gè)高度為、搜索(跟蹤)半徑為的圓形投影，如圖4所示。不同的UAV運(yùn)動(dòng)軌跡的切換過程可以認(rèn)為是FCCs對其行為的協(xié)同處理過程。

圖4 搜索和跟蹤航線在地面投影示意圖

根據(jù)UAV的空速、轉(zhuǎn)彎半徑、轉(zhuǎn)彎速率和轉(zhuǎn)彎中心點(diǎn)定義1個(gè)無顯著特點(diǎn)的UAV運(yùn)動(dòng)軌跡，一組特定的參數(shù)對應(yīng)著1個(gè)行為模態(tài)的運(yùn)動(dòng)軌跡，要使2個(gè)行為模態(tài)的運(yùn)動(dòng)軌跡穩(wěn)定而平滑的過渡，就需要對其運(yùn)動(dòng)軌跡所對應(yīng)的這些參數(shù)進(jìn)行平滑融合。在計(jì)算融合軌跡參數(shù)時(shí)，F(xiàn)CCs將被激活行為節(jié)點(diǎn)的狀態(tài)值作為其軌跡參數(shù)的權(quán)重，通過向量加法對2個(gè)運(yùn)動(dòng)軌跡的參數(shù)進(jìn)行加權(quán)求和，最終計(jì)算得到的加權(quán)值即為2個(gè)軌跡融合后的運(yùn)動(dòng)參數(shù)。

根據(jù)幾何投影知識，UAV運(yùn)動(dòng)軌跡在地面投影的一般方程可以表示為

其中：參數(shù)，，和由圖5所示定義；為UAV的空速；為航向角；為投影圓的中心點(diǎn)位置。

圖5 飛行器一般運(yùn)動(dòng)軌跡在水平面的投影

若UAV的運(yùn)動(dòng)軌跡是線性的，即=0，軌跡切換的開始瞬間令，則可以根據(jù)下式計(jì)算得到

將式(13)對時(shí)間求導(dǎo)代入式(16)，從而有

(17)

對式(17)進(jìn)行求解，有

其中：

從而，

而從“搜索”到“跟蹤目標(biāo)”行為的航線是按從一個(gè)圓形軌道到另一個(gè)圓形軌道以切線過渡的方式切換的。這時(shí)，以及0和0的變化按照FCCs進(jìn)行控制和調(diào)節(jié)的，而參數(shù)則需要FCCs協(xié)同被激活的行為節(jié)點(diǎn)2和3，根據(jù)式(13)~(16)聯(lián)合求解。期望角速率可以根據(jù)上述求的方法求得，本文只給出最終結(jié)果：

需要說明的是：在“搜索”到“跟蹤目標(biāo)”行為過渡過程中，行為節(jié)點(diǎn)2和3狀態(tài)值的激活程度是由節(jié)點(diǎn)1根據(jù)等級限制機(jī)制由多普勒雷達(dá)對目標(biāo)的探測進(jìn)行控制和調(diào)節(jié)。這些狀態(tài)值又分別通過式(23)~(25)來決定行為過渡過程中軌跡參數(shù)的變化速率。

4 仿真與分析

通過1個(gè)搜索和跟蹤任務(wù)場景的仿真來驗(yàn)證本文所設(shè)計(jì)的模糊認(rèn)知控制器的性能。任務(wù)開始時(shí)，地面操作員向UAV發(fā)出“去搜索東北方向大約1 km的區(qū)域”，UAV按照預(yù)定的航路點(diǎn)進(jìn)入搜索區(qū)域，進(jìn)入搜索區(qū)域后，UAV保持在700 m的高度對該區(qū)域進(jìn)行搜索。當(dāng)在某個(gè)位置發(fā)現(xiàn)移動(dòng)目標(biāo)時(shí)，UAV就從該點(diǎn)降低高度和速度切換到跟蹤目標(biāo)軌道，在大約400 m的高度對該目標(biāo)跟蹤一段時(shí)間后，地面操作員“命令”UAV返回搜索軌道高度，沿著新的搜索軌道繼續(xù)搜索下一個(gè)目標(biāo)，直到燃料到達(dá)臨界值，UAV自動(dòng)終止搜索和跟蹤任務(wù)，自動(dòng)返回并著陸。

圖6所示為UAV在執(zhí)行該任務(wù)過程所歷經(jīng)航線。從圖6可以看出：不同動(dòng)作行為所對應(yīng)的航線之間的切換是連續(xù)而且光滑的。

圖7所示為從“進(jìn)入搜索區(qū)域”行為向“搜索”行為過渡時(shí)UAV的航向和轉(zhuǎn)彎角之間的關(guān)系。從圖7可知：雖然UAV的朝向和轉(zhuǎn)彎角相同，但當(dāng)UAV開始向搜索行為過渡時(shí)，其朝向比轉(zhuǎn)彎角有90°的相位超前。這個(gè)結(jié)果也是所期望的，因?yàn)閁AV在剛開始向搜索行為過渡時(shí)，其軌跡過渡點(diǎn)的轉(zhuǎn)彎角0°，而此時(shí)機(jī)頭的朝向正好指向西，即270°，因此，兩者之間剛好會產(chǎn)生90°的相位差。

圖6 搜索和跟蹤任務(wù)的航線

1—航向角；2—轉(zhuǎn)彎角

圖8所示為FCMs在整個(gè)仿真過程中UAV行為類節(jié)點(diǎn)狀態(tài)值的迭代結(jié)果。從圖8可以明顯看到：各行為節(jié)點(diǎn)狀態(tài)值的變化過程符合無人機(jī)的搜索和跟蹤任務(wù)場景。需要指出的是在整個(gè)搜索和跟蹤的過程中，地面操作員只需下達(dá)“去搜索這片區(qū)域”命令，或者當(dāng)UAV完成跟蹤某個(gè)目標(biāo)后下達(dá)“停止跟蹤這個(gè)目標(biāo)”命令，其他所有動(dòng)作和行為均通過FCCs處理由UAV自動(dòng)完成，因此，可以極大減少地面操作員的控制操作。

1—C1；2—C2；3—C3；4—C4；5—C5；6—C6

5 結(jié)論

1) 采用模糊認(rèn)知圖方法針對無人機(jī)的搜索和跟蹤問題中提出了模糊認(rèn)知控制器的設(shè)計(jì)思想，F(xiàn)CMs為智能控制器的設(shè)計(jì)提供了一個(gè)很好的框架結(jié)構(gòu)，給出了一種類似人類用于決策和處理問題的具有很大彈性的概念獲取方法。

2) 結(jié)合專家知識給出了無人機(jī)搜索和跟蹤的FCMs模型，根據(jù)FCMs的推理機(jī)制設(shè)計(jì)了用于協(xié)調(diào)和處理無人機(jī)執(zhí)行搜索和跟蹤任務(wù)的模糊認(rèn)知控制器，通過模糊認(rèn)知控制器對搜索和跟蹤行為節(jié)點(diǎn)的協(xié)同和處理，從而可以使不同任務(wù)航線穩(wěn)定而平滑地切換。當(dāng)采用基本事件節(jié)點(diǎn)控制和調(diào)節(jié)行為的過渡時(shí)，模糊認(rèn)知控制器起到了本質(zhì)的行為協(xié)同作用，通過理論分析和仿真，基本事件節(jié)點(diǎn)或者外部事件的改變可以使UAV產(chǎn)生一系列實(shí)實(shí)在在、可以感覺到行為和動(dòng)作的變化。

3) 本文提出的模糊認(rèn)知控制器的設(shè)計(jì)方法應(yīng)該也可以用于多無人機(jī)協(xié)同、無人機(jī)協(xié)同攻擊甚至無人機(jī)安全等更復(fù)雜的無人機(jī)應(yīng)用場景，這有待進(jìn)一步研究和驗(yàn)證。

[1] Office of the Secretary of Defense. Unmanned aircraft systems roadmap 2005-2030[R]. Washington DC: Office of the Secretary of Defense, Department of Defense, 2005: 1?31.

[2] Per S, Jonas N, Rickard B, et al. Path and sensor planning framework applicable to UAV surveillance with EO/IR sensors[R]. Stockholm: FOI-Swedish Defence Research Agency, 2005: 16?28.

[3] Magnus L. Survey of search and secure algorithms for surveillance UGVs[R]. Stockholm: FOI-Swedish Defence Research Agency, 2007: 21?35.

[4] LI Xia, WEI Ruixuan, WANG Zhike. Three-dimension path planning for UAV using improved A* algorithm in complicated threat environment[J]. High Technology Letters, 2011, 17(1): 13?18.

[5] Dirafzoon A, Salehizadeh S, Emrani S, et al. Coverage control for mobile sensing robots in unknown environments using neural network[C]// Proceedings of the IEEE International Symposium on Intelligent Control. Yokohama: International Academic Publishers, 2010: 1482?1487.

[6] ZHU Qingbao, HU Jun, CAI Wenbin, et al. A new robot navigation algorithm for dynamic unknown environments based on dynamic path re-computation and an improved scout ant algorithm[J]. Applied Soft Computing, 2011, 11(8): 4667?4676.

[7] 彭輝, 沈林成, 朱華勇. 基于分布式模型預(yù)測控制的多UAV協(xié)同區(qū)域搜索[J]. 航空學(xué)報(bào), 2010, 31(3): 593?601. PENG Hui, SHEN Lincheng, ZHU Huayong. Multiple UAV cooperative area search based on distributed model predictive control[J]. Acta Aeronautica et Astronautica Sinica, 2010, 31(3): 593?601.

[8] Elpiniki I P, Jose L S, A review of fuzzy cognitive maps research during the last decade[J]. IEEE Transactions on Fuzzy Systems, 2013, 21(1): 66?78.

[9] Seyed K G, Ali A G. Action selection in robots based on learning fuzzy cognitive map[C]// Proceedings of the 2006 IEEE International Conference on Industrial Informatics. Singapore: International Academic Publishers, 2006: 731?736.

[10] Va??ák J. Approaches in adaptation of fuzzy cognitive maps for navigation purposes[C]// Proceedings of the SAMI 2010-8th IEEE International Symposium on Applied Machine Intelligence and Informatics. Slovakia:International Academic Publishers, 2010: 28?30.

[11] Pozna C, Troester F, Precup R E, et al. On the design of an obstacle avoiding trajectory: Method and simulation[J]. Mathematics and Computers in Simulation, Elsevier Science, 2009, 79(7): 2211?2226.

[12] 陳軍, 高曉光, 丁琳. 模糊認(rèn)知圖在預(yù)警機(jī)燃油管理中的應(yīng)用[J]. 系統(tǒng)工程與電子技術(shù), 2008, 30(9): 1717?1720. CHEN Jun, GAO Xiaoguang, DING Lin. Application of fuzzy cognitive maps in fuel management of airborne warning and control systems[J]. Systems Engineering and Electronics, 2008, 30(9): 1717?1720.

[13] Kosko B. Fuzzy cognitive maps[J]. International Journal of Man-Machine Studies, 1986, 24(1): 65?75.

[14] Zadeh L A. Fuzzy sets[J]. Information and Control, 1965, 8(3): 338?353.

[15] Axelrad R. Structure of decision: The congnitive maps of political elites[M]. Princeton: Princeton University Press, 1976: 16?22.

[16] Hana?zadeh P, Aliehyaei R. The application of fuzzy cognitive map in soft system methodology[J]. Systemic Practice and Action Research, 2011, 24(4): 325?354.

[17] Zhou S, Liu Z Q. Fuzzy causal networks: general model, inference, and convergence[J]. IEEE Transactions on Fuzzy Systems, 2006, 14(3): 412?420.

[18] Wojciech S, Witold P, Lukasz A K. Learning of fuzzy cognitive maps using density estimate[J]. IEEE Transactions on Systems, Man, and Cybernetics-Part B: Cybernetics, 2012, 42(3): 900?912.

(編輯 羅金花)

Design of fuzzy cognitive controllers for unmanned aerial vehicle searching and tracking purposes

CUI Junhui1, 2, WEI Ruixuan1, ZHANG Xiaoqian3, QI Xiaoming1

(1. College of Aeronautics and Astronautics Engineering, Air Force Engineering University, Xi’an 710038, China;2. 69220 PLA Troops, Aksu 842000, China;3. Staffroom 402, Second Artillery Engineering University, Xi’an 710025, China)

Searching and target-tracking is a very important problem for unmanned aerial vehicle application. A kind of fuzzy cognitive controller based on fuzzy cognitive map theory was designed. The fuzzy cognitive controller governed and managed behavior coordination when pacing nodes were used to regulate behavior transitions. Meanwhile, transitions of the unmanned aerial vehicle flying trajectories were continuous and smooth from one behavior mode to another, and just by using a simple instruction, an operator was able to make upper semantic based interaction between man and UAV. As soon as the instruction was issued all the other actions taken by the UAV were autonomous, and managed by the fuzzy cognitive controllers. The results show that the designed fuzzy cognitive controllers may coordinate the behaviors of the mission scenario automatically and release the ground operator from complicated workload.

unmanned aerial vehicle; searching; target following; fuzzy cognitive maps; motion trajectory

10.11817/j.issn.1672-7207.2015.09.017

V249

A

1672?7207(2015)09?3279?08

2014?12?06；

2015?02?10

國家自然科學(xué)基金資助項(xiàng)目(61105012)；航空科學(xué)基金資助項(xiàng)目(20135896027)；中國博士后科學(xué)基金資助項(xiàng)目 (2012M512149) (Project(61105012) supported by the National Natural Science Foundation of China; Project(20135896027) supported by the Aeronautical Science Foundation of China; Project(2012M512149) supported by China Postdoctoral Science Foundation)

魏瑞軒，教授，博士生導(dǎo)師，從事無人機(jī)自主控制研究；E-mail: rxwei369@sohu.com