无人机安全飞行外部风险预测与防撞技术研究综述

纪红霞,杜璇,王榕,赵彪

1.95894部队 2.武警特种警察学院

无人机安全飞行一直是业界关注的关键问题。影响无人机安全飞行的因素分为内部因素和外部因素，本文主要围绕安全飞行外部风险预测，重点阐述防撞等关键技术，列出目前一些常用算法，为下一步相关研究，以及提高无人机稳定性和安全性提供理论参考。

无人机系统是一个复杂而精密的综合系统，无人机任何一个设备都有可能受到质量和环境等因素影响而出现故障，因此面临着诸多安全风险。如今飞行环境日趋复杂，障碍增加，面临的威胁日趋增多，若飞行中一旦失控，将引发不同程度的经济损失及造成人员伤亡。因此，任何无人机的起降全过程都可能出现安全问题，进而引起不同程度的损失，特别是大中型无人机，安全风险一直受到业内人士的高度关注。

无人机安全飞行影响因素

总体来说，影响无人机安全飞行的因素可以归纳为内部和外部两方面，其中内部因素主要包括无人机分系统等设备故障对无人机安全飞行造成的影响；由外部因素引起的事故，主要包括外部环境、其他设备或人为等因素对无人机安全的影响，如通信干扰、诱骗、飞鸟撞击、任务规划不合理等造成的安全风险。本文主要介绍外部影响因素，空中障碍物对无人机飞行安全的影响及目前避障的算法。

当无人机在非隔离空域执行侦察、监视、跟踪、突防等飞行任务时，由于实际环境存在一定的动态不确定性。无人机在遭遇突发威胁时，针对已知环境信息而预设的航线已不能满足任务要求，需要无人机面对突发威胁进行实时规避，以防止碰撞发生。在防空技术日益完善的现代战争中，自主避障技术是确保无人机安全飞行，在动态不确定的环境中安全可靠地执行复杂飞行任务，提高作战能效。

图1 自主避障技术确保无人机安全飞行。

无人机安全飞行外部风险预测与处理技术

安全飞行外部风险是指影响无人机飞行安全的外部因素所引发的安全隐患。外部因素包括无人机信息安全、无人机空中碰撞、气象条件和人为等因素，下面主要对无人机空中防撞技术进行阐述和分析。

无人机空中防撞技术

无人机防撞是保证无人机安全飞行的重要因素，它决定了无人机能否与其他飞行器共享空域，以及能否在动态不确定环境中安全执行任务。

无人机自主避障的目标是，在线实时重规划一条满足飞行条件约束，能够规避突发障碍和威胁，且最终能到达目标点或回到起飞点的飞行航线。

按照目前解决碰撞问题的方式，无人机避障方法可分为基于路径重规划的方法，也称间接方式，和基于反应式机动的方法，也称直接方式。间接方式中比较有代表性的是启发式方法、模型预测控制方法、基于随机搜索的方法、基于优化的方法、基于规则的方法；直接方式中比较有代表性的是基于势场的方法、基于导引的方法、基于几何的方法，以及基于混杂系统的避障方法等。

（1）现状及重要性

国内外有很多人士在研究空中防撞技术。在德国某无人机试验项目中研究感知与规避算法，并将算法在仿真和真实的飞行试验中进行验证。空军研究实验室（AFRL）正在研究多无人机系统感知规避（MUSSA）技术，当无人机与有人驾驶飞机在融合空域中飞行时，无人机系统（UAS）感知与规避系统必须像有人驾驶飞机的飞行员一样，能发挥基本的避免冲突与碰撞的作用。该项工作将重点研究无人机系统（UAS）和有人机之间的冲突避让或碰撞规避。

国内对无人机战场环境感知与规避技术的研究还处在基础阶段，但在多源信息融合理论、目标行为建模以及态势感知模型框架等方面已开展了卓有成效的工作，并取得了一定的研究成果。如有研究者提出了利用面向对象的贝叶斯网络构建无人战斗机的态势感知模型框架，探索了有利于多机协同作战的态势感知模型，以及作战环境具有多个不同威胁实体的态势感知。有研究者使用模糊逻辑的方法处理事件发生的不确定性，基于一定的知识对当前态势进行假设，并使用D-S方法对获得的信息进行合成，从而构造一个对战场态势进行分析、推理和预测的求解模型。有研究者对无人机编队协同飞行中的视觉感知关键技术进行了研究，提出了一种基于主动轮廓模型的改进贪婪算法，对运动区域内的目标轮廓进行实时精确提取，捕获UAV机载视觉传感器视频流中的目标特征信息，并对运动目标检测方法和静态目标识别算法分别进行了研究。

（2）基于区域隔离的避障方法

图2 无人机避障路线图。

图3 无人机避障球形安全区域示意图。

避障区是飞行器避障领域常用的集碰撞检测和避障决策于一体的方法。在无人机避障系统的研究上，有研究者通过仿真和飞行测试，分析了利用感知与规避系统和空中防撞系统（TCAS）系统，实现空中无人飞行器自主避障的可行性。有研究者针对非合作飞行器的避障问题，分别提出了基于圆球、圆柱碰撞区的三维几何避障算法。该算法能直接求得所有控制量的改变量，并适用于实时系统。有研究者提出了基于不同的规避时间划分避障区域的方法，并在不同避障区域内采取相应的避障机动，从而实现无人机自主避障。有研究者提出了综合考虑无人机位置信息的准确性和跟踪预设航迹的能力等不确定性因素，选取大小不同的距离阈值划分避障区域的方法。有研究者针对多无人机飞行冲突问题，提出了基于导航函数的避障算法，并设计了固定尺寸的碰撞区、保护区和警戒区。总之，目前主要采用的避障区是基于固定时间或距离，定义形状为圆柱体、球形的三维避障区，或者圆形、椭圆形的二维避障区。

（3）基于路径重规划的避障方法

路径重规划算法包括启发式方法、模型预测控制（MPC）方法、基于随机搜索的方法、基于数值优化的方法和基于规则的方法。

1）启发式方法

通过定义一种利用数学方法描述的启发函数，起到一种启发作用，从而启发算法向最优或局部最优的方向进行航线搜索，典型的启发算法有A＊方法、D＊方法、快速搜索随机树方法等。当A＊算法的启发式因子满足单调性条件时，其搜索性能被证明是最佳的，因此A＊算法成为一种最常用的启发式最佳优先算法。首先用综合地形海拔平滑算法对数字地图进行处理，然后建立安全飞行曲面和威胁模型，利用安全曲面和威胁模型对飞行空间进行预处理后再结合A＊算法进行规划，通过比较仿真结果与传统A＊算法，改进后的A＊算法在计算速度、扩展节点数目和路径的易用性上表现出明显优势。有研究者研究了在已知威胁和障碍的假设条件下，具有实时规划特点的A＊算法，将离散时间引入三维地图从而得到四维搜索空间，潜在的威胁由一些简单的几何体组合表示，然后应用了一种改进的A＊算法进行搜索，这种方法通过选择躲避障碍的路径点作为动态运动限制的方式，使得A＊算法在不牺牲路径完整性和最优性的前提下，获得比较令人满意的规划效果。但是这种方法是在已知威胁的前提下进行的仿真演算，于是有研究者在具有态势感知的UAV中进行了A＊算法的改进研究，这种基于图的A＊搜索方法将油耗和威胁作为代价函数的权重，几何距离作为启发函数，覆盖范围和其增量作为连续节点信息确定方位，而所有这些信息均是由飞行器自身携带的传感器所提供。在国内，有研究者使用修正的参数（PRM）方法结合航迹约束条件构造飞行路线图，然后运用动态稀疏A＊算法实现精确搜索，该方法兼有全局搜索和局部搜索算法的优点。有研究者深入研究了针对不同任务的基于数据链通信的A＊算法，该方法可用于数据链通信情况下基于A＊算法的离线、在线、针对移动目标、可重选目标的航迹规划方法。有研究者采用预规划和重规划两层规划，利用贝叶斯网络进行威胁评估，结合A＊算法实现航迹重规划。对可移动雷达建模，结合雷达威胁，使用改进的A＊算法，改进节点扩展方式提高搜索效率，使仿真结果更贴近实际。

2）模型预测控制方法

图4 模型预测控制方法使无人机发生碰撞的可能性达最小化。

模型预测控制方法是一种应用于非线性动态系统的控制方法，该方法将避障问题表述为一个有限时间窗内的在线优化问题，并在同一模块内实现避障轨迹生成与机动控制，而且有效地处理实际系统中的限制，如输入饱和与状态限制等。在模型预测控制方法中，运用有限时间窗内最小化特定的函数，得到一个优化控制输入序列。有研究者应用模型预测控制方法实现了无人机在未知环境下的在线避障控制。将模型预测控制方法应用于运动威胁的避障时，需要估计运动威胁的信息，有研究者利用扩展卡尔曼滤波算法预测动态障碍物的三维轨迹和位置误差，利用模型预测控制方法在未来的控制窗口内，使无人机与障碍物的碰撞可能性达到最小化。有研究者提出了一种基于规则的模型预测控制避障算法，优先选用航向规则进行避障，若无法满足避障要求，则选用速度规则。有研究者提出一种改进的分布式模型预测控制方法，在每个时间窗口的代价函数中加入额外的相对位置约束，使编队中的无人机不会发生碰撞，并可以规避不同形状和较小的障碍。

3）基于随机搜索的方法

该方法以遗传算法（Genetic Algorithm,GA）蚁群算法、粒子群算法为代表。“随机”是指这类算法通过数学表达式和约束构成解空间，之后在解空间内按照随机的方式搜寻最优。有研究者将遗传算法进行改进，通过直接编码，复制时保护最优个体的方式，提高了运算速度。由于遗传算法没有固定的编码，适应度函数等形式，因此遗传算法的调参还处于试凑阶段。有研究者采用了变长实值基因编码方式和一组重新设计的与之对应的进化算子进行仿真，使其能够满足在线实施规划的要求。有研究者采用了一种综合元启发式蚁群算法并结合差分进化算法进行无人战斗机的三维路径规划，差分进化用于优化改进的蚁群算法模型信息素，这种改进的方法在保证原有蚁群算法的稳定性同时加快了收敛速度。在蚁群算法的基础上，基于综合航迹代价预估，并引入信息素扩散机制，提高了算法优化能力。有研究者利用粒子群优化算法，将约束条件和搜索算法相结合，从而有效减少搜索空间，得到一条全局最优路径。有研究者将粒子群算法与B样条相结合，以最小威胁、最小油耗并且飞越定义的侦察路径为目标设计航线，采用粒子群算法进行优化，B样条曲线作为备用路径，并且在三维仿真中予以实现，但由于该方法没有考虑无人机自身的物理约束，因此规划出的航线是由路径点组成的折线。

4）基于数值优化的方法

图5 遗传算法原理图。

该方法通常利用无人机的运动学模型，在考虑一系列约束的基础上，通过定义目标函数来求解飞行冲突消解航线。有研究者将飞行冲突问题定义为具有一定约束的优化问题，并通过优化方法从预定义的机动行为中求解最短避障时间的规避路径。有研究者再次利用基于神经网络的遗传算法，解决两架无人机的飞行冲突问题。有研究者提出了一种基于拟线性回归的飞行冲突解决方法。他们利用非线性无人机质点模型，并结合飞行时间、燃料消耗等多种约束条件，通过优化过程得出用于解决多无人机冲突的三维航迹。有研究者提出了一种随机搜索结合凸优化理论，并考虑最小能量消耗约束的二维多机飞行冲突解决方法，该方法得到的航线局部最优。有研究者提出了一种基于无人机运动学模型的二维航线优化冲突解决方法，该方法利用优化控制方法计算考虑速度、转弯角速率约束，具有最短飞行时间的冲突解决航线。随后，该冲突解决方法被用于分布式移动多agent系统中，用于解决多无人机协同飞行冲突问题。有研究者提出了一种基于混合整数线性规划方法的多机飞行冲突解决方法，其中给出了只改变速度和航向两种规避机动方式的冲突解决方法。相比于基于非线性模型的方法，线性优化方法的计算速度更快，更有利于实时应用。有研究者提出了一种基于优化的用于多无人机协同飞行的三维飞行冲突解决方法，他们将优化控制问题转化为结合有限元方法的有限维非线性优化问题，利用提出的可靠初始化策略，并使用内点算法实现了冲突解决优化问题的求解。有研究者针对无人机防撞问题，提出基于最优化理论的自主防撞方法。通过对无人机自主防撞过程的定性分析，建立了无人机自主防撞系统；然后分析了该系统中不同阶段的防撞方法，并基于最优化理论提出了三维动态碰撞预测与防撞方法，并通过仿真结果验证了方法的有效性。

5）基于规则的方法

该方法利用一系列可描述的规则来实现规避防撞，所用的规则集往往是设计者根据具体应用背景预先定义的、固定的规则集，该方法主要应用在民航领域的空中交通管理。有研究者提出，假设已知每架无人机的位置、航向、速度等信息，且每架无人机原航线的高度和航向都设有固定的多机冲突规避方法，该方法通过多机合作规划，采用一种基于协议的多无人机避障方法实现避撞。仿真结果表明，该方法对于位置、航向、速度的不确定性具有较好的鲁棒性，计算量小，实时性好，在合作规划的同时允许各无人机进行异步机动。有研究者提出了一种考虑通信、导航等系统不确定性故障的三维避障方法。该方法通过定义最小规避机动行为集，如改变航向、速度、飞行高度等参数，利用混合整数规划方法在规避机动行为集内，根据最小机动规则选择规避机动方式。

（4）基于反应式机动的避障方法

基于反应式机动的避障方法包括基于势场的方法、基于导引的方法和基于几何的方法。

1）基于势场的方法

将飞行器建模为一个势场中运动的粒子，根据飞行器与目标、威胁的关系构造势函数，引力场将飞行器拉向目标点，斥力场使飞行器避免与威胁的碰撞。基于势场的方法比较有代表性的是电荷法，流函数法，模拟退火算法等。

电荷法是通过引入电学原理中的库伦定律，即同极电荷之间相互排斥、异极电荷之间相互吸引的原理，应用于避障路径规划，使得运动物体能够远离障碍物和威胁源，同时向目标点靠近。有研究者中利用电荷法将实时威胁分为三种情况进行建模，即飞行器发现威胁且尚未进入威胁区、飞行器发现威胁却已进入威胁区、飞行器到达威胁正上方正欲离开威胁区。

流函数法是利用流体力学概念建立势场区域规划方法，该方法能够很好地避免局部最小问题。有研究者将流函数法应用于多移动机器人Swarming控制，之后继续深入研究该方法，他们首先利用流函数解决了单台移动机器人的避障问题，并采用虚拟leader和二叉树结构的多移动机器人swarming控制模型，由于采用了虚拟leader，因此当该模型中的leader机器人出现故障时，每个机器人均可以替代它充当leader，使机器人集群在避障过程中不会发生分离，提高系统的稳定性，增强系统应变能力。

模拟退火算法模仿了热力学中的退火过程，退火算法将“加热”在起始点附近一定范围内的所有点，然后不断进行迭代运算，使所有点的温度都逐渐冷却。有研究者通过随机产生平移方向的方法改进模拟退火算法容易陷入局部极小的问题，并利用该方法对各种规模、不同的复杂地形进行了大量实验，总结了航迹规划中应用模拟退火算法的一些定性原则。

2）基于导引的方法

该方法将无人机避障问题表述为一种控制最小化的导引问题。比例导引是一种广泛应用于导弹导引的方法，无人机追踪目标点问题是一种与之类似的问题。有研究者提出了基于比例导引的避障控制策略。但是当需要追踪新目标点时，该方法会导致控制量的跳变。有研究者提出一种最小化导引效力的方法，可实现对多个威胁的规避。有研究者提出的非线性几何导引法和微分几何导引法，可以使无人机的飞行速度向量快速地指向目标点，从而实现反应式的快速避障。

导引法一般借助视觉传感器获取威胁信息或通过协同信息交互获取编队中其他成员状态信息，通过碰撞圆锥法或最近点法实现威胁检测。

3）基于几何的方法

该方法比较适用于二维避障、两机避障、单一机动方式避障等情况。有研究者提出了一种基于我机和威胁之间的几何关系避障方法，该方法分别在水平面和垂直面产生避障机动路径。有研究者提出了一种基于计算几何的避障算法，他们将航线等同于Delaunay，所规划的避障航线根据图中非相交的线条来计算。有研究者提出了一种用于解决二维飞行冲突的几何优化算法，该方法利用当前的位置和速度信息，以及无人机航线的几何特点，通过定义速度改变量最小的目标函数，来计算规避航线的解析值。有研究者提出了一种基于几何法和优化方法的非合作无人机三维航线避障方法，该方法结合了所有控制量，如速度、航向、高度的改变量，并推导出基于几何方法的运动学最优问题的解析值。该算法通过持续更新飞行器的速度信息来保证飞行安全，但是该算法没有考虑静态障碍和地形障碍，且只能应用于两机冲突的场景。■