• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      指定域多無人機(jī)協(xié)同目標(biāo)跟蹤研究

      2023-04-03 14:29:10朱代武曾婧涵孫永鵬
      關(guān)鍵詞:跟蹤目標(biāo)集群協(xié)同

      朱代武,劉 豪,曾婧涵,孫永鵬

      (中國(guó)民用航空飛行學(xué)院,四川 廣漢 618307)

      0 引言

      無人機(jī)系統(tǒng)是目前無人系統(tǒng)領(lǐng)域發(fā)展最快、水平最高、實(shí)戰(zhàn)應(yīng)用最多的一類空中系統(tǒng),而多無人機(jī)對(duì)重點(diǎn)區(qū)域進(jìn)行協(xié)同偵查、目標(biāo)搜尋及目標(biāo)跟蹤是空中作戰(zhàn)系統(tǒng)中實(shí)用的技術(shù)領(lǐng)域。多無人機(jī)協(xié)同主要從信息融合與資源互補(bǔ)兩方面對(duì)任務(wù)進(jìn)行組織分配,在多UAV并行過程中,每架UAV所擁有的信息源均為自身傳感器所捕獲,無人機(jī)集群中的所有UAV進(jìn)行綜合態(tài)勢(shì)感知與信息融合,提供給UAV主控系統(tǒng)以進(jìn)行任務(wù)分配與調(diào)度,進(jìn)而提高任務(wù)執(zhí)行效率。然而在實(shí)際任務(wù)中,受UAV性能、任務(wù)需求和環(huán)境因素影響與制約,對(duì)多UAV進(jìn)行協(xié)同控制是一個(gè)極其復(fù)雜的過程,其復(fù)雜性主要體現(xiàn)在:(1)任務(wù)所處環(huán)境的復(fù)雜性;(2)多無人機(jī)UAV個(gè)體間的差異;(3)任務(wù)需求的復(fù)雜性 ;(4)計(jì)算與通信的復(fù)雜性[1-2]。

      為解決多無人機(jī)在多復(fù)雜性條件下的協(xié)同跟蹤問題,國(guó)內(nèi)外學(xué)者做了大量的工作,如傳統(tǒng)方法以搜索論[2-3]為基礎(chǔ),從最大化目標(biāo)發(fā)現(xiàn)概率的角度預(yù)先設(shè)計(jì)覆蓋作戰(zhàn)區(qū)域的多目標(biāo)搜索方法。然而多無人機(jī)協(xié)同作戰(zhàn)是一個(gè)動(dòng)態(tài)過程,一般情況下目標(biāo)處于移動(dòng)狀態(tài),無法進(jìn)行預(yù)先規(guī)劃,只能根據(jù)作戰(zhàn)跟蹤過程中的實(shí)時(shí)探測(cè)信息和環(huán)境信息進(jìn)行實(shí)時(shí)決策。針對(duì)動(dòng)態(tài)作戰(zhàn)過程,目前一類重要的辦法是基于搜索圖的辦法,如占用圖[4]、概率圖[5]、信息素視圖[6]等,此類方法都是通過構(gòu)造反映目標(biāo)和環(huán)境信息的二維離散地圖,并基于實(shí)時(shí)探測(cè)消息更新,在當(dāng)前搜索圖上進(jìn)行求解[7-9]。對(duì)于多無人機(jī)協(xié)同作戰(zhàn)而言通過離散地圖上的中央節(jié)點(diǎn)來維護(hù)全局的搜索圖信息,最后基于當(dāng)前多無人機(jī)狀態(tài)采用滾動(dòng)優(yōu)化方法求解該群的最優(yōu)化軌跡及覆蓋區(qū)域,然而集中式計(jì)算數(shù)據(jù)量較大,且機(jī)群間不同位置的運(yùn)動(dòng)姿態(tài)各不相同,存在計(jì)算時(shí)間過長(zhǎng)無法進(jìn)行有效時(shí)間內(nèi)自主決策。

      為解決數(shù)據(jù)量大及計(jì)算復(fù)雜問題,提高動(dòng)態(tài)規(guī)劃效率,基于預(yù)先分配結(jié)果進(jìn)行動(dòng)態(tài)任務(wù)分配。以戰(zhàn)術(shù)多無人機(jī)執(zhí)行協(xié)同打擊任務(wù)為背景,針對(duì)具有戰(zhàn)術(shù)目的的持續(xù)跟蹤(持續(xù)跟蹤,表示跟蹤目標(biāo)盡可能處于觀測(cè)平臺(tái)的傳感器范圍內(nèi),在復(fù)雜環(huán)境特別是城市環(huán)境作戰(zhàn),由于傳感器視線遮擋、飛行空域限制等需要多無人機(jī)協(xié)作以維持目標(biāo)跟蹤任務(wù)的魯棒性[10])跟蹤作戰(zhàn),研究戰(zhàn)術(shù)無人機(jī)協(xié)同目標(biāo)跟蹤優(yōu)化方法,驗(yàn)證所選取方法的有效性。

      1 協(xié)同目標(biāo)跟蹤下的協(xié)同目標(biāo)跟蹤

      系統(tǒng)中的智能個(gè)體根據(jù)個(gè)體之間的局部交互信息對(duì)自身的行為進(jìn)行動(dòng)態(tài)調(diào)整。其中集群行為(collective behavior)是集群個(gè)體經(jīng)由所關(guān)聯(lián)耦合合作方式而涌現(xiàn)出來的自組織運(yùn)動(dòng)模式,其關(guān)聯(lián)耦合方式的差異性也會(huì)促使集群行為產(chǎn)生差異。如何對(duì)個(gè)體的行為規(guī)則進(jìn)行構(gòu)建、刻畫與分析、關(guān)聯(lián)耦合結(jié)構(gòu)與運(yùn)動(dòng)特性,使得一個(gè)融合性的系統(tǒng)在運(yùn)動(dòng)過程中能夠保持一致性,以實(shí)現(xiàn)期望的集群行為與完成預(yù)期的復(fù)雜任務(wù)。

      UAV跟蹤開始階段,UAV跟蹤續(xù)航階段與UAV跟蹤結(jié)束階段為多無人機(jī)機(jī)動(dòng)目標(biāo)跟蹤的一個(gè)完整過程。即首先跟蹤起始階段利用無人機(jī)傳感器所攜帶的量測(cè)信息建立新的目標(biāo)規(guī)劃航跡,其中較為典型的跟蹤方法有連續(xù)多次掃描和基于目標(biāo)設(shè)定下的后驗(yàn)概率決策分析方法;其次跟蹤續(xù)航階段通過UAV所搭載的雙向數(shù)據(jù)傳輸鏈路來實(shí)現(xiàn)量測(cè)信息與已確定航跡的配對(duì)擬合,然后利用現(xiàn)有的信息融合處理技術(shù)對(duì)各個(gè)目標(biāo)的狀態(tài)數(shù)據(jù)參數(shù)進(jìn)行獲取存儲(chǔ),進(jìn)而對(duì)已確定的規(guī)劃目標(biāo)航跡進(jìn)行更新;跟蹤結(jié)束階段為跟蹤開始階段的逆向過程,即目標(biāo)離開跟蹤空間時(shí)消除多余的預(yù)測(cè)目標(biāo)航跡。

      1.1 協(xié)同跟蹤下的多無人機(jī)控制

      無人機(jī)集群通過組建高動(dòng)態(tài)、可擴(kuò)展、智能化的無人機(jī)集群網(wǎng)絡(luò),能夠提升無人機(jī)的適應(yīng)能力,協(xié)同完成復(fù)雜任務(wù)。針對(duì)無人機(jī)集群協(xié)同技術(shù),介紹在路徑規(guī)劃、態(tài)勢(shì)感知和任務(wù)協(xié)作等領(lǐng)域的應(yīng)用研究,通過分析無人機(jī)集群網(wǎng)絡(luò)協(xié)同的發(fā)展歷程及傳統(tǒng)方案的不足,提出未來的無人機(jī)集群協(xié)作將是多智能體的無人機(jī)集群智能協(xié)同,給出了實(shí)現(xiàn)框架[11]。

      由于UAV系統(tǒng)自我組織控制能力的增強(qiáng),地面操縱正在實(shí)現(xiàn)由手動(dòng)操縱向機(jī)器學(xué)習(xí)監(jiān)督式控制過渡。目前UAV任務(wù)控制系統(tǒng)通常采用分層遞階結(jié)構(gòu)框架[12],該框架中為面向戰(zhàn)術(shù)任務(wù)的4層任務(wù)控制結(jié)構(gòu),分別為多無人機(jī)戰(zhàn)術(shù)層、多無人機(jī)策略層、多無人機(jī)控制層和多無人機(jī)執(zhí)行層[13-16]。其中戰(zhàn)術(shù)層主要依據(jù)戰(zhàn)術(shù)任務(wù)要求,分析任務(wù)特點(diǎn)、制定任務(wù)時(shí)序與邏輯過程與指定策略優(yōu)化等;策略層主要結(jié)合策略優(yōu)化要求和環(huán)境約束,融合目標(biāo)感知信息、與其他單位交互協(xié)同等;控制層基于得到的策略層進(jìn)行航點(diǎn)跟蹤計(jì)算、速度保持與互聯(lián)云臺(tái)控制等;執(zhí)行層從物理層面控制平臺(tái)及其任務(wù)載荷,其結(jié)構(gòu)如圖1所示。

      圖1 戰(zhàn)術(shù)UAV系統(tǒng)分層戰(zhàn)術(shù)任務(wù)控制系統(tǒng)[12]

      由于實(shí)際戰(zhàn)爭(zhēng)環(huán)境復(fù)雜且動(dòng)態(tài)變化,機(jī)載傳感器獲取的目標(biāo)信息存在高度的不確定性,因此對(duì)目標(biāo)跟蹤、區(qū)域搜索、感知與規(guī)避等戰(zhàn)術(shù)任務(wù),在任務(wù)控制系統(tǒng)的策略層,可采用基于主動(dòng)感知的任務(wù)求解過程,任務(wù)過程包含目標(biāo)感知、估計(jì)猜測(cè)以及任務(wù)優(yōu)化等模塊[17],該戰(zhàn)術(shù)模塊如圖2所示。

      圖2 戰(zhàn)術(shù)任務(wù)的主動(dòng)感知求解過程[12]

      1.2 多無人機(jī)協(xié)同跟蹤模型

      多無人機(jī)的協(xié)同跟蹤是根據(jù)其性能參數(shù)、傳感通信條件、集群個(gè)數(shù)等為基本約束條件(影響多無人機(jī)運(yùn)行效能的因素很多,如航程、航時(shí)、飛行速度、飛行高度、單個(gè)無人機(jī)性能等,為便于量化分析需對(duì)多參數(shù)進(jìn)行整合。),以實(shí)現(xiàn)多任務(wù)、多層次、多范圍內(nèi)的最優(yōu)化處理為目標(biāo)函數(shù),并根據(jù)實(shí)際情形需要將任務(wù)進(jìn)行分配處理,以求達(dá)到任務(wù)處理時(shí)滿足全局收斂與時(shí)間最短[18]。

      假定任務(wù)區(qū)域中分布著N架UAV(記為xi,i=1,2,…,N)和具有部分先驗(yàn)消息Pta的被跟蹤目標(biāo)xi,每架UAV均可獲得協(xié)同跟蹤目標(biāo)的觀測(cè)信息zi(i=1,2,…,N),且各UAV之間相互獨(dú)立。要求在規(guī)定任務(wù)時(shí)間內(nèi)協(xié)調(diào)優(yōu)化各UAV控制輸入ui,可以得到最優(yōu)化控制輸入ui*。

      因多UAV協(xié)同目標(biāo)跟蹤存在3個(gè)層次的協(xié)作,需融合不同無人機(jī)對(duì)跟蹤目標(biāo)的偵查以獲取目標(biāo)最優(yōu)化處理;其次使用跟蹤性能最優(yōu)對(duì)航跡進(jìn)行協(xié)作;最后在任務(wù)控制方面需進(jìn)行更高層次協(xié)作。對(duì)于集中式控制結(jié)構(gòu)可采用如下協(xié)同跟蹤模型[19]:

      u*[1,…,L]=argmaxJ

      (zi[k+1:k+L],xi[k+1:k+L],xt[k+1:k+L])

      (1)

      s.t:

      xt[k+1]=f(xt[k])+q[k]

      (2)

      xi[k+1]=a(xi[k])+b(ui[k])

      xi[k]∩RL=φ

      (3)

      zi[k]=hi(xt[k],xi[k])+vi

      i=1,2,…,N

      (4)

      其中:u=[u1,…,uN];ui= [uiδ,uiγ,uiV]表示UAV控制輸入;δi[k],γi[k],Vi[k]分別對(duì)應(yīng)UAV的偏航角、俯仰角和速度,而對(duì)應(yīng)上述3個(gè)變量的控制輸入uiδ[k],uiγ[k]與uiV[k]需要滿足平臺(tái)的動(dòng)力學(xué)約束;J(·)表示航跡優(yōu)化的效能函數(shù);f(·)表示目標(biāo)狀態(tài)轉(zhuǎn)移模型;q[k]~N(0,Q[k])是k時(shí)刻目標(biāo)狀態(tài)的過程噪聲;L為戰(zhàn)術(shù)航跡優(yōu)化的時(shí)域長(zhǎng)度所對(duì)應(yīng)的執(zhí)行時(shí)域的數(shù)目;a(·)為UAV狀態(tài)轉(zhuǎn)移模型;b(·)為UAV控制輸入的過程模型;RL為UAV禁止飛行區(qū)域集合;h(·)為對(duì)應(yīng)無人機(jī)對(duì)目標(biāo)的狀態(tài)觀測(cè)模型;vi為無人機(jī)測(cè)量噪聲。

      因UAV個(gè)體之間相互獨(dú)立,可用分布式控制結(jié)構(gòu)進(jìn)行協(xié)調(diào),則對(duì)每個(gè)UAV節(jié)點(diǎn)i進(jìn)行航跡優(yōu)化,則式(1)~(4)改進(jìn)后如下:

      ui*[1,…,L] = argmaxJi

      (zj[k+ 1:k+L],xi[k+ 1:k+L],xt[k+ 1:k+L])

      (5)

      s.t:

      xt[k+1]=f(xt[k])+q[k]

      (6)

      xj[k+1]=a(xj[k])+b(uj[k])

      xj[k]∩RL=φ

      (7)

      zj[k]=hj(xt[k],xj[k])+vj

      j∈{i}∪Vi

      (8)

      因卡爾曼濾波需對(duì)UAV動(dòng)態(tài)系統(tǒng)進(jìn)行精確計(jì)算,并且對(duì)高斯噪聲的統(tǒng)計(jì)特性有精準(zhǔn)要求,而在實(shí)際多UAV協(xié)同跟蹤系統(tǒng)中往往無法得知,尤其對(duì)于未知復(fù)雜環(huán)境的目標(biāo)跟蹤領(lǐng)域。因卡爾曼濾波為在時(shí)間域內(nèi)的遞推,其迭代計(jì)算為預(yù)測(cè)-更新的循環(huán)過程,因該迭代單向有序,從而無需占有過多存儲(chǔ)空間對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行處理,從而便于計(jì)算機(jī)操縱系統(tǒng)的高效響應(yīng)。在實(shí)際遞推的處理過程中往往采取卡爾曼信息濾波器,即在預(yù)測(cè)和更新兩個(gè)步驟中通過遞推形式計(jì)算協(xié)方差矩陣的逆,具體可對(duì)其定義為:

      (9)

      (10)

      (11)

      (12)

      當(dāng)多UAV協(xié)同跟蹤系統(tǒng)狀態(tài)n大于所需量測(cè)維數(shù)p時(shí),采用卡爾曼濾波形式較為精確,因?yàn)榇藭r(shí)所需的求逆矩陣為p×p;當(dāng)主控系統(tǒng)狀態(tài)維數(shù)n小于已量測(cè)維數(shù)p時(shí)采用信息濾波形式較為合適,此時(shí)對(duì)應(yīng)的求逆矩陣為n×n,且采用信息濾波易于處理多傳感器信息的融合問題。同時(shí)在該優(yōu)化結(jié)構(gòu)模型中設(shè)定單個(gè)UAV為群網(wǎng)絡(luò)節(jié)點(diǎn),且只在面向自己的控制指令下進(jìn)行優(yōu)化升級(jí)處理,每個(gè)節(jié)點(diǎn)的效能函數(shù)可與網(wǎng)絡(luò)中臨近UAV的數(shù)據(jù)進(jìn)行融合處理,并在適當(dāng)時(shí)候進(jìn)行耦合搭建。

      1.3 多UAV下的集群系統(tǒng)控制方式

      在目前多無人機(jī)集群運(yùn)行控制中,常見的控制方式有4種,分別為:集中式、分布式、分層式與自組織式,以下就4種進(jìn)行簡(jiǎn)述說明:

      1.3.1 集中式協(xié)同運(yùn)行控制

      集中式控制是指UAV由集群中的主機(jī)帶領(lǐng),由主機(jī)進(jìn)行主要的計(jì)算和指令發(fā)布,其他無人機(jī)處于次要或者輔助位置;或者由集群控制的外部平臺(tái)或者地面基站充當(dāng)控制單元,多無人機(jī)運(yùn)行過程中的無人機(jī)接收?qǐng)?zhí)行數(shù)據(jù)與指令,并適當(dāng)向“控制者”進(jìn)行信息反饋。集中式的控制是建立在對(duì)全局信息掌握的基礎(chǔ)上,每架UAV的位置信息、v、姿態(tài)與運(yùn)動(dòng)目標(biāo)信息進(jìn)行交互處理。

      圖3 多無人機(jī)協(xié)同集中式結(jié)構(gòu)

      1.3.2 分布式協(xié)同運(yùn)行控制

      分布式控制是指系統(tǒng)的控制結(jié)構(gòu)是分布式的。分布式的控制需要建立在集群多無人機(jī)的局部信息的基礎(chǔ)上,每架無人機(jī)要將自己的位置信息、v、姿態(tài)與運(yùn)動(dòng)目標(biāo)信息與其他無人機(jī)進(jìn)行交互信息處理,在分布式控制下每架UAV裝備相對(duì)獨(dú)立的控制單元,通過多無人機(jī)之間的協(xié)作去完成任務(wù)。這種控制不僅僅依賴于中心控制單元,在單架UAV通信失常時(shí),可與附近UAV進(jìn)行通信數(shù)據(jù)互補(bǔ)以增強(qiáng)多無人機(jī)協(xié)同運(yùn)行的安全性與穩(wěn)定性。

      圖4 多無人機(jī)協(xié)同分布式結(jié)構(gòu)

      1.3.3 分層式協(xié)同運(yùn)行控制

      在多無人機(jī)協(xié)同運(yùn)行中單機(jī)進(jìn)行水平交互的同時(shí)加上垂直交互來實(shí)現(xiàn)沖突解脫。當(dāng)無人機(jī)協(xié)同運(yùn)行群中個(gè)體數(shù)目小于等于6時(shí),使用集中式協(xié)同運(yùn)行或者分布式協(xié)同運(yùn)行效果較好;當(dāng)協(xié)同運(yùn)行中的無人機(jī)數(shù)量大于6時(shí),適合對(duì)無人機(jī)進(jìn)行分層管理,實(shí)際分層控制結(jié)構(gòu)根據(jù)任務(wù)組織情況、無人機(jī)運(yùn)行所處的外部環(huán)境等因素進(jìn)行綜合考量。

      1.3.4 自組織式協(xié)同運(yùn)行控制

      自組織式協(xié)同運(yùn)行類似于生物集群的方式,以集群行為對(duì)多無人機(jī)進(jìn)行協(xié)調(diào)控制集群行為的產(chǎn)生以及運(yùn)行機(jī)制比較簡(jiǎn)單,但是考慮到無人機(jī)個(gè)體容易受到附近無人機(jī)的干擾,在對(duì)無人機(jī)沒有集中控制的前提下,個(gè)體無人機(jī)容易通過局部簡(jiǎn)單的交互行為使得全局無人機(jī)群出現(xiàn)自組織、協(xié)作等一些等挑戰(zhàn)性的無人機(jī)協(xié)同運(yùn)行,這種技術(shù)在復(fù)雜系統(tǒng)中稱之為能力涌現(xiàn)。通過交互作用或者協(xié)作行為,組織較為分散的無人機(jī)單體能夠通過耦合作用表現(xiàn)出較強(qiáng)的整體優(yōu)勢(shì),能夠完成較為復(fù)雜的任務(wù)。

      圖5 多無人機(jī)自組織式結(jié)構(gòu)

      2 面向持續(xù)協(xié)同跟蹤模型優(yōu)化

      持續(xù)協(xié)同跟蹤的首要條件是在復(fù)雜環(huán)境中始終保持UAV傳感器觀測(cè)范圍對(duì)目標(biāo)的有效覆蓋,其在線觀測(cè)優(yōu)化效能函數(shù)為:

      J(zi[k+1:k+L],xi[k+1:k+L],xt[k+1:k+L])=

      λ1·λ(P(xt[k:k+L]|z1:N[k],xt[k-1]))

      (13)

      式中,λ1、λ2為加權(quán)系數(shù);Sen為傳感器對(duì)目標(biāo)的覆蓋效能函數(shù),取值如下:

      (14)

      將式(13)帶入式(1)即可得到集中結(jié)構(gòu)下面向持續(xù)跟蹤的多無人機(jī)協(xié)同優(yōu)化模型。此外除需滿足運(yùn)動(dòng)學(xué)約束外還需滿足以下兩項(xiàng)約束:(1)跟蹤目標(biāo)處于可視范圍內(nèi);(2)處于指定空域以內(nèi)。

      跟蹤目標(biāo)是否能夠被感應(yīng)捕捉,除感應(yīng)器自身限制外還與外界環(huán)境息息相關(guān)。有效的無人機(jī)感知系統(tǒng)通常包含多種傳感器,多源信息融合可以對(duì)來自于多個(gè)傳感器的數(shù)據(jù)進(jìn)行多層次、多級(jí)別和全方位的綜合處理,得到對(duì)環(huán)境的最佳描述[20]。

      針對(duì)存在障礙物的復(fù)雜環(huán)境,假設(shè)地形地物信息已知,可通過計(jì)算目標(biāo)的可視域而非UAV傳感器探測(cè)范圍對(duì)問題進(jìn)行簡(jiǎn)化[21]。令XV(x)為跟蹤目標(biāo)x的可視范圍,XhV(x)為x在高度為h時(shí)的可視范圍,其對(duì)應(yīng)的可視范圍如圖6所示。

      圖6 目標(biāo)可視區(qū)域示意圖

      為便于計(jì)算以飛行高度最低的UAV的可視域作為問題約束,即h=min(hi)。在獲得可視區(qū)域內(nèi)通過判斷UAV是否位于跟蹤目標(biāo)可視區(qū)域即可確定目標(biāo)是否在作戰(zhàn)中被偵查[22-24]。令第i架UAV在給定時(shí)刻k位于跟蹤可視區(qū)域x[k]內(nèi)可表示為Dxi[k],且Dxi[k]屬于XihiV(x[k]),其中D=[I3×3[0]3×(1+n)],hi對(duì)應(yīng)UAV的飛行高度。此外作戰(zhàn)環(huán)境中空域多元化會(huì)導(dǎo)致復(fù)雜度增加。令B={1,2,…,Nb}表示UAV飛越的空域集合,每個(gè)單元b∈B通過多面體R0b表示,則:

      (15)

      3 指定域協(xié)同跟蹤實(shí)驗(yàn)仿真

      為檢驗(yàn)面向持續(xù)協(xié)同跟蹤模型的有效性,在win10的運(yùn)行環(huán)境下進(jìn)行UAV協(xié)同仿真,同時(shí)采用MATLAB2018.a進(jìn)行模擬仿真實(shí)現(xiàn)。仿真中采用遠(yuǎn)程偵查跟蹤型UAV在復(fù)雜環(huán)境里對(duì)單個(gè)作戰(zhàn)目標(biāo)進(jìn)行跟蹤,UAV群中含有數(shù)量為37架(UAV單機(jī)機(jī)長(zhǎng)1.65 m,翼展2.1 m,機(jī)翼展弦比5.7 m)。其中模擬地形區(qū)域范圍為[-50,50]×[-50,50](單位:km);UAV飛行速度為50 m/s;最大偏航角速度為0.6 rad/s,UAV攜帶有測(cè)向和測(cè)距傳感器,測(cè)量誤差協(xié)方差為Vi=[25 m2,0.1 rad2,0.1 rad2];仿真時(shí)長(zhǎng)為300 s;單步?jīng)Q策時(shí)間間隔為1 s。對(duì)應(yīng)算法設(shè)置中令L=10,即估計(jì)未來10 s目標(biāo)位置;計(jì)算相應(yīng)控制序列記為k+10;進(jìn)化算法的染色體數(shù)量為50;運(yùn)行次數(shù)最大值為1 000;最長(zhǎng)運(yùn)行時(shí)間為2 s,并對(duì)UAV群協(xié)同運(yùn)行邊緣進(jìn)行標(biāo)記,標(biāo)記后的多無人機(jī)運(yùn)行如圖7,8所示(標(biāo)記地面跟蹤點(diǎn)為原點(diǎn),坐標(biāo)為(0,0))。因UAV感知范圍為0°~360°,可設(shè)定偵察半徑Ro對(duì)目標(biāo)區(qū)域360°空間進(jìn)行連續(xù)探測(cè)。本文所選取UAV為中程巡航類型可設(shè)定Ro=4 km,令原點(diǎn)(0,0)為跟蹤基準(zhǔn)點(diǎn),2R0為被跟蹤目標(biāo)輻射半徑。同時(shí)考慮單UAV之間的協(xié)調(diào)性,可依次設(shè)定4R0與8R0作為目標(biāo)跟蹤擴(kuò)展半徑,如圖7所示。

      圖7 指定域多無人機(jī)與跟蹤目標(biāo)分布

      因UAV機(jī)長(zhǎng)1.65 m,翼展2.1 m,取機(jī)長(zhǎng)與翼展中的最大值作為無人機(jī)自控半徑,即rCD=max(1.65,2.10)=2.10,[單位:m];按照無人機(jī)運(yùn)行手冊(cè)規(guī)定,UAV之間運(yùn)行距離lCD不得小于1.5 rCD,即在該實(shí)驗(yàn)中l(wèi)CD=3.15 m。對(duì)指定域分布的多無人機(jī)進(jìn)行標(biāo)記,單個(gè)UAV標(biāo)記半徑為3.15 m,標(biāo)記后的分布如圖8所示。

      圖8 多無人機(jī)協(xié)同跟蹤目標(biāo)標(biāo)記

      有限域內(nèi)對(duì)多無人機(jī)邊緣進(jìn)行連接,可對(duì)有限域內(nèi)多無人機(jī)跟蹤范圍進(jìn)行縮小,進(jìn)而提高協(xié)同目標(biāo)跟蹤的精準(zhǔn)度,在縮小區(qū)域內(nèi)對(duì)面向持續(xù)跟蹤的多無人機(jī)協(xié)同進(jìn)行卡爾曼濾波檢驗(yàn),將UAV數(shù)據(jù)帶入上式可得對(duì)應(yīng)實(shí)驗(yàn)結(jié)果如圖9所示。

      圖9 無人機(jī)協(xié)同跟蹤濾波范圍

      如圖9所示,設(shè)定25(單位:m2)為期望值,即濾波值應(yīng)小于等于該期望,實(shí)驗(yàn)表明測(cè)量值區(qū)間較為寬泛,其值區(qū)間為[21,28],區(qū)間的跨度保證了多無人機(jī)協(xié)同運(yùn)行上的自主性與協(xié)調(diào)能力的重復(fù)發(fā)揮。當(dāng)t=0時(shí)真實(shí)值為24.9(單位:m2),kalman值為24.6(單位:m2),說明通過利用面向持續(xù)跟蹤算法在基礎(chǔ)位上能夠保證誤差得到減小,且隨著仿真時(shí)間的延長(zhǎng),測(cè)量值呈現(xiàn)隨機(jī)分布狀態(tài)更便于多無人機(jī)的機(jī)動(dòng)協(xié)調(diào)飛[25]。同時(shí)kalman估計(jì)值與真實(shí)值擬合度更高,且遠(yuǎn)小于期望值,證明了多無人機(jī)在實(shí)際作戰(zhàn)中對(duì)目標(biāo)跟蹤的精準(zhǔn)性。對(duì)kalman濾波誤差及測(cè)量誤差進(jìn)行對(duì)比分析,可知測(cè)量誤差極限區(qū)間為[-1.5,1.5],kalman誤差為[-0.5,0.5](因UAV機(jī)載傳感裝置,可協(xié)同物信息進(jìn)行偵察,紅色虛線框所示),證明面向持續(xù)跟蹤的多無人機(jī)協(xié)同誤差相比于先知地形地物信息誤差率縮小66.6%,間接證明了所使用模型在多無人機(jī)協(xié)同目標(biāo)跟蹤中的合理性[26]。

      圖10 多無人機(jī)協(xié)同運(yùn)行誤差對(duì)比

      因所使用作戰(zhàn)無人機(jī)具有測(cè)向和測(cè)距傳感器功能,在相同實(shí)驗(yàn)條件下對(duì)采用主動(dòng)感知策略與只考慮跟蹤目標(biāo)不考慮主動(dòng)感知算法(記為k+0)進(jìn)行比較,其跟蹤目標(biāo)被觀測(cè)次數(shù)與目標(biāo)位置平均誤差結(jié)果如圖11(a)與11(b)所示[27-30]。

      圖11 有/無主動(dòng)感知策略跟蹤性能比較

      由圖11(a)可以得出采用k+10時(shí)刻被跟蹤目標(biāo)預(yù)測(cè)狀態(tài)進(jìn)行優(yōu)化后能夠提高跟蹤目標(biāo)被探測(cè)次數(shù),平均29次,被跟蹤目標(biāo)至少在多無人機(jī)傳感器觀測(cè)范圍內(nèi)的時(shí)刻數(shù)為300次左右。圖11(b)為融合濾波得到的被跟蹤目標(biāo)位置平均誤差,較之于k+0相比基于k+10時(shí)刻被跟蹤目標(biāo)估計(jì)誤差降低約13%。

      4 結(jié)束語

      因多無人機(jī)協(xié)同是由一定數(shù)量單功能和多功能UAV共同組成,在交感網(wǎng)絡(luò)的支撐作用下,無人機(jī)節(jié)點(diǎn)之間進(jìn)行信息交互與反饋、激勵(lì)與響應(yīng)等交感行為[31];且多UAV具有能力涌現(xiàn)的特點(diǎn),可實(shí)現(xiàn)單主控平臺(tái)行為自主決策、平臺(tái)間行為協(xié)同決策[32],最終產(chǎn)生能力涌現(xiàn)的自主與他助融合的輔助空中移動(dòng)系統(tǒng),同時(shí)多無人機(jī)協(xié)同運(yùn)行不是單無人機(jī)的簡(jiǎn)單編隊(duì),其集群能力也不是諸多控制服務(wù)平臺(tái)單一能力的簡(jiǎn)單疊加,而是由多航空器控制下的科學(xué)聚集,經(jīng)過協(xié)同自組織實(shí)現(xiàn)自組織與行為調(diào)控機(jī)制的有機(jī)耦合。然而由于現(xiàn)實(shí)環(huán)境中存在的UAV系統(tǒng)復(fù)雜性、任務(wù)復(fù)雜性、時(shí)間敏感性、計(jì)算復(fù)雜性、通信復(fù)雜性等各種影響因素疊加在一起,使得對(duì)無人機(jī)自主協(xié)同控制成為熱點(diǎn)[33]。為此本文提出了面向持續(xù)跟蹤的多無人機(jī)協(xié)同模型不僅能夠有效實(shí)現(xiàn)被跟蹤目標(biāo)的偵察工作,并能夠在充分發(fā)揮多無人機(jī)自組織能力基礎(chǔ)上實(shí)現(xiàn)目標(biāo)狀態(tài)的估計(jì)[24]。由于未來環(huán)境復(fù)雜、對(duì)抗性日益增強(qiáng)、任務(wù)的多元性[25],可能存在算法失效問題,為此我們未來研究的重點(diǎn)是多算法融合下多無人機(jī)協(xié)同作戰(zhàn)及利用拓?fù)浣Y(jié)構(gòu)對(duì)其代價(jià)函數(shù)進(jìn)行構(gòu)建。

      猜你喜歡
      跟蹤目標(biāo)集群協(xié)同
      核相關(guān)濾波與孿生網(wǎng)絡(luò)相結(jié)合的目標(biāo)跟蹤算法
      蜀道難:車與路的協(xié)同進(jìn)化
      海上小型無人機(jī)集群的反制裝備需求與應(yīng)對(duì)之策研究
      “四化”協(xié)同才有出路
      汽車觀察(2019年2期)2019-03-15 06:00:50
      一種無人機(jī)集群發(fā)射回收裝置的控制系統(tǒng)設(shè)計(jì)
      電子制作(2018年11期)2018-08-04 03:25:40
      基于圖割理論的尺度自適應(yīng)人臉跟蹤算法
      Python與Spark集群在收費(fèi)數(shù)據(jù)分析中的應(yīng)用
      勤快又呆萌的集群機(jī)器人
      連續(xù)同色調(diào)背景下運(yùn)動(dòng)目標(biāo)自適應(yīng)跟蹤
      三醫(yī)聯(lián)動(dòng) 協(xié)同創(chuàng)新
      莲花县| 彭泽县| 桦甸市| 通化市| 日喀则市| 同仁县| 稻城县| 柏乡县| 大关县| 东乌珠穆沁旗| 成都市| 新竹县| 建湖县| 广东省| 定远县| 老河口市| 隆安县| 六枝特区| 徐水县| 上虞市| 余干县| 岳阳县| 城口县| 江油市| 梅州市| 普宁市| 浦县| 东乡族自治县| 阿拉善左旗| 江都市| 应城市| 新建县| 永春县| 灵璧县| 孝义市| 宁蒗| 凤冈县| 正镶白旗| 西青区| 通许县| 神木县|