基于生物智能的無人集群協(xié)同控制

郭褚冰 張鍇 張永平

1．中國電子科技集團(tuán)公司第二十研究所數(shù)據(jù)鏈技術(shù)重點(diǎn)實驗室陜西西安710068 2.西安電子科技大學(xué)人工智能學(xué)院陜西西安710071

21 世紀(jì)以來,無人機(jī)在載荷小型化、續(xù)航時間、超視距測控通信等方面取得了長足進(jìn)展;同時,復(fù)雜環(huán)境感知技術(shù)、精準(zhǔn)推理決策技術(shù)、多機(jī)協(xié)同技術(shù)等智能化技術(shù),正推動著無人機(jī)從單平臺地面測控執(zhí)行簡單任務(wù)到無人集群自主協(xié)同實現(xiàn)“偵-控-打-評”全作戰(zhàn)流程.在可以預(yù)見的未來,無人集群自主協(xié)同作戰(zhàn)將生成多種新質(zhì)作戰(zhàn)能力,成為信息化戰(zhàn)爭的重要形式.

由于無人集群需要在高度動態(tài)化、不確定性、強(qiáng)對抗的場景下執(zhí)行復(fù)雜任務(wù),所以也決定了無人集群需要具備較高的自主性和自適應(yīng)性,而無人集群的自主協(xié)同控制是其中的關(guān)鍵技術(shù).無人集群自主協(xié)同首先是時空的一致統(tǒng)一、信息的一致表達(dá)和態(tài)勢的一致理解;從而實現(xiàn)任務(wù)的協(xié)同,再通過智能化的處理協(xié)議實現(xiàn)對任務(wù)的分解與交互;支撐跨平臺異構(gòu)傳感器要素級協(xié)同.無人集群自主協(xié)同能力的提升可以有效地解決信息不完備、不確定條件下異構(gòu)無人平臺態(tài)勢信息一致性有效建模,作戰(zhàn)資源的動態(tài)分配與統(tǒng)一調(diào)度和面向任務(wù)需求的多平臺協(xié)同路徑規(guī)劃等關(guān)鍵問題.

美軍從2000年率先提出自主作戰(zhàn)概念,并打造無人機(jī)自主集群,在全球范圍內(nèi)保持無人系統(tǒng)技術(shù)的領(lǐng)先地位.其中,美國國防部在2005年8月份發(fā)布《無人機(jī)系統(tǒng)路線圖2005-2030》將無人機(jī)的自主等級劃分為1～10 級,預(yù)計在2025年后無人機(jī)將具備全自主能力[1].2016年5月,美國空軍發(fā)布了《小型無人機(jī)系統(tǒng)飛行規(guī)劃2016-2036》,從戰(zhàn)略層面肯定了小型無人機(jī)系統(tǒng)的應(yīng)用前景和價值[2],并對“蜂群”、“編組” 和“忠誠僚機(jī)” 作戰(zhàn)概念進(jìn)行了闡述.2018年8月,美國國防部發(fā)布了《無人系統(tǒng)綜合路線圖2017-2042》的新版路線圖,再次強(qiáng)調(diào)了自主性與協(xié)同性對于加速無人系統(tǒng)領(lǐng)域進(jìn)步的重要性，在理論研究的同時,加速推進(jìn)典型無人集群自主協(xié)同試驗驗證項目.

1 基于簇頭通信的Vicsek 模型

實現(xiàn)集群協(xié)同控制的一個首要條件就是個體間的同步運(yùn)動,包括速度和方向,生物集群在個體行為簡單,交互有限的條件下快速實現(xiàn)同步運(yùn)動,具有很好的借鑒意義[3?4].生物集群建模的研究開始于20 世紀(jì)80年代對魚群和鳥群的運(yùn)動計算仿真[5],在生物集群運(yùn)動機(jī)理方面較為突出的代表人物有Reynolds、Vicesk 以及Couzin.Reynolds 等提出分離、聚集、速度一致3 個基本規(guī)則,這3 個基本規(guī)則對群體模型的建立具有基礎(chǔ)意義,Vicesk 模型從統(tǒng)計力學(xué)的角度建立了一個逼近生物集群運(yùn)動本質(zhì)的模型.Couzin 模型將個體的感知區(qū)域由內(nèi)而外依次分為排斥區(qū)域、對齊區(qū)域和吸引區(qū)域3 個不重疊的區(qū)域,分別對應(yīng)群體中分離、速度一致和聚集規(guī)則.

Vicsek 模型[5?6]具備了復(fù)雜集群運(yùn)動的關(guān)鍵特征,N個自治個體組成的離散時間系統(tǒng),用集合∑={1,2,···,N}表示所有個體構(gòu)成的集合,初始位置和初始運(yùn)動方向都是隨機(jī)分布,所有個體都在一個L×L的區(qū)域內(nèi)自由移動,個體的運(yùn)動速度是恒定的,運(yùn)動方向則是按照所有鄰居運(yùn)動角度的矢量平均進(jìn)行更新,在更新的過程中還會受到一個高斯白噪聲的干擾.

首先,個體i的鄰居由以個體自身當(dāng)前位置為中心與該個體的歐式距離小于感知范圍R(R>0)的個體組成,||?||為向量的歐式距離,xi(t)為感知范圍內(nèi)以R為半徑的圓形區(qū)域的所有個體(如圖1所示),用Si(t)表示個體i在時刻t的鄰居組成的集合,因此,公式為:

圖1 Vicsek 模型感知范圍示意圖Fig.1 Schematic diagram of Vicsek model perception range

每個個體具有相同的速度v0,個體i在t時刻的運(yùn)動方向θi(t)∈(?π,π],因此,速度的運(yùn)動矢量v(t)=[v0cos θi(t),v0sin θi(t)]T個體i在t+1 時刻的位置和運(yùn)動方向更新公式,即

式(3)中,δ(t)為均勻分布的高斯白噪聲,其中θi(t)的計算公式如下:

可將Vicsek 模型轉(zhuǎn)化至復(fù)平面上,則位置和運(yùn)動方向更新為:

在基本Vicsek 模型中,每個個體僅與感知半徑范圍內(nèi)的鄰居進(jìn)行通信,但在實際的無人集群作戰(zhàn)體系中平臺的載荷、任務(wù)不盡相同,通常會對集群進(jìn)行分簇歸類,把具有相同作戰(zhàn)能力和任務(wù)的同構(gòu)平臺進(jìn)行整合,每個簇中都會有承擔(dān)簇間通信和簇內(nèi)指揮控制角色的簇頭平臺,將該簇頭平臺在基本Vicsek 模型中建模,在N個自治個體中存在M(MR,RM區(qū)域不重疊.中心個體y(t)間可互相通信感知,節(jié)點(diǎn)的集合公式為:

個體的感知范圍由R擴(kuò)展至M×R,因此,會提高集群一致性運(yùn)動的收斂效率,接下來將通過仿真進(jìn)一步得到驗證.

為了描述集群所有個體運(yùn)動一致性程度,這里定義序參量[7],也稱有序度,是集群內(nèi)所有個體歸一化的平均速度,序參量越大表示同步程度越高,即

收斂時間一般定義為序參量達(dá)到0.99 時所用最短的仿真時間作為收斂時間,即

基本Vicsek 算法與改進(jìn)型Vicsek 算法設(shè)計流程對比,如圖2所示.

基本Vicsek 算法的設(shè)計主要包含了參數(shù)設(shè)置,個體位置與角度初始化,鄰居個體的計算和平均運(yùn)動方向計算等步驟;基于簇頭通信的Vicsek 算法設(shè)計在此基礎(chǔ)上增加了集群內(nèi)簇頭確定,簇頭感知半徑計算,簇頭間位置與角度的共享等步驟,針對兩種模型進(jìn)行建模仿真.

圖2 基本Vicsek 算法與改進(jìn)型Vicsek 算法設(shè)計流程Fig.2 Basic Vicsek algorithm and improved Vicsek algorithm design process

設(shè)置初始化參數(shù),迭代次數(shù)T=50,集群總數(shù)量N=1 000,運(yùn)動范圍L=10,噪聲大小Noise=0.2,感知半徑R=1,速度的模值V=0.08,簇頭數(shù)量M=10,集群初始狀態(tài)如圖3所示,是一個隨機(jī)運(yùn)動狀態(tài).

在迭代50 次之后,基本Vicsek 集群狀態(tài)與改進(jìn)型Vicsek 集群的狀態(tài)如圖4和圖5所示.

可以明顯地觀察到,改進(jìn)型Vicsek 集群在迭代50 次后已經(jīng)達(dá)到一致性運(yùn)動,而基本Vicsek 集群則還未收斂.接下來計算兩種模型收斂所需的時間TC,它們在不同條件下的收斂時間如圖6所示.

從收斂時間TC的對比中可以得出,改進(jìn)型Vicsek 隨著簇頭數(shù)量M的增加可以有效地提高集群的同步效率.

圖3 集群初始狀態(tài)Fig.3 Initial state of the swarm

圖4 基本Vicsek 集群狀態(tài)Fig.4 Basic Vicsek swarm status

圖5 改進(jìn)型Vicsek 集群狀態(tài)Fig.5 Improved Vicsek swarm status

圖6 基本Vicsek 和改進(jìn)型Vicsek 在不同條件下的收斂時間Fig.6 Convergence time of the basic Vicsek and the improved Vicsek under different conditions

2 局部通信條件下的PID 協(xié)同控制器設(shè)計

生物集群在局部感知、個體行為簡單的條件下實現(xiàn)了復(fù)雜的行為模式,包括穩(wěn)定的編隊形成和重構(gòu),而且具有較強(qiáng)的魯棒性和“自愈”能力.生物集群的這些行為模式和控制策略可以為無人集群的協(xié)同控制提供研究思路.

無人集群在協(xié)同感知、協(xié)同決策的基礎(chǔ)上實現(xiàn)協(xié)同控制[8],尤其是集群在實現(xiàn)高機(jī)動性的規(guī)避和執(zhí)行復(fù)雜任務(wù)的過程中,僅僅依靠單個無人平臺的能力是無法實現(xiàn)的.多平臺的協(xié)同控制器將從平臺動力學(xué)模型出發(fā),基于生物集群的協(xié)同控制策略設(shè)計高效的感知與決策交互協(xié)議和協(xié)同控制器參數(shù).

無人機(jī)平臺實現(xiàn)穩(wěn)定的飛行和姿態(tài)的變換主要由飛行控制器實現(xiàn),飛行控制器通過輸出PWM 波信號對電機(jī)的轉(zhuǎn)速進(jìn)行控制實現(xiàn)相應(yīng)的動作.在最優(yōu)化控制領(lǐng)域有諸多算法和理論,但在工程應(yīng)用方面,基于經(jīng)典的PID 控制算法仍然是最有效的實現(xiàn)方案.當(dāng)無人集群進(jìn)行編隊飛行時,不僅要考慮單平臺的穩(wěn)定控制,還要考慮編隊中長機(jī)和僚機(jī)的相對位置,僚機(jī)的航向、速度、高度的變化要能適應(yīng)長機(jī)的動態(tài)變化,因此,要設(shè)計適用于無人集群自主協(xié)同的控制器及其策略具有重要意義.

PID 控制器是一種線性控制器,它主要根據(jù)給定值和實際輸出值構(gòu)成控制偏差,然后利用偏差給出合理的控制量[9].幾款開源飛控中,無一例外地都是采用PID 控制算法來實現(xiàn)無人機(jī)的姿態(tài)和軌跡控制.PID 里的P為比例因子,I為積分因子,D為微分因子,P和I提高系統(tǒng)穩(wěn)態(tài)精度,D提高系統(tǒng)穩(wěn)定性,PID 控制原理圖如圖7所示.

圖7 PID 控制原理圖Fig.7 PID control principle diagram

在PID 控制器中g(shù)(t)為給定值,e(t)為偏差量,u(t)為控制變量,y(t)為當(dāng)前狀態(tài),Process 為執(zhí)行器.借鑒生物集群領(lǐng)航編隊的原理,PID 協(xié)同控制器將當(dāng)前的態(tài)勢信息、任務(wù)指令經(jīng)過處理后產(chǎn)生對應(yīng)的編隊幾何形狀、拓?fù)浣Y(jié)構(gòu)、跟隨策略等控制指令和PID控制參數(shù),控制架構(gòu)如圖8所示.

圖8 協(xié)同控制器框架Fig.8 Cooperative controller framework

這里PID 協(xié)同控制器的距離參數(shù)調(diào)整式[10?11],當(dāng)長機(jī)與僚機(jī)之間的距離偏差為?L,速度偏差為eV,因此,綜合控制偏差為:

這里kL距離偏差控制增益,kV為速度偏差控制增益,采用PID 控制律收到速度的控制指令,即

根據(jù)當(dāng)前期望的速度值和PID 控制參數(shù),實現(xiàn)長機(jī)與僚機(jī)的速度一致,集群內(nèi)部可共享PID 控制參數(shù)實現(xiàn)快速的編隊重構(gòu).基于PID 的協(xié)同控制器將與作戰(zhàn)任務(wù)、感知數(shù)據(jù)結(jié)合,實現(xiàn)從感知、決策到控制的閉環(huán).

3 基于MAVLink 的消息幀擴(kuò)展方案

無人機(jī)與地面站、有人機(jī)的信息共享、情報分發(fā)、遙感測控主要是通過數(shù)據(jù)鏈實現(xiàn),因此,數(shù)據(jù)鏈也被稱為無人機(jī)系統(tǒng)的“神經(jīng)網(wǎng)絡(luò)”.軍用無人機(jī)數(shù)據(jù)鏈研發(fā)與應(yīng)用要早于民用領(lǐng)域,美軍在該領(lǐng)域一直處于領(lǐng)先地位,并為裝備的各類型無人機(jī)設(shè)計了與之匹配的數(shù)據(jù)鏈,其中,數(shù)字?jǐn)?shù)據(jù)鏈DDL 是一種基于IP 的戰(zhàn)術(shù)數(shù)據(jù)鏈,配備在美軍的RQ-11B “烏鴉”無人機(jī),而戰(zhàn)術(shù)通用數(shù)據(jù)鏈TCDL 是基于CDL 專門為無人機(jī)開發(fā)的抗干擾、全雙工通信鏈路.可以看出,數(shù)據(jù)鏈主要用于戰(zhàn)場態(tài)勢信息共享、情報分發(fā)和戰(zhàn)術(shù)協(xié)同,在平臺及要素協(xié)同控制方面尚未開展相關(guān)工作[12].數(shù)據(jù)鏈的優(yōu)勢在于頻帶寬、頻譜利用率高、抗干擾能力強(qiáng)、傳輸距離遠(yuǎn),但也存在功耗高、體積大、可擴(kuò)展性差、成本高等劣勢,因此,在無人集群協(xié)同控制方面,可借鑒民用數(shù)據(jù)鏈測控協(xié)議開源、可擴(kuò)展、環(huán)境易構(gòu)建等優(yōu)勢.

在民用數(shù)據(jù)鏈領(lǐng)域,MAVLink 開源協(xié)議[13?14]在各類型無人機(jī)中得到了廣泛的應(yīng)用,MAVLink 協(xié)議最早由瑞士蘇黎世聯(lián)邦理工學(xué)院計算機(jī)視覺與幾何實驗組于2009年發(fā)布,并遵循LGPL 開源協(xié)議.MAVLink 協(xié)議是在串口通訊基礎(chǔ)上的一種更高層的開源通訊協(xié)議,主要應(yīng)用在微型飛行器(Micro Aerial Vehicle,MAV)的通訊上.協(xié)議以消息庫的形式定義了參數(shù)傳輸?shù)囊?guī)則,支持無人固定翼飛行器、無人旋翼飛行器、無人車輛等多種類型的無人機(jī).MAVLink協(xié)議幀結(jié)構(gòu)如表1所示.

在MAVLink 協(xié)議幀中,定義了新消息起始位、負(fù)載長度、數(shù)據(jù)包丟失檢測、發(fā)送數(shù)據(jù)的系統(tǒng)ID和組件ID、消息負(fù)載和CRC 校驗;其中負(fù)載PAYLOAD 中的數(shù)據(jù)最為重要,包含了心跳包、飛行器類型、飛控類型、基本模式等信息,以及航路添加、巡航、返航、轉(zhuǎn)向等功能.

在當(dāng)前MAVLink 協(xié)議中,飛行控制器與地面控制站點(diǎn)通過MAVLink 協(xié)議交互任務(wù)信息與控制信息.針對無人集群的典型應(yīng)用場景以及本文研究結(jié)果,MAVLink 協(xié)議需要進(jìn)行如下擴(kuò)展:

表1 MAVLink 協(xié)議幀結(jié)構(gòu)Table 1 MAVLink protocol frame structure

1)由點(diǎn)對點(diǎn)通信協(xié)議擴(kuò)展至多點(diǎn)分布式的通信協(xié)議.

2)針對集群Vicsek 模型,協(xié)議中需要共享集群成員數(shù)量、感知半徑、運(yùn)動速度和運(yùn)動角度等參數(shù).

3)針對PID 協(xié)同控制器,需要實時共享平臺的PID 參數(shù)、速度、位置、編隊隊形結(jié)構(gòu)、跟隨策略等信息.

4)增加傳感器數(shù)據(jù)與控制數(shù)據(jù)的深度交聯(lián),提升平臺的協(xié)同控制能力.

5)針對拒止環(huán)境,需要增加相對導(dǎo)航和相對定位功能(參考link-16).

4 無人集群突防攻擊下的協(xié)同控制信息流程

無人集群突防攻擊是綜合運(yùn)用參戰(zhàn)的各類型無人平臺,根據(jù)作戰(zhàn)方案和當(dāng)前的敵我態(tài)勢信息,通過誘騙和電子壓制突破敵方火力攔截,在線實時分析與決策實施對敵方高價值目標(biāo)的選擇和高精度的協(xié)同控制打擊,具體流程如圖9所示.

無人集群突防攻擊的特征:1)作戰(zhàn)單元均是無人平臺.2)平臺異構(gòu)特征明顯.3)無人平臺自主協(xié)同能力差異較大.4)多平臺要素級協(xié)同控制.5)感知-決策-控制的深度耦合.6)無人集群的協(xié)調(diào)一致性.

無人集群突防攻擊作戰(zhàn)概念視圖如圖10所示.

無人集群突防攻擊首先根據(jù)作戰(zhàn)需求形成靜態(tài)任務(wù)規(guī)劃,確定需要參戰(zhàn)的無人平臺類型、載荷配置、網(wǎng)絡(luò)及傳輸要求,形成一個動態(tài)無中心的信息系統(tǒng).利用PID 協(xié)同控制器和擴(kuò)展版本MAVLink 協(xié)議實現(xiàn)傳感器、武器、飛行控制系統(tǒng)的交聯(lián),支撐編隊快速變換、態(tài)勢感知、聯(lián)合探測、目標(biāo)監(jiān)視、攻擊引導(dǎo)等作戰(zhàn)功能.

作戰(zhàn)平臺包含偵察型無人機(jī)、攻擊型無人機(jī)、地面無人指揮車、地面攻擊戰(zhàn)車、水下潛航器,傳感器包含了測控鏈路、雷達(dá)、導(dǎo)彈、協(xié)同控制器等,同時與地面有人指揮所共享前方態(tài)勢信息.

協(xié)同信息交換矩陣[15?16]的內(nèi)容包括作戰(zhàn)過程中各平臺和傳感器交互的信息、信息的流向及作用等,如表2所示.

5 結(jié)論

圖9 無人機(jī)群突防攻擊信息流程Fig.9 UAV swarm penetration attack information process

圖10 無人集群突防攻擊作戰(zhàn)概念視圖Fig.10 Conceptual view of unmanned swarm penetration attack operations

通過對生物集群的運(yùn)動機(jī)理與模型研究,提出并設(shè)計了改進(jìn)型Vicsek 模型和PID 協(xié)同控制器,并將研究的結(jié)果應(yīng)用到MAVLink 的消息幀擴(kuò)展中,用于提升無人集群的協(xié)同控制能力,同時結(jié)合典型的作戰(zhàn)場景,細(xì)化了控制協(xié)議與控制策略.未來將會結(jié)合特定無人機(jī)平臺,在典型應(yīng)用場景下,對協(xié)同控制器和改進(jìn)MAVLink 協(xié)議的協(xié)同控制能力進(jìn)行實驗驗證.

表2 作戰(zhàn)信息交換矩陣Table 2 Combat information exchange matrix

隨著無人集群系統(tǒng)的復(fù)雜性不斷提高,包括成員數(shù)量的倍增和平臺差異性的不斷增大,以及作戰(zhàn)場景的需求不但提升,未來無人集群的發(fā)展有如下趨勢:1)人工智能技術(shù)提升集群自主感知、決策的水平[17].2)協(xié)同層次與協(xié)同深度不斷地擴(kuò)展,形成有人/無人、無人/無人的混合發(fā)展模式.3)互操作能力擴(kuò)展至不同的維度,要素級協(xié)同能力不斷提升.