本發(fā)明涉及飛行器集群協(xié)同技術(shù)，具體涉及一種目標(biāo)不確定條件下無人機集群察打一體的任務(wù)決策方法。

背景技術(shù)：

1、任務(wù)決策是多飛行器實現(xiàn)集群協(xié)同并高效完成既定任務(wù)的關(guān)鍵技術(shù)之一。由于多飛行器與傳統(tǒng)的單飛行器在任務(wù)規(guī)劃與機動的耦合機制方面的不同，不僅要考慮飛行器個體層面的飛行控制和機動策略，還要考慮集群層面的決策(如，對抗策略、任務(wù)或目標(biāo)的分配)。因此，使得該問題具有典型的“決策-執(zhí)行”分層特征。其中，決策層根據(jù)己方集群信息和任務(wù)目標(biāo)信息進行目標(biāo)評估和任務(wù)分配；以便執(zhí)行層執(zhí)行決策層決定的策略。然而，目前對于如何在對抗場景下規(guī)劃飛行器集群任務(wù)與機動策略的研究還不夠充分。這主要是由于對抗目標(biāo)通常是一類信息層面不溝通、機動行為不配合的非合作目標(biāo)，目標(biāo)的狀態(tài)信息和機動行為具有不確定性，嚴(yán)重制約了現(xiàn)有的飛行器集群任務(wù)決策方法的實際性能。

2、當(dāng)前的集群任務(wù)決策研究有兩點有待完善。首先，它通常假設(shè)所有的目標(biāo)信息都是完全已知的。然而，實際環(huán)境下目標(biāo)的位置和配置信息可能是未知的。因此，任務(wù)種類不僅僅只有一種，至少應(yīng)包含協(xié)同偵察和目標(biāo)攻擊兩類任務(wù)。第二，在多數(shù)研究中，異構(gòu)多無人機集群的異構(gòu)特點僅體現(xiàn)在無人機具有不同的用途和類別。然而，同類無人機之間也可能存在性能數(shù)值上的差異。因此，需要進一步研究異構(gòu)性更強的多無人機集群的任務(wù)決策問題。

3、為了應(yīng)對大規(guī)模的動態(tài)實時任務(wù)決策場景的分布式任務(wù)分配算法，如，多智能體算法、合同網(wǎng)算法(contract?net?protocol，cnp)、拍賣算法等。其具有魯棒性強、局部更新能力強、可擴展性強、適用于大規(guī)模分配等特點。但對于進行多飛行器任務(wù)決策以應(yīng)對目標(biāo)不確定性的問題，目前面臨的主要難點在于：如何進行多飛行器在目標(biāo)不確定性條件下的高效動態(tài)任務(wù)分配。飛行器集群要實現(xiàn)對抗任務(wù)的首要問題是每個飛行器如何明確自己的任務(wù)目標(biāo)，這是一個典型的集群任務(wù)分配問題，屬于“決策-執(zhí)行”架構(gòu)中的決策層研究。而任務(wù)的數(shù)量、信息和完成進度都可能隨著雙方態(tài)勢變化而改變，對任務(wù)分配算法的實時性和再調(diào)整能力提出了更高要求。同時，如何根據(jù)任務(wù)要求、目標(biāo)不確定性和己方飛行器特性確定合適的分配標(biāo)準(zhǔn)以評估不同分配方案的優(yōu)劣也是一個對結(jié)果有直接影響的重要問題。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的目標(biāo)不確定條件下無人機集群察打一體的任務(wù)決策方法解決了現(xiàn)有技術(shù)不能在目標(biāo)不確定條件下進行高效動態(tài)任務(wù)分配的問題。

2、為了達到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：

3、提供一種目標(biāo)不確定條件下無人機集群察打一體的任務(wù)決策方法，無人機集群包括偵察子群和至少兩個攻擊子群，任務(wù)決策方法包括步驟：

4、s1、接收偵察任務(wù)信息，并采用不確定合同的改進cnp算法確定偵察子群中每個偵察無人機的任務(wù)子區(qū)域；

5、s2、偵察無人機對其任務(wù)子區(qū)域進行偵察，確定任務(wù)子區(qū)域中的目標(biāo)；之后采用模糊綜合評價方法確定所有偵察無人機偵察的所有目標(biāo)的任務(wù)優(yōu)先級；

6、s3、攻擊子群計算其與所有未分配目標(biāo)中優(yōu)先級最高的目標(biāo)間的一層適配性，并將優(yōu)先級最高的目標(biāo)分配給最高一層適配性的攻擊子群；

7、s4、判斷所有目標(biāo)中是否存在未分配的目標(biāo)，若是，更新接受目標(biāo)的攻擊子群的攻擊能力，并返回步驟s3，否則進入步驟s5；

8、s5、攻擊無人機接收分配至其所在攻擊子群的所有目標(biāo)，并計算其與未分配且任務(wù)優(yōu)先級最高的目標(biāo)的二層適配性；

9、s6、根據(jù)目標(biāo)的防御能力和攻擊無人機的攻擊能力，將攻擊子群中未分配且任務(wù)優(yōu)先級最高的目標(biāo)分配給多個二層適配性最高的攻擊無人機；

10、s7、判斷攻擊子群承接的所有目標(biāo)中是否存在未分配的目標(biāo)，若是，更新接受目標(biāo)的攻擊無人機的攻擊能力，并返回步驟s6，否則，完成任務(wù)決策。

11、進一步地，所述無人機集群包括三個攻擊子群，分別為導(dǎo)彈子群、激光子群和電磁脈沖子群，每個攻擊子群中的攻擊無人機的屬性為：

12、muq/lur/eus＝{uloc,vol,sur,misatt,lasatt,empatt,vel}

13、其中，muq、lur和eus分別表示導(dǎo)彈子群、激光子群和電磁脈沖子群中的攻擊無人機；uloc為攻擊無人機的當(dāng)前位置；vol為攻擊無人機的任務(wù)容量；sur為攻擊無人機的生存能力；misatt為攻擊無人機的導(dǎo)彈攻擊能力；lasatt為攻擊無人機的激光攻擊能力；empatt為攻擊無人機的電磁脈沖攻擊能力；vel為無人機的飛行速度；

14、目標(biāo)的屬性為：

15、atn＝{tloc,misdef,lasdef,empdef,pro,latest,need,risk}

16、其中，atn為目標(biāo)的屬性；tloc為目標(biāo)位置；misdef為目標(biāo)對導(dǎo)彈的防御能力；lasdef為目標(biāo)對激光的防御能力；empdef為目標(biāo)對電磁脈沖的防御能力；pro為完成任務(wù)的收益；latest為任務(wù)最晚時間限制；need為完成任務(wù)所需的無人機數(shù)量；risk為任務(wù)的風(fēng)險級別。

17、進一步地，最高一層適配性的表達式為：

18、

19、其中，jr1為最高一層適配性；為導(dǎo)彈子群中所有攻擊無人機的平均misatt能力，為激光子群中所有攻擊無人機的平均lasatt能力，為電磁脈沖子群中所有攻擊無人機的平均empatt能力。

20、進一步地，計算二層適配性的表達式為：

21、jr2＝c1·(constant+αc2+βc3-γc4-δc5)

22、其中，jr2為二層適配性；c1為任務(wù)容量約束；c2為攻擊無人機生存能力約束；c3為任務(wù)適應(yīng)性；c4為飛行時間；c5為任務(wù)最晚時間約束；constant為正常數(shù)；α,β,γ,δ分別為c2、c3、c4和c5的權(quán)重系數(shù)。

23、進一步地，任務(wù)容量約束c1為：

24、

25、其中，remaining?task?volume為攻擊無人機的任務(wù)容量；required?task?volume為當(dāng)前任務(wù)優(yōu)先級最高的目標(biāo)對應(yīng)的任務(wù)容量；

26、無人機生存能力約束c2的表達式為：

27、c2＝sur-risk

28、任務(wù)適應(yīng)性c3的表達式為：

29、c3＝max(misatt-misdef,lasatt-lasdef,empatt-empdef)

30、飛行時間c4的表達式為：

31、

32、其中，||·||2為2范數(shù)；

33、任務(wù)最晚時間約束c5的表達式為：

34、c5＝tasktime-latest

35、其中，tasktime為當(dāng)前攻擊無人機接受當(dāng)前優(yōu)先級最高的目標(biāo)后，該目標(biāo)的開始時間。

36、進一步地，確定偵察子群中每個偵察無人機的任務(wù)子區(qū)域的方法包括：

37、s11、偵察無人機收到任務(wù)信息后，在其任務(wù)容量滿足設(shè)定要求時，根據(jù)偵察無人機的屬性，計算自身的收益函數(shù)，并對任務(wù)進行競標(biāo)；

38、s12、所有投標(biāo)中收益函數(shù)最高的偵察無人機中標(biāo)接受偵察任務(wù)，之后更新自身任務(wù)容量；

39、s13、接受偵察任務(wù)的偵察無人機根據(jù)其偵察性能和飛行速度，確定其在目標(biāo)潛在區(qū)域偵查的任務(wù)子區(qū)域大小，所述任務(wù)子區(qū)域為矩形；

40、s14、根據(jù)矩形的幾何關(guān)系，確定出任務(wù)子區(qū)域四個頂點的坐標(biāo)：

41、

42、其中，poie為任務(wù)子區(qū)域的進入點；x和y為任務(wù)子區(qū)域進入點坐標(biāo)；poi2,poi3,poi4分別為從矩形任務(wù)子區(qū)域的進入點開始沿逆時針方向的第2、第3和第4個頂點；a為任務(wù)子區(qū)域的長度；wi為任務(wù)子區(qū)域rti的寬度；

43、s15、判斷目標(biāo)潛在區(qū)域是否均已分配給偵查無人機，若是，則進入步驟s2，否則，更新poi4為下一個偵查任務(wù)的進入點，返回步驟s11。

44、進一步地，所述偵察無人機采用“s”型平行搜索模式；所述任務(wù)子區(qū)域的長度等于目標(biāo)潛在區(qū)域的長度，其寬度ni為：

45、

46、其中，fr(i)為偵察無人機的收益函數(shù)；b為目標(biāo)潛在區(qū)域的寬度；δdk為偵察無人機ruk的寬度；vel(ruk)為偵察無人機ruk的飛行速度；vel(ruj)為偵察無人機ruj的飛行速度；ruk和ruj為偵察子群中第k個和j個偵察無人機；p為偵察子群中偵察無人機的總數(shù)量；[·]表示向上取整符號。

47、進一步地，目標(biāo)的任務(wù)優(yōu)先級的確定方法包括：

48、根據(jù)無人機集群的察打一體任務(wù)，設(shè)置評語集：

49、u＝{urg,imp,exe,com}

50、其中，urg表示任務(wù)緊急性；imp表示任務(wù)重要性；exe表示任務(wù)執(zhí)行時間；com表示任務(wù)復(fù)雜度；

51、對于評語集中的每個評價因素，設(shè)置多個等級的評語，構(gòu)成評價因素集；之后確定無人機集群的察打任務(wù)評價因素集的權(quán)重向量；

52、采用雙邊高斯函數(shù)作為隸屬函數(shù)進行單因素評價，得到評價因素的隸屬度：

53、rw＝[rw1,rw2,...,rwm],w＝1,2,...,n

54、其中，ro為隸屬度；rw1、rw2、rwm分別對第w個因素做出第1種評價的可能程度，對第w個因素做出第2種評價的可能程度，對第w個因素做出第m種評價的可能程度；n為不同評價指標(biāo)屬于第w因素的隸屬度；

55、采用隸屬度構(gòu)造評估無人機集群的察打任務(wù)評估矩陣r，計算參數(shù)矩陣b：

56、

57、其中，為運算符；a為權(quán)重向量；b1,b2,bp,bm分別為第1種評價對應(yīng)的參數(shù)，第2種評價對應(yīng)的參數(shù)，第p種評價對應(yīng)的參數(shù)，第m種評價對應(yīng)的參數(shù)；rwp為對第w個因素做出第p中評價的可能程度；aw為權(quán)重向量中的任一元素；m為評價因素集中元素的個數(shù)；

58、根據(jù)參數(shù)矩陣b，計算無人機集群察打任務(wù)優(yōu)先級p：

59、

60、其中，g＝[g1,g2,...,gm]為評語集中各評語的優(yōu)先級權(quán)重向量；g1,g2,...,gm分別為優(yōu)先級權(quán)重向量中的元素；gj和bj分別為評語集中評語的優(yōu)先級權(quán)重向量和參數(shù)矩陣中的第j個元素。

61、進一步地，目標(biāo)不確定條件下無人機集群察打一體的任務(wù)決策方法還包括：

62、a1、判斷攻擊無人機在執(zhí)行目標(biāo)任務(wù)時，偵察無人機是否偵查到新的目標(biāo)；若是，進入步驟a2，否則，所有攻擊無人機繼續(xù)執(zhí)行已有任務(wù)；

63、a2、采用模糊綜合評價方法確定新目標(biāo)的任務(wù)優(yōu)先級；

64、a3、鎖定攻擊無人機正在執(zhí)行的目標(biāo)，釋放所有攻擊無人機未執(zhí)行的目標(biāo)，采用新的目標(biāo)和所有未執(zhí)行的目標(biāo)作為未分配目標(biāo)；

65、a4、執(zhí)行步驟s3～步驟s7。

66、進一步地，所述偵察子群和攻擊子群均由多個具有不同性能屬性的無人機組成。

67、本發(fā)明的有益效果為：本方案在察打一體目標(biāo)任務(wù)分配時，通過不確定合同的改進cnp算法能自適應(yīng)確定任務(wù)子區(qū)域的大小，可以提高分配方案的負載平衡性和協(xié)同偵察效率。對于目標(biāo)攻擊任務(wù)分配過程，首先采用模糊綜合評價方法確定目標(biāo)的優(yōu)先級，從而解決任務(wù)時序問題。之后采用無人機子群承接目標(biāo)任務(wù)后，再在子群中采用攻擊無人機承接目標(biāo)任務(wù)，該種方式充分利用了具有多個子群的無人機集群的異構(gòu)特性，可降低計算成本并提高分配方案的合理性。

68、此外，本方案中任務(wù)重分配機制可以有效應(yīng)對執(zhí)行任務(wù)中的突發(fā)狀況，提高集群任務(wù)規(guī)劃的魯棒性和適應(yīng)性。對比仿真表明，本方案相比于經(jīng)典cnp方法，在偵察任務(wù)分配方面能提升集群偵察效率并均衡各偵察無人機的負載，在攻擊任務(wù)分配方面能獲得更優(yōu)的攻擊任務(wù)分配方案。

69、當(dāng)攻擊無人機在執(zhí)行目標(biāo)任務(wù)，若是收到新的目標(biāo)，本方案可以通過重分配機制應(yīng)對任務(wù)過程中的突發(fā)狀況，保證所有目標(biāo)都被高效地執(zhí)行。