论文部分内容阅读
随着现代科技的进步,无人飞行器(Unmanned Aerial Vehicle,UAV)技术得到了快速发展。无人飞行器因其成本低、零伤亡、适应性强等诸多优势,在军事情报收集、侦察、打击等方面得到了广泛应用。然而,现代战场环境和作战任务复杂多变,以及敌方防空火力的不断加强,给UAV的应用带来了新的挑战。受物理性能的限制,单个UAV已不能满足日益复杂的任务需要,多UAV协同成为一种重要的作战方式。 本文以战场环境中多个UAV组成编队协同打击多个目标点的复杂任务为研究对象,根据任务要求将其分为多航迹规划、协同时间、目标分配等几个部分,并分别对每一部分的子问题进行研究,从而得到多UAV协同规划任务的整体解决方案。 首先,针对战场环境中的不确定性和协同规划任务的复杂性,为一对发射点、目标点之间同时规划出多条备选航迹,以提高UAV应对突发威胁的应急处理能力和协同规划的灵活性。建立了基于自适应聚类遗传算法的多航迹规划方法,将航迹间距离作为聚类的依据,同时规划出具有明显空间分布差异的多条备选航迹。针对航迹评价的多目标性和模糊性的特点,提出了基于物理规划的航迹评价方法,并将其应用于聚类遗传算法的航迹评价中,克服了传统权重方法中人为因素的干扰,实现了多目标航迹评价和进化求解的一体化。 其次,利用多航迹规划的结果解决多个UAV打击同一个目标点的协同时间问题。定义了协同变量和协同函数,建立了从UAV决策到编队代价的映射关系,并将问题分解为两层:根据综合协同函数确定使得编队整体代价最优的协同变量值;根据最优协同变量值得到每个UAV的最优决策,即选择的航迹和飞行速度。针对多个UAV同时发射和存在发射间隔两种情况,基于UAV的协同函数曲线,分别设计了不同的扫描线法,从而得到使得UAV编队整体代价最优的协同方案。 第三,针对存在多个UAV和多个目标点的复杂任务,研究了多UAV目标分配问题。从打击可靠性出发,将目标点的打击成功率作为约束,建立多目标数学规划模型。对模型进行变换,采用改进的功效系数法将其转化为单目标MILP模型,用CPLEX直接求解并进行参数分析。针对大规模问题直接求解效率低的情况,设计拉格朗日启发式算法,以损失一定的最优性为代价,大幅提高了算法的求解速度。 最后,在UAV打击目标点的末端,研究了考虑UAV运动约束的轨迹规划。根据UAV的运动特性建立轨迹规划的最优控制模型,通过最大值原理推导出最优轨迹的特点。针对简单轨迹,根据UAV和目标点位置的几何关系,通过更新状态方程得到轨迹的解析形式。对于多UAV协同打击同一个目标点的情况,综合考虑UAV的机动性能约束、威胁区约束、多UAV协同约束和集结区约束,建立多UAV协同轨迹规划的多阶段最优控制模型;采用Gauss伪谱法将多阶段最优控制问题转化为非线性规划问题,从而得到满足多UAV协同打击要求的最优轨迹,实现UAV制导、控制一体化。