一种多无人机协同干扰方法技术

本申请提供了一种多无人机协同干扰方法，属于无人机控制领域，采用聚类算法对目标干扰点进行聚类，考虑无人机的航程约束，进行多无人机协同干扰任务分配，运用蚁群算法对每个聚类簇中的多无人机干扰航迹进行优化。采用本申请的多无人机协同干扰方法，可以最大限度的确保多无人机在执行干扰任务时航线不相交。保多无人机在执行干扰任务时航线不相交。保多无人机在执行干扰任务时航线不相交。

【技术实现步骤摘要】
一种多无人机协同干扰方法


[0001]本申请涉及无人机领域，具体而言，涉及一种模糊自适应NMPC轨迹跟踪控制和能源管理方法。

技术介绍

[0002]多无人机协同干扰是指两架或两架以上无人机相互配合、协作执行干扰任务的策略(参见文献：Franklin M.Unmanned combat air vehicles:opportunities for the guided weapons industry？.[J].rusi occasional paper,2009.)。
[0003]在现代战争中，地面雷达往往部署在敌纵深作战区域，有人机载平台或车载平台难以进入，无法对其形成有效的干扰。无人机具有低成本、高机动性和无人员伤亡等优点，能更好地对敌方地面雷达进行干扰，因此，为完成此类作战任务，往往采用多无人机协同干扰的方式进行。多无人机执行协同干扰任务时，需要进行干扰点聚类与多无人机协同干扰任务分配，然后携带干扰载荷的无人机对干扰点进行抵近干扰。
[0004]现有的多无人机协同干扰方法存在以下两个主要问题：
[0005]1)多无人机之间的航迹交叉问题。在传统的多无人机协同干扰算法中，无人机群需要对多个干扰点进行抵近干扰，规划出来的航迹可能会出现重合的情况，多无人机在执行任务的过程中存在较大的碰撞风险。
[0006]2)传统的多无人机协同干扰算法较为复杂，效率较低。现有的多无人机协同干扰算法一般要着重考虑多无人机生成的假目标航迹的可信度，导致算法的复杂度较高，无法满足无人机实时规划干扰航迹的需求。
[0007]综合以上分析，如何解决以上两个问题，仍然需要深入的研究。

技术实现思路

[0008]本申请的目的在于针对上述现有技术的不足，提供一种多无人机协同干扰方法。
[0009]本专利技术的目的在于提供一种时效性较高的多无人机协同干扰方法。通过聚类算法对地面雷达目标进行聚类，得到按照地面雷达位置聚类的簇，然后进行多无人机协同干扰任务分配，任务分配结束后，基于蚁群算法对协同干扰航迹进行优化，生成多机协同干扰航迹。
[0010]本申请的技术方案如下：
[0011]一种多无人机协同干扰方法，包括如下步骤：
[0012]步骤1：参数初始化；
[0013]步骤2：目标干扰点聚类；
[0014]步骤3：多无人机干扰任务分配；
[0015]步骤4：基于蚁群算法对协同干扰航迹进行优化，生成多机协同干扰航迹。
[0016]进一步，步骤1包括如下子步骤：
[0017]步骤1.1输入地面雷达的数量n与位置信息；
[0018]步骤1.2输入携带干扰载荷的无人机数量m；无人机搭载干扰载荷的扫描角度θ；干扰载荷的最大有效距离R
max
；
[0019]步骤1.3设定无人机搭载的干扰载荷的探测范围：干扰载荷的最大地面视场为一个半径为R
max sinθ的圆。
[0020]进一步，步骤2：雷达聚类：
[0021]判断无人机数量m与地面雷达数量n的关系：
[0022]若m≥n，则每个雷达都分别属于一个簇，雷达簇的数量k＝n；
[0023]若m＜n，运用聚类算法对地面雷达进行聚类，得到k个聚类簇，通过调整Eps邻域半径，使得k≤m；
[0024]进一步，步骤2，包括以下子步骤：
[0025]2.1输入干扰点集合D＝{x1,x2,...,x
m
}、邻域参数MinPts(MinPts为邻近区域内应至少包含点的个数，MinPts∈[2,+∞))
[0026]X
i
表示第i个无人机的位置；
[0027]2.2初始化核心对象集合：
[0028]Ω表示核心对象集合，表示空集；
[0029]2.3循环计算
[0030]2.3.1j初始值为1；
[0031]2.3.2确定干扰点x
j
的邻域N
Eps
(x
i
)：
[0032]N
Eps
(x
i
)＝{x
j
∈D|dist(x
i
,x
j
)≤Eps}
[0033]其中，D＝{x1,x2,...,x
m
}为给定数据集，N
Eps
为点x
i
的Eps邻域包含的干扰目标点的点集；
[0034]2.3.3若将|N
Eps
(x
i
)|≥MinPts干扰点X
j
加入核心对象集合：Ω＝Ω∪{x
j
}
[0035]2.3.4j的值加1；
[0036]2.3.5若j大于m，退出循环，进入步骤2.4；若j小于等于m，重复步骤2.3.2～2.3.5。
[0037]2.4初始化干扰点簇类：k＝0；初始化未访问干扰点集合：Γ＝D；
[0038]2.5第一重循环
[0039]2.5.1记录当前未访问干扰点集合：Γ
old
＝Γ
[0040]2.5.2随机选取一个核心对象o∈Ω，初始化队列Q＝＜o＞；(这里定义了Q，相当于一个临时的核心对象集合)
[0041]2.5.3Γ＝Γ\{o}；
[0042]2.5.4第二重循环
[0043]2.5.4.1取出队列Q中的首个样本q(Q为一个临时的核心对象集合)
[0044]2.5.4.2若|N
Eps
(q)|≥MinPts，令Δ＝N
Eps
(x
i
)∩Γ，将Δ中的干扰点加入队列Q，Γ＝Γ\Δ；
[0045]2.5.4.3若重复步骤2.5.4.1～2.5.4.3；否则，进入步骤2.5.5(即是执行第二重循环的判断条件)；
[0046]2.5.5k自加1，生成聚类簇C
k
＝Γ
old
\Γ，Ω重新赋值为Ω\C
k
；
[0047]2.5.6若重复步骤2.5.1～2.5.6；否则，进入步骤2.6；
[0048]2.6输出：簇划分C＝{C1,C2,...,C
k
}；后续要对簇进行任务分配。
[0049]进一步，步骤3：进行多无人机干扰任务分配；包括以下子步骤：
[0050]3.1每个雷达簇至少安排一架无人机进行干扰。
[0051]3.2计算每个雷达簇中所需要的最短干扰航迹l，若无人机的最大航程L＜l，则对该雷达簇再进行聚类，直到L≥l。
[0052]进一步，步骤4还包括：
[0053]4.1初始化蚁群参数：
[0054]输入参数：p、t、d
ij
、τ
ij
(t)、τ0、最大迭代次数N；
[0055]其中，蚁群中蚂蚁的数量为p，目标点的数量为t，点i与点j本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人机协同干扰方法，其特征在于：通过聚类算法对地面雷达目标进行聚类，得到按照地面雷达位置聚类的簇，然后进行多无人机协同干扰任务分配，任务分配结束后，基于蚁群算法对协同干扰航迹进行优化，生成多机协同干扰航迹。2.一种多无人机协同干扰方法，其特征在于，包括如下步骤：步骤1：参数初始化；步骤2：目标干扰点聚类；步骤3：多无人机干扰任务分配；步骤4：基于蚁群算法对协同干扰航迹进行优化，生成多机协同干扰航迹。3.根据权利要求1所述的一种多无人机协同干扰方法，其特征在于，步骤1包括如下子步骤：步骤1.1输入地面雷达的数量n与位置信息；步骤1.2输入携带干扰载荷的无人机数量m；无人机搭载干扰载荷的扫描角度θ；干扰载荷的最大有效距离R
max
；步骤1.3设定无人机搭载的干扰载荷的探测范围：干扰载荷的最大地面视场为一个半径为R
max sinθ的圆。4.根据权利要求2所述的一种多无人机协同干扰方法，其特征在于，步骤2：雷达聚类：判断无人机数量m与地面雷达数量n的关系：若m≥n，则每个雷达都分别属于一个簇，雷达簇的数量k＝n；若m＜n，运用聚类算法对地面雷达进行聚类，得到k个聚类簇，通过调整Eps邻域半径，使得k≤m。5.根据权利要求4所述的一种多无人机协同干扰方法，其特征在于，步骤2，包括以下子步骤：2.1输入干扰点集合D＝{x1,x2,...,x
m
}、邻域参数MinPts(MinPts为邻近区域内应至少包含点的个数，MinPts∈[2,+∞))X
i
表示第i个无人机的位置；2.2初始化核心对象集合：Ω表示核心对象集合，表示空集；2.3循环计算2.3.1j初始值为1；2.3.2确定干扰点x
j
的邻域N
Eps
(x
i
)：N
Eps
(x
i
)＝{x
j
∈D|dist(x
i
,x
j
)≤Eps}其中，D＝{x1,x2,...,x
m
}为给定数据集，N
Eps
为点xi的Eps邻域包含的干扰目标点的点集；2.3.3若将|N
Eps
(x
i
)|≥MinPts干扰点X
j
加入核心对象集合：Ω＝Ω∪{x
j
}2.3.4j的值加1；2.3.5若j大于m，退出循环，进入步骤2.4；若j小于等于m，重复步骤2.3.2～2.3.5。2.4初始化干扰点簇类：k＝0；初始化未访问干扰点集合：Γ＝D；2.5第一重循环2.5.1记录当前未访问干扰点集合：Γ
old
＝Γ
2.5.2随机选取一个核心对象o∈Ω，初始化队列Q＝＜o＞；(这里定义了Q，相当于一个临时的核心对象集合)2.5.3Γ＝Γ\{o}；2.5.4第二重循环2.5.4.1取出队列Q中的首个样本q(Q为一个临时的核心...

【专利技术属性】
技术研发人员：李文光，邓杨赟，葛佳昊，贺云涛，孟军辉，李怀建，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：