多无人机协同任务规划研究

多无人机协同作战过程中, 任务规划技术对无人机至关重要, 贯穿无人机作战的整个过程. 总结了多无人机任务规 划系统的体系架构、指挥控制方式和涉及关键技术的研究现状; 详细阐述了目标分配、路径规划和航迹修正的模型和算法, 分 析了算法具有不同的特性及适用性, 并例举了研究者们对部分算法的改进. 最后, 提出了多无人机任务规划技术未来的发展趋 势以及下一步的工作方向. 无人机作战相比于有人机具有: 体积小、重量 轻、续航时间长、载荷能力强、生存能力强、费用低 廉、自主控制能力强、无人员伤亡、可在高风险空域 飞行等优势, 且在第四次中东战争、海湾战争、科索 沃战争中和后来的伊拉克战争中无人机完成了中低 空侦察、长时间战场监视、电子对抗、战况评估、目 标定位和收集气象资料等任务[1−2] . 由于军事战场 收益是面向全局, 单架无人机所能发挥的作用效能 十分有限, 由此提出多机协同作战, 同时完成不同任 务, 压制敌军, 赢得战斗. 2016 年, 美国针对无人机不同功能、尺寸及作 战需求, 研究与无人机相关的各种协同作战方式, 在 以 “忠诚僚机” 为代表的有/无人协同和小精灵项 目为代表的集群协同作战方面进行了大量探索[3] . 2018 ∼ 2022 年, 美国计划继续致力于研究无人机作为 “忠诚的僚机” 的有/无人机混编协同作战系统的 研究, 且计划将无人机编队分配给前线 F-35、F-22 和最新轰炸机 “B-21”[4] . 可见, 无人机集群协同作 战必将是无人机未来发展的必然趋势. 文献 [5] 分析 了现阶段智能无人机集群发展的四大关键技术: 环 境感知与认识、多机协同任务规划、信息交互与自 主控制、人机智能融合与自适应学习技术. 在集群 技术中, 多机协同任务规划技术尤为重要, 既要使机 群的安全指数最大化, 同时要求在最短的时间内完 成情报、监视、侦察以及多目标攻击等任务. 合理、 高效的协同任务规划方案能极大提高任务执行成功 率和效率、降低风险和成本是任务执行的基础[6] . 目前, 各国研究者们对多无人机协同任务规划 技术还在大力研究中, 部分问题已得到有效的解决 方法. 如解决多目标优化问题的传统数学规划法、 基于市场机制的方法、基于图论的方法、和现代智 能优化算法如蚁群算法、遗传算法、禁忌搜索算法 等; 但现阶段多数算法在时间上、全局最优上、在大 规模复杂的优化组合问题上, 仍未达到令人满意的 效果. 以及飞行过程中威胁源突现, 单机需具备在线 航迹重规划的自治能力或在线多机航迹重规划的协 调能力依旧是我们的难点问题.