关于无人机集群侦察的思考.doc

.关于无人机集群侦察技术的思考江建军1，张 静1，沈建京2，冉晓旻1（1.解放军信息工程大学 信息系统工程学院，郑州 450001，2.解放军信息工程大学 理学院，郑州 450001）摘 要：无人机集群技术是当今无人机技术里的热点。本文在介绍无人机集群技术及发展现状的基础上，提出了关于无人机集群技术应用于侦察的思考。本文设计了无人机集群侦察的系统架构，分析了系统的优势，指出了关键技术并提出了相关问题的解决办法。关键词：无人机；集群；侦察中图分类号：O213.2 文献标志码：ACogitation on UAV swarm reconnaissance technologyJiang Jianjun1, Zhang Jing1, Shen Jianjing2, Ran Xiaomin1（1. Institute of Information System Engineering, PLA University of Information Engineering, Zhengzhou 450001, China；2.College of Science, PLA University of Information Engineering, Zhengzhou 450001, China）Abstract: Unmanned aerial vehicle (UAV) swarm technology is a hotspot in UAV Technologies. On the basis of introducing the UAV swarm technology and its present development situation, this paper puts forward some thoughts about the application of UAV swarm technology to reconnaissance. This paper designs the system architecture of UAV swarm reconnaissance, analyzes the advantages of the system, points out the key technologies, and puts forward some solutions to the related problems.Keywords: UAV; swarm; reconnaissance精选word范本！.0 引言收稿日期： 修回日期：基金项目：作者简介：江建军（1994-），男，四川达州人，硕士在读，主要从事无人机侦察资源调度方面的研究。在现代信息化战争中，信息是作战双方的生命资源，因而信息收集是一项危险而又复杂的任务。无人机Unmanned Aerial Vehicle（UAV）是现代战场中的力量倍增器，大量的应用实践已经表明，无人机因其低廉的成本和良好的机动性与隐身性以及无人员伤亡的优势，可以出色的那些危险和枯燥的信息收集任务，因此无人机侦察是现代侦察和情报收集的重要手段。无人机对地侦察是指通过无人机机载成像系统或其他侦察载荷，及时获取指定区域情报信息的过程1。无人机侦察任务要求无人机及其操作人员搜索地面上的大范围区域，寻找某类目标或某种活动,一般有三种类型的搜索方式：点搜索，区域搜索以及路径搜索2。无人机对地侦察是指通过无人机机载成像系统或其他侦察载荷，及时获取指定区域情报信息的过程1。无人机侦察任务要求无人机及其操作人员搜索地面上的大范围区域，寻找某类目标或某种活动,一般有三种类型的搜索方式：点搜索，区域搜索以及路径搜索2。单个无人机只能执行点目标和静态目标侦察以及部分路径目标侦察，却不能完成区域目标侦察和动态实时侦察。集群技术的发展使我们看到了它所能给无人机侦察技术带来的改变，集群无人机可以很好的完成区域目标侦察和动态实时侦察。本文在目前集群技术的发展前景下，介绍了无人机集群技术的发展现状，提出了关于无人机集群技术应用于侦察领域的思考，设计了无人机集群侦察系统，指出了该系统的优势和关键技术，并对相关问题进行了分析。1 无人机集群技术1.1 集群概念的发展Grasse在1953年对昆虫群落行为的研究，开始了对“集群”概念的研究3。集群（Swarm）是指由实体（Entity）组成的拥有共同目标的群组（Group），自组织（Self-Organizing）是集群在获取或者尝试获取该目标时产生的协调行为4。集群中的个体往往尺寸较小而且只具备一些简单的功能，对于单个个体来说，个体的能力很有限。但当这些简单的个体组成集群后，集群的能力往往会出现惊人的增长，可以解决很多单个个体无法解决的问题。集群概念到如今已经得到了充分的发展，目前通过模拟蚁群、鸟群、蜂群、鱼群等生物群体的行为，渐形成了集群智能（Swarm Intelligence）方法5，这些方法在解决很多问题上都有着优秀的表现。无人机集群是从少量数目的无人机群逐渐进化而来。2016年8月，在CCF-GAIR峰会上，宾夕法尼亚大学工程学院院长、IEEE、ASME Fellow，美国国家工程院院士Vijay Kumar教授提出来他关于无人机发展方向的5S趋势理论：Small（小型），Safe（安全），Smart（智能），Speed（敏捷）和Swarm（集群）。在这次会议上，他指出集群技术将会是以后用于解决无人化作战的突破口，也是未来无人机技术的发展方向。无人机集群技术借鉴自然界的自组织机制，使具备有限自主能力的多架无人机在没有集中指挥控制的情况下，通过相互信息交互产生整体效应，实现较高程度的自主协作，从而能在尽量少的人员干预下完成预期的任务目标6。集群技术能使集群内的无人机避免相互冲突，并针对不同任务或请求，计算出最佳的无人机派遣方案。1.2 无人机集群技术发展现状1.2.1国外无人机集群技术发展现状2000美国国防部高级研究计划局（DARPA）启动了无人机集群空中战役研究计划7，这是第一次将无人机和集群技术相结合。2002年，美国空军研究实验室（AFRL）的Bruce T.Clough 等通过研究证明了无人机集群的优越性8。2005年8月，美国国防部发布了无人机系统路线图2005-20309。如图1所示，在规划里明确的提出在2025年以前，无人机将逐步实现完全自主群体作战。2013年，Kushleyev等人让20架小型四旋翼无人机（75g）在室内组成各种形状的飞行编队，在集群技术领域取得了突破10。图1 无人机系统路线图Fig.1 The development map of UAV system基于集群技术的发展，2015年DARPA又提出一项名为“Gremlins（小精灵）”的计划11。在此计划中，他们开发可重复使用的无人机群，即采用C-130飞机投放网络无人机集群，使无人机协同作战，执行远距离电子攻击和侦察任务，并在任务完成后对幸存无人机进行回收的技术。图2 “小精灵”概念图Fig.2 Concept map of “Gremlins”2016年5月，美国空军发布首份专门针对小型无人机系统（SUAS，其起飞重量小于600千克）的飞行规划2016-2036年小型无人机系统飞行规划，希望在2036年实现无人机系统集群侦察作战12。此次规划中美军提出了一些新颖的作战概念，其中无人机集群为这次规划的重心。在图3中我们可以看见规划中绘制的SUAS实施蜂群作战想象图。图3 蜂群作战想象图Fig.3 Swarms combat imagination map1.2.2国内无人机集群技术发展现状我国对于无人机的研究发展起步较晚，但是现在大有追上世界一流的趋势。我国的许多学者对于无人机侦察方面做出过许多研究，在集群控制，组网通信，航及规划，任务规划等关键问题上都分别提出的自己的看法和解决方案。特别是如今智能优化算法的发展，以及人工智能技术的进步，使集群技术里的难题得到了很好的解决。在任务规划方面，赵明，李涛等人对三维多无人机系统协同规划进行了详细的表述13。韩玉龙，高武等人在基于蚁群算法的基础上对多UAV协同侦察任务规划问题进行了求解，并取得了满意的结果14。田菁，沈林成等人对于多基地多无人机协同侦察问题，提出了一种基于新的“自适应”进化多目标优化方法的多基地多 UAV 协同侦察任务规划算法来求解15。航迹规划求解现已经被证明是一个NP问题16。目前，很多算法被用来解决航迹规划问题，梯度法、样条插值法、非线性规划法、动态规划法、图论法、A*搜索算法17、模拟退火算法、遗传算法18、蚁群算法19、粒子群算法20、蜂群算法21等，上述方法在求解最优航迹是都有良好的表现。除此之外，居阳等人运用了HOCAOGLU算法，实现了不确定环境下无人机机群的路径规划22。为了更加贴合无人机的实际飞行路线，提高规划方案可行性，根据PH曲线23的特殊性，刘永兰等人运用粒子群算法改进了PH曲线，在二维地图的仿真环境中提高了原始PH曲线的灵活性，满足各种约束，保证无人机航迹安全可飞24。在集群控制方面，在对于无人机避免碰撞的问题上，杨祖强等人运用四维（三维位置与时间）规划技术广义tau理论出色的完成多机协同任务飞行25。周绍磊等人通过设计编队控制器，证明了切换拓扑下无人机集群系统能够实现对指定轨迹的跟踪并且实现时变编队飞行26。 沈东等人设计了一种基于数字信息素的无人机集群搜索控制方法，实现了无人机集群搜索控制，并且证明了无人机集群的搜索能力远高于无人机编队27。在组网通信方面，葛杨帆研究了无人机集群的路由协议，提出了一种多任务-ferry群主移动模型，能很好地提高网络效率28。陈思静等人提出了一种可切换组网模式的高动态自组织的无人机网络架构，为无人机网络提供了全联通的对等模式和成簇的分级模式两种组网方式29。最近，在珠海航展上，中国电子科技集团公司（CETC）披露了我国第一个固定翼无人机集群试验原型系统，实现了67架规模的集群原理验证，打破之前由美国海军保持的50架固定翼无人机集群的世界纪录，预示着我国在这一领域已经取得突破性进展，进入无人系统技术全球第一梯队3031。该成果由CETC、清华大学、泊松技术携手完成。此次亮相虽然只是初级阶段但已经展现出了很多无人机集群的优点。图4 珠海航展现场资料图片Fig.4 Zhuhai air show site information picture图5 现场仿真图片Fig.5 Live simulation picture2 无人机集群侦察技术思考无人机集群在现代战场中有着明显的优势。无人机集群技术可以分为：集群侦察，集群干扰，集群打击，集群对抗等任务。集群侦察技术是集群技术的重要组成部分，它是其他所有技术的基础和前提，侦察技术的好坏将直接影响作战质量以及战场走势。2.1 集群侦察优势分析无人机集群侦察克服了单个无人机侦察区域小，不能侦察动态目标的缺陷，可以很好的实现对大面积区域实时侦察以及对动态目标实时侦察。无人机集群侦察很大程度上提高了侦察的覆盖率和实时准确性，对于情报信息收集有着非凡的意义。无人机集群具有分布式探测能力和集群智慧，再加上集群如果具有动态网络自愈合能力，那么集群侦察技术相比普通侦察技术有如下的优势。2.1.1成本低无人机集群侦察技术的特点就是单个的个体功能相对简单，但是整个集群的优势明显。由于单个个体功能比较简单，而且规格较小，所以单个无人机的造价相对低廉，而且配合上3D打印技术，损失的个体可以快速得到补充，部分个体牺牲并不会对集群造成大的影响。相比以前的昂贵的单个多功能无人机有着更明显的优势。再加上集群的动态网络自愈合的能力，那么某些飞行折损率高的危险区域，一般个体无人机会放弃侦察任务，但无人机集群却可以进行侦察。2.1.2适用于多种任务无人机集群侦察技术是在以前的技术上，将无人机做到更小，同时执行任务的无人机数量倍增，以成本低，数量大取得优势。由于集群的探测器分布较分散而且集群整体的智慧行为，因此控制好集群的队形变换，可以同时对点目标，线目标，面目标进行侦察，而且对于部分重点区域还可以进行全面覆盖实时侦察，对于动态目标还可以进行多机联合跟踪侦察。集群技术可完成的侦察任务种类多，再加上成本低，牺牲代价小，可以对某些危险区域侦察，那么集群侦察所能覆盖的范围也相比单个无人机更广。当无人机的尺寸发展到可以单兵携带或者几个单兵拆解组装携带时，侦察任务将会变成全地形无死角侦察。2.1.3 可靠性高无人机集群采用动态自组网技术，使网络通信质量得到了保证，而且网络具有一定的自愈能力，使提高了数据链的可靠性。目前无人机的通信模式仍然以单机与地面站通信方式为主，信息传输仍是集中式的，分布式的去中心化的无人机集群利用自组网技术可以实现无人机之间的信息高速共享，同时提高集群的抗故障与自愈能力。因此无人机集群在执行侦察任务时，侦察质量将会有保障，而且系统的鲁棒性更好，也就是面临突发状况时系统的可靠性更高。2.2 集群侦察流程设计无人机集群飞行不同于以往的机群飞行，经过系统控制架构和网络通信结构的有机结合，集群可产生新的能力或原有能力发生质的变化。如图6所示，无人机集群执行任务时的流程设计如下：1)首先系统对任务进行分析，求出最优的任务规划方案；2)然后各无人机从同一机场或不同机场起飞，往某一指定空域构建集群; 3)集结后的无人机集群根据航迹规划出的路线飞往任务点; 4)到达任务空域后针对不同任务进行调整并协同完成侦察任务; 5)如果在任务中遇到个体损毁或者添加新的任务，对突发情况进行分析，重新进行任务分析，然后进行任务规划和航迹规划，继续完成侦察任务；6)任务执行完毕后，以一定的编队形式依据飞行规则返回指定机场降落，任务结束。任务开始任务分析集群解散，返航协同完成侦察任务集群构建和集群飞行任务规划和航迹规划任务结束遇见突发情况？是对当前状况进行重新分析侦察结束否图6 无人机集群侦察流程图Fig.6 UAV swarm reconnaissance flow chart2.3 系统关键技术和问题的思考2.3.1 集群系统控制技术无人机集群要协同完成任务，无人机与无人机之间以及无人机与控制台之间就必须要有很好控制关系，系统也必须要有很好的控制结构。目前的研究大多是针对于两机或三机等小规模的无人机编队，对与数量比较大的集群控制研究以及冲突避免的研究都还比较少。对于以前的控制算法，当集群的数量线性增加时，控制算法的复杂度将会是超线性的增加。系统控制技术应该具有如下几个特点：(1)安全性，由于无人机集群的数量比较多，要保证系统内的所有单个个体间不能有冲突，因此无人机之间的规避控制技术很大的保障了无人机集群安全飞行；(2)实时高效性，即控制应该实时高效，控制系统以便能在意外发生或者任务有所改变时做出及时的处理；(3)稳定性高，也就是具备强的鲁棒性，即无人机可以随时退出或者加入集群，而不会影响控制系统的整体结构；(4)结构分布性，即由于在集中式控制的情况下，集群数量的增加将会极大的提升集中控制的难度，因此我们应采用分布式设计，保证数量的增加给系统的控制不会产生大的影响。 2.3.2 集群通信网络技术在多无人机集群协同任务自组织系统中，无人机作为通信网络中的节点，其空间的分布决定了网络的拓扑结构，而不同的网络拓扑结构有着不同的通信性能。在一定的通信拓扑结构及性能下，根据所执行的任务分配通信资源，提高通信质量，是集群技术难题之一。因此我们对于集群之间的通信系统应该以下几个要求：(1)低时延，需要信息交互的无人机之间的通信时延必须要满足飞行速度的要求，同样，执行任务的无人机和控制台之间的通信时延也必须要满足飞行速度的要求；(2)鲁棒性高，即通信拓扑的联通性和抗稳定性高。我们可以使集群的单个无人机不仅可以作为信息发送和接收节点，同时也可以作为信息转发节点，这样集群损失某些个体后，系统的联通性不受影响；(3)与控制系统耦合性好，通信网络应该是为能更好的控制集群和完成任务而服务的，那么通信网络的设计必须和控制系统架构相结合。同时也必须和控制关系相耦合，满足信息的及时传输，进而提高集群完成任务的效能。针对以上的通信网络要求，我们可以做出设想，在5G万物互联的时代到来之际，我们可以借鉴移动蜂窝和D2D（device-to-device）结合的网络技术，以及现阶段的各种自组网(ad hoc)技术来实现集群之间的集群通信网络技术。2.3.3 集群任务规划技术为了实现在保证集群完成任务的质量的同时，完成任务所消耗的资源最小，与此同时还需要保证控制结构不依赖于集群内无人机的数量，保证集群的自愈合优点，以及构建集群的自组织系统的分布式结构，我们需要给出最优的集群组成方案。针对这类问题，可以看成是组合优化类问题，现在有集中式任务规划和分布式任务规划两个求解方向32。集中式任务规划对于数量少的无人机群可以很快的求解出最优任务规划方案，使资源分配达到最优，但求解难度随着无人机数量的增大而急剧攀升。分布式任务规划对飞行器的性能和自主能力要求较高，对无人机整体通信网络架构和联通性要求较严。但是对于数量大的无人机集群来说，分布式任务规划具有计算简单，鲁棒性好等优点。在应对突发情况，比如，无人机损毁，目标变动，任务更改等情况时，分布式任务规划往往表现得比集中式较好。2.3.4 集群航迹规划技术集群里的单个无人机都有一条自己单独的飞行航迹，规划航迹的好坏之间影响集群的完全，以及任务完成质量。在飞行途中遇到突发问题时还必须进行航迹重新规划，重新规划算法必须实时而且高效。因此，航迹规划技术必须具有以下特点a，安全性，各个航迹之间不能用冲突；b，可行性，航迹必须贴近实际飞行，安全可飞；c，高效性，算法的好坏直接决定系统执行任务的反应时间；d，最优性，规划出来的航迹必须要求是最优路线。目前，航迹规划技术主要有飞行环境建模和规划路线求解两部分组成33。飞行环境的建模技术决定规划航迹的可行性，常用的一些方法包括路标图法，单元分解法等3435。任务规划时会考虑单个无人机飞往目标任务的飞行代价，根据航迹规划的结果来进行任务规划，因此快速求解最优的航迹，可以帮助快速求解最优的任务规划方案。在任务规划和航迹规划过程中，航迹规划和任务规划相互影响。现如今有两种方案：一是航迹规划在任务规划之前，航迹规划的结果是对单个无人机执行该任务的资源消耗代价的估计，是作为任务规划的计算考虑的重要参数，这是目前最常见方案。另一种思想是通过大量数据经验学习，或者只做初略的航迹代价评估，基于航迹预测做出任务规划后再对每个单个无人机单个目标的进行航迹规划36。这个方案也可以成为人工智能解决规划问题的发展方向。3 结束语本文首先对集群技术的发展进行了介绍，然后叙述了集群技术应用于无人机领域的研究现状。在目前无人机集群技术的基础上，本文对无人机集群技术里的集群侦察技术进行了深入的思考。在对集群侦察的思考里，本文提出了集群侦察的系统架构，分析了该系统的优势，指出了关键技术和相关问题，并提出了解决这些问题的相关办法。将来的无人机将会向体积更小，飞行更迅捷，载荷越复杂，自主化更高的方向发展，无人机集群技术正处于快速发展阶段，随着战场环境的日益恶化，无人机自主能力的不断提高，以及小型无人机的载荷也将实现多样化，以后将会实现小型“察打扰一体化”无人机集群完全自主作战。但是距离实现这些目标仍有漫长的路需要走，比如小型无人机的航程航时往往较短，设计时需要考虑如何携带、投射和回收的问题；在群体智慧形成的过程中，信息交换是极为重要的一环，此小型无人机之间也需要设计合适的数据链路，保证信息的高效传递。此外，面向复杂作战任务，如何规划多架无人机携带不同载荷配合作战，这一系列问题都有待解决。参考文献1 许友平,无人机对地侦察/攻击航路规划软件系统的研制与研发D南京:南京航空航天大学,20132 Paul Gerin Fahlstrom, Thomas James Gleason. Introduce to UAV Systems (Fourth Edition) M. Beijing:National Defense Industry Press, 2016.3 Theraulaz G, Bonbeau E. A brief history of stig-mergy J. Artificial Life, 1999, 5(2): 97-116.4 Bonbeau E, Dorigo M, Theraulaz G. Swarm intel-ligence from natural to artifical systems M. New York:Oxford University Press, 1999.5 Edward T, Robert H K. Swarming unmanned air-craft systemsR, Operations Research Center of Excellence,ADA489366, 2008.9.6 牛轶峰, 肖湘江, 柯冠岩. 无人机集群作战概念及关键技术分析J. 国防科技, 2013, 34(5):37-43.7 Bordeaux J. Self-Organized Air Tasking: Examining a Non-Hierarchical Model for Joint Air OperationsJ. 2004.8 Clough B T. UAV Swarming? So What are Those Swarms, What are the Implications, and How Do We Handle Them?C/ 2002:308.9 张洋. 透视美国国防部新版无人机路线图J. 国防, 2005(12):61-64.10 Kushleyev A, Mellinger D, Powers C, et al. Towards a swarm of agile micro quadrotorsJ. Autonomous Robots, 2013, 35(4):287-300.11 孙明月 于宪钊，“小精灵”无人机发展研究EB/OL. https:/465915.kuaizhan.com/92/34/p419296131c73a4,2017-04-0112 LOCUST: autonomous, warming UAVs fly into the future.美国海军研究局，2015-04-1413 赵明, 李涛, 苏小红,等. 三维多无人机系统协同任务规划关键问题综述J. 智能计算机与应用, 2016, 6(1).14 韩玉龙, 高武, 杨士锋,等. 基于蚁群算法的多UAV协同侦察任务规划模型及求解C/ 中国空天安全会议. 2015:7.15 田菁,沈林成,多基地多无人机协同侦察问题研究J航空学报, 2007,26(4):913-92116 Karaman S, Frazzoli E. Sampling-based algorithms for optimal motion planningJ. International Journal of Robotics Research, 2011, 30(7):846-894.17 张得舒, 黄长强, 丁达理,等. 基于A*算法的无人机攻击轨迹解算J. 电光与控制, 2011, 18(3):18-20.18 Hua S. Simulation of Genetic Annealing Algorithm for Route Planning of Unmanned Aerial VehicleJ. Computer Measurement & Control, 2013:712-715.19 吴蕊, 赵敏, 李可现. 基于改进蚁群算法的无人机协同航迹规划研究J. 电光与控制, 2011, 18(11):12-16.20 陈小双, 翟为刚, 赵万里. 基于粒子群优化算法的无人机航迹规划J. 现代计算机, 2011(20):8-11.21 于霜,丁力,吴洪涛. 基于改进人工蜂群算法的无人机的航迹规划J. 电光与控制,2017,(01):19-23.22 居阳,不确定环境下的路径规划D.西安:西安电子科技大学,201423 楚拉多斯. 无人机协同路径规划M. 国防工业出版社, 2013.24 刘永兰, 李为民, 肖金科,等. 基于改进PH曲线的无人机航迹规划J. 科技导报, 2015(11):69-74.25 杨祖强,生物启发的多机协同四维航迹规划方法的研究D.杭州:浙江大学, 201626 ZHOU S L, QI Y H, ZHANG L,et al. Time-varying formation control of UAV swarm systems with switching topologies J.Acta Aeronautica et Astronautica Sinica, 2017, 38(4): 320452-320452.27 沈东, 魏瑞轩, 茹常剑. 基于数字信息素的无人机集群搜索控制方法J. 系统工程与电子技术, 2013, 35(3):591-596.28 葛扬帆. 应用于无人机集群的路由协议研究D. 南昌航空大学, 2012.29 陈思静, 张可, 贺颖. 高动态自组织无人机网络架构设计与模式研究J. 计算机科学, 2015, 42(2):50-54.30 新闻中心.突破！中国67架固定翼无人机集群飞行EB/OL.http:/www.cetc.com.cn/zgdzkj/hzzt/jcsp/454250/index.html,2016-11-0731 航展上中国展示世界最大规模集群无人机实验 未来空战形态亮相EB/OL. http:/www.cetc.com.cn/zgdzkj/hzzt/wmgz/453128/index.html,2016-11-0132 沈林成等. 多无人机自主协同控制理论与方法M. 国防工业出版社, 2013.33 沈林成, 陈璟, 王楠. 飞行器任务规划技术综述J. 航空学报, 2014, 35(3):593-606.34 Frazzoli E, Dahleh M A, Feron E. Real-time motion planning for agile autonomous vehiclesC/ American Control Conference, 2001. Proceedings of the. IEEE, 2001:43-49 vol.1.35 Goerzen C, Kong Z, Mettler B. A Survey of Motion Planning Algorithms from the Perspective of Autonomous UAV GuidanceJ. Journal of Intelligent & Robotic Systems, 2010, 57(1):65-100.36 齐乃明, 孙小雷, 董程,等. 航迹预测的多无人机任务规划方法J. 哈尔滨工业大学学报, 2016, 48(4):32-36.37 付毅飞. 专家详解小型无人机系统集群作战N. 科技日报,2016-05-30(003).