【技术实现步骤摘要】
一种针对有人无人机协同对地作战的任务规划方法
本专利技术涉及无人机任务规划
，具体为一种针对有人无人机协同对地作战的任务规划方法。
技术介绍
相对有人机，无人机在成本、便利性、机动性、适应性等方面具有明显优势，也受到了多国军方的青睐。多机协同作战各架战机在机载武器装备和战术方面优势互补，相互配合，可达成“1+1>2”的效能。近年来，我国关于多无人机协同编队的进行了较多的理论研究，但受限于当前无人机和作战系统的智能化发展程度，硬件能力尚未跟上理论的高度，短时间内实现“纯无人机”之间相互配合完全自主作战尚不太实际，还需由人为操控，对作战过程进行控制和监督以保证任务完成和使用安全。因此，当前仍需要优先发展有人/无人机协同。有人/无人机协同作战包括许多关键技术，包括有人机/无人机协同控制技术、态势感知与评估技术、协同任务规划技术、编队飞行与跟踪控制技术、战场智能决策技术和目标打击效能评估技术等。众多环节配合密切，才能获得理想的作战效果。这其中任务规划技术作为有人/无人机协同作战技术的中心和重要环节，在很大程度上决定了作战的取胜几率。目前有关有人/无人机任务规划的研究较少，且目前公开的研究中多是对二维平面的研究。本专利技术针对三维场景中有人/无人机协同打击任务规划进行研究，且针对有人/无人机协同的有限集中分布式控制模式。具体场景的描述如下：设定在对地打击任务开始前，有人机获取到侦察、探测无人机传回的一些必要的信息,包括战场威胁、环境、空域、敌方目标数量等信息，有人机为每架无人机分配需要打击的目标，期...
【技术保护点】
1.一种针对有人无人机协同对地作战的任务规划方法，其特征在于，包括以下步骤：/nS1、战场环境建模：采用数字地图信息融合原理将作战空间原始地形地貌和威胁信息融合成综合地形信息；/nS2、获取有人机数、无人机数和目标数量：设对地打击编队包括有1架有人机和m架无人机(v
【技术特征摘要】
1.一种针对有人无人机协同对地作战的任务规划方法，其特征在于，包括以下步骤：
S1、战场环境建模：采用数字地图信息融合原理将作战空间原始地形地貌和威胁信息融合成综合地形信息；
S2、获取有人机数、无人机数和目标数量：设对地打击编队包括有1架有人机和m架无人机(v1,v2,…,vm)，共发现m个的需要打击的目标(t1,t2,…,tn)；
S3、建立任务分配目标函数：目标函数的建立综合考虑三个方面的因素，包括目标的打击价值、前往目标的航迹代价和巡航过程中受到的威胁代价；
①打击价值：目标打击价值反映了目标的重要程度，无人机优先打击价值大的目标，用V(tj)表示目标tj的打击价值；
V(tj)＝PjRj
其中，Pj是目标tj被攻击的概率函数，Rj是目标tj的被攻击优先权值，Pij是无人机vi打击目标tj的效率，即vi能成功打击tj的概率；
②航迹代价：根据三维地形跟随和无人机飞行保持估算无人机到目标的航迹距离即航迹代价；
③威胁代价：无人机在飞行过程中，暴露在敌方威胁下的时间越长被摧毁的概率就越大，设无人机沿着L飞行过程中，受到任务场景中的威胁概率可表示为：
其中，代表无人机受到任务场景中第i个雷达的威胁概率，代表无人机受到任务场景中第j个地空导弹的威胁概率，上述式子表示为对航迹L的积分形式，实际情况下，可根据计算时间要求在航迹点上采样若干个点来离散化节省时间；
S4、设立任务分配约束条件：
①任务分配均衡约束：分配任务可为一架无人机分配多个目标，也可为将一个目标分配给多个无人机联合执行，为提高任务的执行效率，对任务分配进行均匀约束；
其中nmax表示给无人vi分配的最多目标数，mmax为给目标tj最多分配的无人机数量；
②无人机最大航程：无人机航程应不大于其最大航程：
L≤Lmax
其中，Lmax是单架无人机最大航程；
③打击目标协同不重复
其中，θi和θj是第i架与第j架无人机分配到的目标集合；
S5、基于合同网算法求解任务分配；
令有人机作为基于合同网算法的任务分配过程中的宿主招标人，在打击目标确定以及获取到战场态势信息后，招标人为每个无人机随机生成竞标顺序并公布需要进行打击的目标名单，拍卖开始，每个无人机根据目标列表构建所有可能的目标打击计划，并计算这些计划的收益，轮到竞标时，无人机将根据贪婪原则从目标攻击计划列表中选择最佳计划，作为自己的打击计划进行竞标，全部无人机按照竞标顺序竞标，在所有无人机竞标之后，本轮招标结束，获得针对无人机编队的目标分配计划，如未达到时间或资源限制时，招标人随机生成的新竞标顺序进行新一轮竞标，以寻求更好的解决方案，当超时或资源超出限制时，算法停止；
S6、考虑种群初始化基因编码：选用实数编码的方式，染色体基因用航迹点坐标表示；
S7、根据任务分配结果，每个无人机进行航迹规划，建立航迹代价函数：
设无人机从初始位置O开始，经过N-1个节点后到达目标位置G，则无人机经过航迹的航迹代价可表示为：
J＝ω1fl+ωfh+ω3fd
其中，表示航程代价，是相邻航迹段距离之和，di,i+1表示相邻两航迹点间的距离；
fh＝∫hdl表示高程代价，表示对航迹上高度的积分，为使无人机尽可能贴地飞行，表示威胁代价，第i个航迹点位置受到第j个威胁点的威胁代价，基因编码；选用实数编码的方式，染色体基因用航迹点坐标表示；
S8、设立航迹规划约束条件：
①最小航迹段约束：为避免无人机频繁转弯和起伏，造成油耗的浪费，对最小航迹段即无人机变化当前姿态前必须保持直飞的距离进行限制，设用pi表示第i个航迹段，li是无人机第i段飞行航迹段长度，lmin是最小航迹段长度；
li≥lmin,i＝1,2,3…n
②最低飞行高度约束：无人机要尽量在离地较近的位置飞行，但是又不能高度过低导致撞击到地面，hi表示第i段航迹飞行高度，hmin表示最低的飞行高度，则有
hi≥hmin,i＝1,2,3…n
③最大转弯角约束：由于自身机动性能的限制，无人机转弯时候只能转一定角度，所以要进行最大转弯角约束，不大于最大转弯角才能实现飞至下一航迹点，转弯角越小飞行也相对平稳，设第i段航迹的水平投影为ai＝(xi-xi-1,yi-yi-1)，无人机的最大转弯角为θ则：
④最大爬升角约束：和最大转弯角相似，由于自身爬升和俯冲性能约束限制，无人机爬升或下降时要最大角度也受到限制，设航迹段i纵方向高度差为|zi-zi-1|，无人机最大俯仰角为则：
S9、采用轮盘赌方法选择父代个体；
S10、交叉操作：交叉算子操作分别将两个个体随机分为两部分，个体1的前半部分和个体2的后半部分结合，个体1的后半部分和个体1的前半部分结合，产生两个全新的个体；
S11、变异操作：变异操作指对交叉之后子代随机选取染色体中单个或多个基因位置，对该位置的基因值做异动，变异操作一可以提高算法的局部搜索能力，交叉后个体接近问题最优解时，需要变异作用调整个体部分基因位值，使个体更接近最优解；二是防止种群早熟现象，保持种群多样性，通过变异，可产生新的个体编码结构，有效避免早熟，从航迹的角度来讲航迹内部变异即坐标值的改变，变异操作能辅助产生新个体，影响着遗传算法的局部搜索能力；
①插入操作算子：当航迹段穿越危险区域或者违背最低航迹高度时候，随机在这条航迹中两相邻节点之间插入新航迹节点；
②删除操作算子：如果无人机航迹不满足飞行约束，删除该航迹的中间节点；
③交换操作算子：交换航迹中任意两个相邻节点的先后顺序，可以减小转弯角，通过局部搜索的2-opt算法实现，交换操作后获得的新路径若适应度大于原路径，那么更新路径；
④扰动操作算子：随机改变一个航迹节点的坐标值，扰动范围根据原航迹是否可行确定，若原航迹可行，则小范围扰动...
【专利技术属性】
技术研发人员：丁萌，胡月，曹云峰，吴仪，王羲雨，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。