兵工学报 ›› 2023, Vol. 44 ›› Issue (6): 1576-1587.doi: 10.12382/bgxb.2022.0211
张堃1,2,*(), 刘泽坤1, 华帅1, 张振冲1, 李珂1, 于竞婷3
收稿日期:
2022-03-30
上线日期:
2023-06-30
通讯作者:
基金资助:
ZHANG Kun1,2,*(), LIU Zekun1, HUA Shuai1, ZHANG Zhenchong1, LI Ke1, YU Jingting3
Received:
2022-03-30
Online:
2023-06-30
摘要:
针对多无人机攻击目标时间协同以及飞行航线空间协同问题,提出基于时间与空间双协同稀疏A*搜索(T/S-SAS)算法的多无人机四维协同攻击航线生成算法。改进飞行扩展节点模型,设计基于并发扩展的算法结构,建立时间协同代价计算模型与多机防碰撞约束模型,并开展仿真研究。研究结果表明:所提算法能够增强无人机攻击航线的规划效率、减少不同无人机抵达目标的协同攻击时间极差、解决不同无人机之间的空间防碰撞问题;该算法使多无人机协同攻击航线满足时间/空间约束,提升了多无人机协同时间打击性能及飞行路线空间协同性能,提高无人机协同作战效率与作战能力。
张堃, 刘泽坤, 华帅, 张振冲, 李珂, 于竞婷. 基于T/S-SAS的多无人机四维协同攻击航线生成[J]. 兵工学报, 2023, 44(6): 1576-1587.
ZHANG Kun, LIU Zekun, HUA Shuai, ZHANG Zhenchong, LI Ke, YU Jingting. Generation of Multi-UAV Four-dimensional Cooperative Attack Route Based on T/S-SAS[J]. Acta Armamentarii, 2023, 44(6): 1576-1587.
图9 基于T/S-SAS算法的多无人机四维协同攻击航线生成算法流程
Fig.9 Algorithm flow of the generation of multi-UAV four-dimensional cooperative attack route based on T/S-SAS algorithm
编号 | 威胁 种类 | 威胁二维中心 坐标/km | 最大威胁 高度/km | 最大威胁 半径/km |
---|---|---|---|---|
1 | 山峰威胁 | (45.0, 72.0) | 3.0 | 15.0 |
2 | 山峰威胁 | (67.0, 40.0) | 1.5 | 10.0 |
3 | 山峰威胁 | (31.0, 28.0) | 2.0 | 10.0 |
4 | 山峰威胁 | (88.0, 26.0) | 2.5 | 12.0 |
5 | 雷达威胁 | (60.0, 52.0) | 12.0 | 12.0 |
6 | 雷达威胁 | (81.0, 55.0) | 8.0 | 8.0 |
7 | 雷达威胁 | (57.0, 86.0) | 10.0 | 10.0 |
8 | 雷达威胁 | (23.0, 68.0) | 9.6 | 9.6 |
9 | 雷达威胁 | (20.0, 38.0) | 10.0 | 10.0 |
10 | 雷达威胁 | (44.0, 19.0) | 8.0 | 8.0 |
11 | 雷达威胁 | (69.0, 24.0) | 8.0 | 8.0 |
12 | 防空导弹威胁 | (94.0, 27.0) | 7.0 | 10.0 |
13 | 防空导弹威胁 | (92.0, 46.0) | 7.0 | 10.0 |
14 | 防空导弹威胁 | (78.0, 75.0) | 7.0 | 8.0 |
15 | 防空导弹威胁 | (36.0, 80.0) | 7.0 | 9.0 |
16 | 防空导弹威胁 | (25.0, 16.0) | 7.0 | 9.0 |
17 | 防空导弹威胁 | (92.0, 85.0) | 7.0 | 7.0 |
18 | 气候威胁 | (38.0, 38.0) | 30.0 | 6.0 |
19 | 气候威胁 | (71.0, 38.0) | 30.0 | 8.0 |
20 | 气候威胁 | (58.0, 69.0) | 30.0 | 6.0 |
21 | 气候威胁 | (20.0, 85.0) | 30.0 | 6.0 |
22 | 气候威胁 | (40.0, 66.0) | 30.0 | 6.0 |
23 | 气候威胁 | (90.0, 68.0) | 30.0 | 6.0 |
表1 环境威胁参数
Table 1 Environment threat parameters
编号 | 威胁 种类 | 威胁二维中心 坐标/km | 最大威胁 高度/km | 最大威胁 半径/km |
---|---|---|---|---|
1 | 山峰威胁 | (45.0, 72.0) | 3.0 | 15.0 |
2 | 山峰威胁 | (67.0, 40.0) | 1.5 | 10.0 |
3 | 山峰威胁 | (31.0, 28.0) | 2.0 | 10.0 |
4 | 山峰威胁 | (88.0, 26.0) | 2.5 | 12.0 |
5 | 雷达威胁 | (60.0, 52.0) | 12.0 | 12.0 |
6 | 雷达威胁 | (81.0, 55.0) | 8.0 | 8.0 |
7 | 雷达威胁 | (57.0, 86.0) | 10.0 | 10.0 |
8 | 雷达威胁 | (23.0, 68.0) | 9.6 | 9.6 |
9 | 雷达威胁 | (20.0, 38.0) | 10.0 | 10.0 |
10 | 雷达威胁 | (44.0, 19.0) | 8.0 | 8.0 |
11 | 雷达威胁 | (69.0, 24.0) | 8.0 | 8.0 |
12 | 防空导弹威胁 | (94.0, 27.0) | 7.0 | 10.0 |
13 | 防空导弹威胁 | (92.0, 46.0) | 7.0 | 10.0 |
14 | 防空导弹威胁 | (78.0, 75.0) | 7.0 | 8.0 |
15 | 防空导弹威胁 | (36.0, 80.0) | 7.0 | 9.0 |
16 | 防空导弹威胁 | (25.0, 16.0) | 7.0 | 9.0 |
17 | 防空导弹威胁 | (92.0, 85.0) | 7.0 | 7.0 |
18 | 气候威胁 | (38.0, 38.0) | 30.0 | 6.0 |
19 | 气候威胁 | (71.0, 38.0) | 30.0 | 8.0 |
20 | 气候威胁 | (58.0, 69.0) | 30.0 | 6.0 |
21 | 气候威胁 | (20.0, 85.0) | 30.0 | 6.0 |
22 | 气候威胁 | (40.0, 66.0) | 30.0 | 6.0 |
23 | 气候威胁 | (90.0, 68.0) | 30.0 | 6.0 |
序号 | 算法 | 改进 |
---|---|---|
1 | 传统SAS算法 | |
2 | I-SAS算法 | 添加“飞行扩展节点改进模型” |
3 | IT-SAS算法 | 添加“飞行扩展节点改进模型”+“并发扩展结构”+“时间协同代价计算模型” |
4 | IS-SAS算法 | 添加“飞行扩展节点改进模型”+“并发扩展结构”+“多机防碰撞约束模型” |
5 | T/S-SAS算法 | 添加“飞行扩展节点改进模型”+“并发扩展结构”+“时间协同代价计算模型”+“多机防碰撞约束模型” |
表2 相关算法名称及算法改进描述
Table 2 Related algorithm name and algorithm improvement description
序号 | 算法 | 改进 |
---|---|---|
1 | 传统SAS算法 | |
2 | I-SAS算法 | 添加“飞行扩展节点改进模型” |
3 | IT-SAS算法 | 添加“飞行扩展节点改进模型”+“并发扩展结构”+“时间协同代价计算模型” |
4 | IS-SAS算法 | 添加“飞行扩展节点改进模型”+“并发扩展结构”+“多机防碰撞约束模型” |
5 | T/S-SAS算法 | 添加“飞行扩展节点改进模型”+“并发扩展结构”+“时间协同代价计算模型”+“多机防碰撞约束模型” |
无人机编号 | 起始点坐标/km | 设定目标点坐标/km |
---|---|---|
U1 | (20.0, 0, 1.0) | (20.0, 100.0, 1.0) |
U2 | (40.0, 0, 1.0) | (40.0, 100.0, 1.0) |
U3 | (60.0, 0, 1.0) | (60.0, 100.0, 1.0) |
U4 | (80.0, 0, 1.0) | (80.0, 100.0, 1.0) |
表3 算法规划效率测试的起点、目标点参数
Table 3 Starting point and target point parameters of algorithm planning efficiency test
无人机编号 | 起始点坐标/km | 设定目标点坐标/km |
---|---|---|
U1 | (20.0, 0, 1.0) | (20.0, 100.0, 1.0) |
U2 | (40.0, 0, 1.0) | (40.0, 100.0, 1.0) |
U3 | (60.0, 0, 1.0) | (60.0, 100.0, 1.0) |
U4 | (80.0, 0, 1.0) | (80.0, 100.0, 1.0) |
图11 不同扩展节点数量下传统SAS算法与I-SAS算法规划结果数据对比
Fig.11 Data comparison between traditional SAS algorithm and I-SAS algorithm under different number of expanded nodes
无人机 编号 | 起始点 坐标/km | 目标 编号 | 设定目标点 坐标/km | |
---|---|---|---|---|
U1 | (20.0, 0, 1.0) | T1 | (20.0, 100.0, 1.0) | |
U2 | (40.0, 0, 1.0) | T2 | (40.0, 100.0, 1.0) | |
U3 | (60.0, 0, 1.0) | T3 | (60.0, 100.0, 1.0) | |
U4 | (80.0, 0, 1.0) | T4 | (80.0, 100.0, 1.0) |
表4 时间协同测试的起点、目标点参数
Table 4 Starting point and target point parameters of time coordination test
无人机 编号 | 起始点 坐标/km | 目标 编号 | 设定目标点 坐标/km | |
---|---|---|---|---|
U1 | (20.0, 0, 1.0) | T1 | (20.0, 100.0, 1.0) | |
U2 | (40.0, 0, 1.0) | T2 | (40.0, 100.0, 1.0) | |
U3 | (60.0, 0, 1.0) | T3 | (60.0, 100.0, 1.0) | |
U4 | (80.0, 0, 1.0) | T4 | (80.0, 100.0, 1.0) |
无人机编号 | 起始点坐标/km | 设定目标点坐标/km |
---|---|---|
U1 | (0.5, 0, 1.0) | (100.0, 100.0, 1.0) |
U2 | (1.0, 0, 1.0) | (100.0, 100.0, 1.0) |
U3 | (0, 0.5, 1.0) | (100.0, 100.0, 1.0) |
U4 | (0, 1.0, 1.0) | (100.0, 100.0, 1.0) |
表5 空间协同测试的起点、目标点参数
Table 5 Starting point and target point parameters of space coordination test
无人机编号 | 起始点坐标/km | 设定目标点坐标/km |
---|---|---|
U1 | (0.5, 0, 1.0) | (100.0, 100.0, 1.0) |
U2 | (1.0, 0, 1.0) | (100.0, 100.0, 1.0) |
U3 | (0, 0.5, 1.0) | (100.0, 100.0, 1.0) |
U4 | (0, 1.0, 1.0) | (100.0, 100.0, 1.0) |
无人机编号 | 起始点坐标/km | 设定目标点坐标/km |
---|---|---|
U1 | (1.0, 0, 1.0) | (100.0, 100.0, 1.0) |
U2 | (2.0, 0, 1.0) | (100.0, 100.0, 1.0) |
U3 | (0, 1.0, 1.0) | (100.0, 100.0, 1.0) |
U4 | (0, 2.0, 1.0) | (100.0, 100.0, 1.0) |
表6 时间/空间协同测试的起点、目标点参数
Table 6 Starting point and target point parameters of time/space coordination test
无人机编号 | 起始点坐标/km | 设定目标点坐标/km |
---|---|---|
U1 | (1.0, 0, 1.0) | (100.0, 100.0, 1.0) |
U2 | (2.0, 0, 1.0) | (100.0, 100.0, 1.0) |
U3 | (0, 1.0, 1.0) | (100.0, 100.0, 1.0) |
U4 | (0, 2.0, 1.0) | (100.0, 100.0, 1.0) |
[1] |
尤嵩菀, 王文龙. 美俄军事智能化发展及启示[J]. 海军工程大学学报(综合版), 2020, 17(2): 64-69.
|
|
|
[2] |
|
[3] |
孙健, 井立, 刘朝君. 突发威胁下的无人机航迹规划算法[J]. 飞行力学, 2018, 36(3): 52-55.
|
|
|
[4] |
doi: 10.4173/mic.2017.1.3 URL |
[5] |
代进进, 李相民, 薄宁, 等. 基于模型预测控制的无人机避障路径规划方法[J]. 火力与指挥控制, 2020, 45(1): 114-119.
|
|
|
[6] |
王文彬, 秦小林, 张力戈, 等. 基于滚动时域的无人机动态航迹规划[J]. 智能系统学报, 2018, 13(4): 524-533.
|
|
|
[7] |
doi: 10.1109/TVT.25 URL |
[8] |
doi: 10.3390/app10165613 URL |
[9] |
朱杰, 鲁艺, 张辉明. 突发威胁情况下的无人机航迹重规划[J]. 计算机工程与应用, 2018, 54(8): 255-259.
doi: 10.3778/j.issn.1002-8331.1709-0345 |
|
|
[10] |
吴云华, 牛康, 李磊, 等. 基于3D-APF和约束动力学的无人机编队飞行控制[J]. 系统工程与电子技术, 2018, 40(5): 1104-1108.
|
|
|
[11] |
陈天德, 黄炎焱, 沈炜. 基于虚拟障碍物法的无震荡航路规划[J]. 兵工学报, 2019, 40(3): 651-658.
doi: 10.3969/j.issn.1000-1093.2019.03.025 |
doi: 10.3969/j.issn.1000-1093.2019.03.025 |
|
[12] |
潘无为, 姜大鹏, 庞永杰, 等. 人工势场和虚拟结构相结合的多水下机器人编队控制[J]. 兵工学报, 2017, 38(2): 326-334.
doi: 10.3969/j.issn.1000-1093.2017.02.017 |
|
|
[13] |
梁宵, 王宏伦, 李大伟, 等. 基于流水避石原理的无人机三维航路规划方法[J]. 航空学报, 2013, 34(7): 1670-1681.
|
|
|
[14] |
王宏伦, 吴健发, 姚鹏. 基于扰动流体动态系统的无人机三维航路规划:方法与应用[J]. 无人系统技术, 2018, 1(1): 72-82.
|
|
|
[15] |
|
[16] |
高升, 艾剑良, 王之豪. 混合种群RRT无人机航迹规划方法[J]. 系统工程与电子技术, 2020, 42(1): 101-107.
doi: 10.3969/j.issn.1001-506X.2020.01.14 |
|
|
[17] |
王生印, 龙腾, 王祝, 等. 基于即时修复式稀疏A*算法的动态航迹规划[J]. 系统工程与电子技术, 2018, 40(12): 2714-2721.
|
|
|
[18] |
张韬, 项祺, 郑婉文, 等. 基于改进A*算法的路径规划在海战兵棋推演中的应用[J]. 兵工学报, 2022, 43(4): 960-968.
doi: 10.12382/bgxb.2021.0209 |
|
|
[19] |
doi: 10.1016/j.ast.2019.06.027 URL |
[20] |
李文博, 秦小林, 罗刚. 基于无障碍凸区域的无人机在线航迹规划[J]. 系统科学与数学, 2021, 41(6): 1493-1506.
|
doi: 10.12341/jssms20355 |
|
[21] |
|
[22] |
doi: 10.1177/09544100211007381 URL |
[23] |
doi: 10.1109/Access.6287639 URL |
[24] |
|
[1] | 郭志明, 娄文忠, 李涛, 张梦宇, 白子龙, 乔虎. 基于改进蝗虫优化算法考虑任务威胁的多无人机协同航迹规划[J]. 兵工学报, 2023, 44(S2): 52-60. |
[2] | 尹依伊, 王晓芳, 周健. 基于Q学习的多无人机协同航迹规划方法[J]. 兵工学报, 2023, 44(2): 484-495. |
[3] | 刘重, 高晓光, 符小卫, 牟之英. 未知环境下异构多无人机协同搜索打击中的联盟组建[J]. 兵工学报, 2015, 36(12): 2284-2297. |
[4] | 国海峰, 丁达理, 吴文超, 刘尧林. 多无人机远距突防协同目标搜索决策[J]. 兵工学报, 2014, 35(2): 248-255. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||