基于改进DPSO的故障下多无人机协同任务规划.pdf

第 卷 第 期兵 器 装 备 工 程 学 报 年 月 收稿日期:修回日期:基金项目:国家自然科学基金项目()河北省自然科学基金项目()河北省教育厅科学技术研究项目()作者简介:邵士凯()男博士讲师:.:./.基于改进 的故障下多无人机协同任务规划邵士凯李厚振赵渊洁(河北科技大学 电气工程学院 石家庄)摘要:针对故障后多无人机协同任务规划问题提出了一种基于改进离散粒子群算法并结合匈牙利算法的任务重分配方法 首先采用匈牙利算法进行故障下无人机队形的快速重新排列然后引入柯西算子提升离散粒子群算法的全局搜索能力以增强搜索空间同时还提出了非线性时变的变异策略加快算法的收敛速度综合改进的离散粒子群算法不仅加快了收敛速度并且解的最优性也得到了提高此外在分配过程中考虑了环境障碍信息分配结果更贴近实际也更加合理最后运用基本粒子群算法进行无人机的航迹规划并在三维空间中进行了仿真实验结果表明:所设计的算法能够有效提升任务分配的寻优结果为多无人机出现故障后协同任务分配问题提供了理论依据关键词:无人机故障任务分配多机协同改进离散粒子群算法柯西算子非线性时变变异策略匈牙利算法本文引用格式:邵士凯李厚振赵渊洁.基于改进 的故障下多无人机协同任务规划.兵器装备工程学报():.:.():.中图分类号:文献标识码:文章编号:()():().:()引言伴随着高新技术的发展无人机在各个行业均受到了普遍的重视 尤其在多变的战场环境下多无人机协同执行任务是无人机技术的发展趋势多无人机协同执行侦查攻击任务是无人机执行复杂多样化、智能化任务的研究热门 目前针对无人机任务分配问题国内外很多学者均进行了广泛的研究 文献 提出了一种故障无人机编队容错控制策略给出了编队控制与协调的基本定义和分类针对故障检测的容错协同控制技术进行了综述 文献提出离散粒子群算法进行无人机的任务分配通过仿真实验验证其算法的有效性 文献根据无人机群的在线任务分配问题设计了粒子二维 编码方法和针对不规范粒子的修正方法实验验证该方法解决带实时要求的任务分配问题 根据当前发展成果无人机任务分配的控制方式包括了集中式、分布式与分层次控制文献使用混合整数线性规划()进行了多无人机的任务规划该方法提高了障碍物数量及起点和目标点间距离的可扩展性 但是其计算复杂程度也将会随着任务数量的增多使运算时间变长不适合大机群协同任务分配 文献提出了一种 算法的协同多任务分配并进行了多种算法的对比仿真实验证明该方法具有较好的收敛特性 文献 考虑实际环境下无人机任务分配的协同能力加入了复杂的地形约束 文献提出了一个由嵌入式硬件和高级别通信协议相结合的系统作为识别、分发和分配任务的基础进而用简单分散的方式供多无人机使用 文献提出了一种动态离散鸽群的优化算法进行处理多无人机协同搜索攻击任务规划集成了任务分配和路径生成方面此外针对当前无人机航线规划的研究方法国内外学者进行了深入的探索研究 运用图论的方法进行一些路径规划是当前研究的一种思路具体如 算法、匈牙利算法、随机树算法、图形算法等 这类方法由于均是基于代价图进行规划的需要进行离线存储好代价图从而导致该方法较费时 随着人工智能技术的发展仿生物群体捕食技术的算法被广泛应用于航线规划中应用较广泛的算法如蜂群算法()、狼群算法()、遗传算法()以及粒子群算法()等 其中粒子群算法因搜索能力强、易仿真操作等优势被广泛应用文献提出了将粒子群算法进行航线预规划并结合高斯伪谱法进行拟合进行航线规划的方法该方法有效提高了收敛速度航线平滑性更好 文献提出了一种对变量进行控制优化的粒子群算法将无人机与水下机器人进行协同路径规划所得解可以追踪理论极值综上所述当前无人机任务规划研究大都只考虑任务分配或者航迹规划方面内容没有考虑现实状况下二者耦合情况 同时在无人机集群协同作战过程中当无人机出现故障后对各机的协同性和任务的有效性考虑不够充分 基于此本论文主要研究以下内容:首先运用匈牙利算法对故障后无人机机群进行快速队形重构其次介绍和分析了离散粒子群算法的 种改进即基于柯西算子、非线性时变的变异更新策略并与传统离散粒子群算法和遗传算法相比有效提高收敛速度和最优解 最后改进的离散粒子群优化算法成功地实现了地形、雷达等威胁约束下的任务规划 问题描述假设无人机集群在执行作战任务的过程中因有无人机发生故障而无法继续执行任务进而退出战队序列剩余无人机需调整状态快速变换队形替代故障机完成原定任务分配 为满足发生故障后无人机群整体任务规划最优需在合理规划的约束下将敌方目标按照最小成本代价分配给各型无人机假设存在 架侦查型无人机 架打击型无人机 个敌方目标点侦查机群和打击机群各呈战斗队形排列需要执行的任务集合表示为 分别代表侦查与打击任务每个敌方目标均需被执行这 种任务任务总数表示为 当出现 架侦查机故障 架打击机故障时正常状态下的无人机迅速变换队形完成既定任务分配由于任务分配是采用离线分配的模式因此任务分配完成后各无人机根据设定的航迹点进行航迹规划最终到达分配的目标处.约束条件多无人机协同任务规划是一种在多种约束条件下进行优化的问题为便于算法建模求解设定任务时序、时间协同、侦查次数、飞行高度、弹药量等约束条件.任务时序约束针对同一敌方目标的打击任务必须在侦查任务完成后才能执行 假定对目标 执行侦查打击任务的时刻依次设为()、()二者需满足:兵 器 装 备 工 程 学 报:/./()()()其对应的优化约束指标函数为:()()()()式()中:()为航迹点 的位置坐标为第 个航迹点在第()个雷达处的约束惩罚值为经对比后的威胁代价值为航迹点与雷达中心的距离则为雷达威胁总约束惩罚值.山峰威胁约束在实际自然环境中多无人机协同执行任务分配时还需要规避飞行区域内的山峰 因此编队机群应与山体威胁保持一定航距 则山峰威胁约束的建模形式为:()/(/)()式()中:、表示山峰威胁的三维坐标位置、表示山峰的起始位置表示山峰的高度表示可调节系数邵士凯等:基于改进 的故障下多无人机协同任务规划为山峰的面积跨度其优化约束的指标函数为:()式()中:为第 个航迹点的位置坐标为山峰约束总惩罚值为第 个航迹点对应的第()个山峰的威胁代价值为对比后的威胁代价.评价指标多无人机协同任务规划必须满足以上各约束条件使得各机协同优化性能达到最优将无人机飞行总航程最短、航线有效规避威胁等纳入评价协同任务规划性能的指标中在实际作战空间中无人机执行任务的航程越长其被敌方目标反打击的概率也越大因此要求多无人机执行任务分配的飞行总航程最短考虑到无人机飞行过程中的航线规划假设 表示为无人机从起始点到敌方目标点需要付出的航程代价为保证总体目标函数中权重占比差距不大将航程代价进行归一化设置为规划的飞行航线总里程与无人机起点到终点的直线里程的比值 具体表示为:()/()其中()()()()式()和式()中:为航线维数 为某一航迹点、为该航线点在水平面上的坐标 为航迹点的垂直高度 为无人机起点到终点的直线里程 航线规划的最终结果是在三维空间内搜索出一系列的航线点每个航线点与相邻的航线点相连构成飞行航线综上总体指标函数表示为:()式()中:为总代价值为航程代价 为时序约束惩罚值 为时间协同约束惩罚值 为侦查次数约束惩罚值 为飞行高度约束惩罚值 为弹药量约束惩罚值 为雷达威胁惩罚值 为山峰威胁惩罚值 求解策略.匈牙利算法故障下多无人机编队重分配是一种带有目标代价的指派问题利用匈牙利算法能够将指派问题转换到算法的求解过程中有效化解为数学问题进行解决 假设飞行过程中侦查机、打击机各出现一架无人机故障剩余无人机需迅速调整队形重新进行任务分配设无人机发生故障时位置集合为 重分配后无人机位置集合为 表示无人机从故障位置 到编队重分配后位置 的航程 航程集合 给定 架侦查无人机和打击无人机从 出发沿一条路径分配至 即求解 条路径使得此 架无人机的飞行总航程 最短其表示为:().改进离散粒子群算法.基本离散粒子群算法根据基本粒子群算法在离散空间中设计了交叉和变异策略重新定义了粒子位置和速度的更新规则表达式为:()()()()()式()中:()()表示粒子 在第 次迭代中的位置坐标()()表示粒子 在第 次迭代中的个体极值()()表示全局极值.改进离散粒子群算法策略)柯西变异策略针对 易陷入局部最优的特点引入柯西算子能够有效提升算法的全局搜索能力增强搜索空间 由于柯西分布函数在中点的步长较小在两端的步长较大从而对粒子个体产生较大扰动使得粒子能够及时调整位置避免陷入局部最优 同时柯西分布峰值下降的坡率较缓且峰值较小从而使得粒子经过变异后用于搜索的时间花费较少进而能够把更多的时间用于全局寻优上因此提高了改进算法的收敛速度经过离散化的算法采用如下改进的柯西变异公式进行更新当前个体的最优位置提高全局寻优能力()()()()式()中:()为柯西变异后更新的最优值()为柯西算子采用求整指令将得到的最优位置进行整数化处理从而得到离散状态下全局最优的粒子)非线性时变策略 借鉴遗传算法的思想离散化基本粒子群算法的粒子位置和速度更新为交叉和变异策略变异策略使得粒子在迭代后期可以跳出局部最优加强全局搜索从而提升寻优能力 然而 的变异策略较为简单随着迭代的进行与时间的推移不能及时地根据位置的变化做出相应的调整从而导致寻优效果变差为解决该问题引入非线性时变的变异策略有:().(.).()兵 器 装 备 工 程 学 报:/./根据式()将变异策略分为 个阶段其中 表示最大迭代次数 表示当前阶段的迭代次数由于变异策略处于算法的后期阶段此时解的寻优性较差然而利用非线性时变变异因子的前 个阶段能够加强粒子的变异能力从而及时摆脱局部搜索提高解的寻优能力随着迭代的进行适应值趋于最优变异因子随之进入第 阶段的线性环节从而加快算法的收敛速度此外交叉因子、也会影响粒子的更新速度与寻优能力为进一步提高算法的收敛速度与全局寻优能力对交叉因子进行如下改进:.(/)().(/)()式()()中:为当前迭代次数 为最大迭代次数交叉因子 随着迭代的进行而增加随迭代次数的累加而减小 这使得算法在迭代开始阶段积极进行全局搜索进而提升收敛速度当随着迭代接近尾声个体学习能力的加强使得种群不易陷入局部最优同时 与 的累加和为 保证了粒子的寻优能力和收敛速度能力之和保持恒定从而兼顾了算法收敛速度和寻优性的统一.流程设计依据改进离散粒子群算法与匈牙利算法相结合的方法进行故障下多无人机编队重分配任务规划多约束下的任务规划流程步骤如下步骤:设定基本参数 给定无人机、目标点位置设定环境障碍参数包括雷达威胁的个数及监测中心坐标与半径山峰威胁的个数及相关参数步骤:初始化种群数量设置粒子个体极值和全局极值的初值以及最大迭代次数步骤:开始进行迭代寻优编译适应值函数并输入多约束条件给定相应惩罚值计算每次的代价值并画出代价值函数曲线步骤:根据每次迭代的代价值判断粒子当前迭代值与个体极值的大小情况如若连续 次迭代值相等执行柯西变异策略帮助跳出局部最优如若不然则不执行此策略直接进入下一步骤步骤:执行改进离散粒子群算法的交叉策略并依据改进算法依次执行式()的的非线性时变的变异策略并将当前迭代次数与最大迭代次数进行比较直至执行完设定的最大迭代次数步骤:依据任务分配得到的最终代价值、分配结果进行航线规划具体仿真流程设计如图 所示 仿真与分析.仿真参数设定根据流程设计在计算机硬件配置为 .运用软件 进行仿真 设定迭代次数 种群数 飞行高度、航迹维度 打击 机 速 度 设 定 为/、侦 查 机 速 度 设 定 为/其中 /时间协同过程的最短执行时间 、最长执行时间 图 故障下多无人机协同任务规划流程.设定三维地形环境为 的任务区域包括 个雷达监测区域和 个山峰威胁区域雷达区域在仿真环境中以半球进行绘制山峰则用高低起伏不同的曲面进行绘制 其参数设置如表 所示.仿真结果分析将无人机拟化为质点并忽略相关的动力学模型 假设 架无人机中有 架无人机因发生故障退出编队协同则对剩余 架无人机执行编队重分配任务分配为打击队形和侦查队形 故障下多无人机编队重分配参数如表 所示邵士凯等:基于改进 的故障下多无人机协同任务规划表 威胁参数 威胁类型参数设置/雷达 雷达 雷达 雷达 雷达 山峰 山峰 表 故障下多无人机编队重分配参数 无人机故障前位置重编队后位置任务能力侦查打击()()()()()()()故障()()()()()()()()()()()()()()()故障()()()()()()根据匈牙利算法多无人机重编队的总分配航程最短的指标得到剩余的多无人机重编队的前后位置信息(见表)故障下多无人机编队重分配结果如图 所示五角形表示故障前 架无人机的队形排列其中蓝色五角形为故障无人机六角形表示故障后 个打击队形排列四角形表示故障后的 个侦查队形排列图 故障下多无人机编队重分配结果.基于改进离散粒子群算法的多无人机任务分配以 架打击型无人机和 架侦查型无人机执行对 个敌方目标的侦查、打击任务为背景进行仿真实验无人机的起点为故障下多无人机编队重分配后的 架无人机坐标位置 个敌方目标点位置的具体信息如表 所示表 目标点区域范围参数 目标位置坐标目标位置坐标()()()()()为验证改进离散粒子群算法()的有效性分别将改进算法与基本离散粒子群算法()和遗传算法()进行了对比仿真并同时进行了 次、次、次蒙特卡罗仿真求其平均值后得到如图 所示的算法对比图图 改进算法对比结果.兵 器 装 备 工 程 学 报:/./根据图 改进算法对比结果可以看出经过 次、次、次蒙特卡罗仿真求平均值的多次仿真对比改进离散粒子群算法()在历次迭代寻优性能上均优于基本离散粒子群算法()和遗传算法()寻优有效性较好为进一步验证改进算法在无人机任务规划中具有应用有效性分别对改进离散粒子群算法()、基本离散粒子群算法()、遗传算法()进行三维空间中的建模仿真如图图 所示图 打击任务分配结果.图 打击任务分配结果.图 打击任务分配结果.由于篇幅问题仅针对故障后无人机的打击任务分配场景进行详细分析 无人机的航线规划均采用 个航迹点通过图图 的三维仿真航迹可以看出基于改进离散粒子群算法()的任务规划结果可以成功躲避威胁障碍平滑性优于 和 说明 任务分配的寻优有效性能够保证粒子群航线规划的成功其次在考虑其他相同约束的条件下算法优化的目标主要集中在总航程最短由仿真图()与图()对比可以看出与传统离散粒子群算法相比所求结果中各无人机选择距离本机位置更近的目标点进行打击说明了 具有更佳的求解特性由图 和图 的对比得知改进离散粒子群算法()的任务分配结果满足打击机的弹药量约束而遗传算法()的分配未对、号目邵士凯等:基于改进 的故障下多无人机协同任务规划标点进行打击导致任务分配的失败由此规划出的航线也未能避开设置的障碍威胁 这些仿真结果验证了改进算法在求解复杂优化问题时能够得到优于其他算法的解针对故障后多无人机任务重分配问题基于改进离散粒子群算法()对侦查、打击全场景的分配结果进行仿真实验图 中红实线表示侦查机任务规划蓝实线为打击机任务规划 根据图 信息可知各无人机均在一定高度上飞行且有效避障满足飞行高度约束条件由图()侦查分配结果得知侦查机对每个目标均进行了一次侦查任务即满足侦查次数约束条件 根据图()打击分配结果可以看出打击机对不同标号的目标进行了不同架次的打击任务满足弹药量约束条件 此外由图()和图()的协同飞行时间比较可知侦查机群在 内可以完成侦查任务打击机群随后在 内完成打击任务满足先侦查再打击的时序约束条件且各侦查机和各打击机在执行任务时均具有 共同的时间窗即满足时间协同约束图 故障后多无人机任务重分配结果.图 故障后侦查机群任务重分配结果.图 故障后打击机群任务重分配结果.兵 器 装 备 工 程 学 报:/./综上可知采用 架无人机进行仿真具有较好的一般性能够实现侦查过程的一对一场景和打击过程的多对一场景仿真结果也说明了本文所提算法的有效性 结论针对故障下多无人机执行多目标任务规划的问题本文提出了利用匈牙利算法与改进离散粒子群算法进行结合的求解方法 首先利用匈牙利算法进行故障下无人机群编队重规划然后基于柯西变异策略、非线性时变策略改进的离散粒子群算法将剩余无人机进行任务重分配为了得到公正且信服的评估将各无人机在多种约束条件下进行了多组蒙特卡罗模拟仿真并与传统离散粒子群算法和遗传算法进行了充分比较说明了本文所提出的改进 的有效性 主要研究结果总结如下:)改进 可以比传统 和 获得更好的最优解)改进 的收敛速度比 和 更快)改进 可以优化得到更佳的分配方案从而降低任务规划成本具有一定现实意义本研究仅考虑了故障无人机无法继续执行任务的场景下一步将在轻度故障可继续执行相应任务的策略方法上进行探索跟进参考文献:庞维建李辉黄谦等.基于本体的无人系统任务规研究综述.系统工程与电子技术():.():.宗群王丹丹邵士凯等.多无人机协同编队飞行控制研究现状及发展.哈尔滨工业大学学报():.():.贾高伟王建峰.无人机集群任务规划方法研究综述.系统工程与电子技术():.():.():.杜云贾慧敏邵士凯郝菁.面向多目标侦察任务的无人机航线规划.控制与决策():.():.梁国强康宇航邢志川尹高扬.基于离散粒子群优化的无人机协同多任务分配.计算机仿真():.():.魏瑞轩吴子沉.无人机集群实时任务分配方法研究.系统仿真学报():.():./.().:.李桂亮毕海洋洪雪健等.基于 算法的协同任务分配.北京航空航天大学学报():.():.:./.():./.():.邵士凯等:基于改进 的故障下多无人机协同任务规划 .():.何燕.基于动态加权 算法的无人机轨迹规划.河北科技大学学报():.():.():.():.():.赵新秋段思雨马学敏.基于阈值搜索的多目标人工蜂群算法.控制与决策():.():.刘永兰李为民吴虎胜等.基于狼群算法的无人机航迹规划.系统仿真学报():.():.():.():.邵士凯彭瑜贾慧敏杜云.基于改进高斯伪谱法的多无人机协同轨迹规划.河北科技大学学报():.():.()().:.科学编辑 李声飞(中国西南电子技术研究所高级工程师)责任编辑 唐定国兵 器 装 备 工 程 学 报:/./