基于协同作战的无人机航路重规划算法研究*

毛雪玥 彭盛龙

（电子科技集团第十研究所通信事业部 成都 610036）

1 引言

无人机是军事战争技术的前沿，是作战模式创新的着力点［1］。随着人工智能等热点技术的不断发展以及在现代军事需求的引领下，无人机智能化不断提高、自主性不断增强、信息获取能力不断提升，并正在逐步改变作战样式。作战运用从单机作战向集群作战、无人机和有人机协同作战演进，已成为现代与未来战争中不可或缺的重要力量［2］。有人机/无人机智能协同作战能使无人机更好地融入作战体系，不仅能充分发挥无人机的作战能力，同时更进一步实现体系效能增强的作用。因此，对世界军事领域而言，无人机的应用具有重大意义［3～4］。

无人机航线智能规划技术、无人机自主飞行能力以及无人机空中交通告警和防撞技术一直是无人机相关领域研究的核心和重点［5～7］。基于有人机和无人机协同作战模式的无人机航路重规划，是有人机和无人机通过信息感知支撑智能辅助决策协同控制的过程。通过自主规划可用资源，根据自身执行任务能力来动态响应变化的威胁环境，并自动处理突发紧急情况。

有人机/无人机协同作战系统一般包括一架有人机4 级协同控制多架无人机，其中，无人机控制站配置在有人机中，有人机负责对无人机的指挥控制和任务规划；无人机负责对目标的雷达探测和攻击任务。有人机协同信息感知辅助控制决策过程如下：有人机接收本机和无人机传感器数据，进行数据融合和威胁评估，给出态势感知结果和威胁提示，支撑动态规划，改变无人机航路和传感器工作模式；无人机通过传感器感知敌方舰船的雷达威胁预警，给出威胁预警提示。并通过自主航路重新规划，规避威胁。有人机/无人机协同作战系统展示如图1所示。

图1 有人机/无人机协同作战系统组成

2 无人机集群整体防撞策略生成

无人机防撞系统是指根据合作单元内部提供的相对位置、姿态信息、通过雷达传感器探测到的非合作单元的相对距离和方位信息，并依据入侵物与无人机间的距离、方位、碰撞威胁等级以及目前无人机编队的航路规划信息，以及不同的飞行规则权重，生成不同的防撞策略。无人机防撞系统功能框图见图2。

图2 无人机防撞系统功能框图

根据不同的飞机规则权重，防撞策略划分为以无人机集群优先的整体防撞策略和以无人机集群中具体某一个成员飞行行为优先的成员自主防撞策略。本次研究主要基于无人机集群优先的整体防撞策略。协同作战系统的各单元在空中按照分布式规则进行配置，每架无人机利用机载传感器探测未知环境，系统内成员之间以自主协同网络为依托进行通信，从而实现数据共享，合作型感知探测障碍物威胁并实现实时自主规避。

在整体防撞机制中，无人机集群作为一个整体，为保持集群队形，将无人机集群内聚飞行规则权重设置较高，以保证防撞过程中集群内部成员不发生脱离。根据内聚飞行规则，集群内第i架无人机成员的期望航迹偏角计算公式为

上式中，f1为在水平面内无人机航迹偏角方向的变换函数。设(XiT，YiT，ZiT)为处于第i个无人机成员探测距离并位于该集群外的所有碰撞威胁的平均质心坐标，则f1(x)表示为

同时，根据内聚飞行规则，集群内第i架无人机成员的期望航迹倾角计算公式为

上式中，f2是为在垂直平面内无人机航迹倾角方向的变换函数，f2(x)表示为

对于第i个无人机成员，防撞规则的权重定义如下：

式中，Pi=(Xi，Yi，Zi)，Pρi=(XiT，YiT，ZiT)，ρc为防撞距离的定义，当无人机与威胁之间的距离或无人机之间的距离小于防撞距离ρc时，则需要进行防撞控制。

通过上述公式计算可得到无人机集群内第i个无人机成员的期望航迹偏角ψdiE和期望航迹倾角θdiE。协同作战系统中，无人机接收到来自有人机的制导指令便进行相应航迹偏转，可保证系统内部任一成员均不与系统内其他合作成员或者系统外其他非合作威胁发生碰撞，因此实现无人机集群安全飞行。

综上所述，无人机集群整体防撞策略可描述为：协同作战系统沿预先规划的航迹飞行，当无人机集群探测到碰撞威胁目标，且与碰撞威胁目标之间的距离小于防撞距离时，无人机集群作为整体进行防撞协同控制，且每个无人机成员与威胁目标之间的位置坐标关系决定了该成员的航迹偏角和航迹倾角的变换。当无人机集群探测到与碰撞威胁之间的距离大于防撞距离时，集群则沿预先规划的航迹飞行。

3 基于动态稀疏D*算法的航路重规划

基于协同作战的无人机航路规划是指以有人机/无人机协同目标分配方案为基础，对每架无人机规划出有效的协同航线。现有的航路规划算法都是将规划空间离散化，按照一定的规则得到离散采样点，并以这些采样点作为航路上任务点，根据具体算法规划出具体航路。常用的规划算法有A*算法［8-9］、遗传算法［10］、蚁群算法［11］、基于图像骨架的贪婪算法［12］、粒子群算法［13］、Voronoi 图［14］、人工势场法［15］、概率地图法、RRT 法（快速随机树法）等等，这类算法能够有效提高无人机最佳航线的搜索效率。A*算法是一种公认的最优启发搜索算法，可实时规划三维航线，有效规避威胁，是动态避障路径规划过程中较为认可的算法［16］。动态稀疏A*算法是A*的一种改进形式，将无人机机动性能约束与规划空间的划分结合起来，加入了无人机性能对航路的约束，大幅度提高算法效率。稀疏D*（Dynamic Sparse A*Search，DSAS）算法是稀疏A*算法的改进型，当无人机在预先规划好的航线上飞行遇到突发威胁时，该算法能够实现对无人机最佳航线的在线实时重规划。

图3 描述了无人机航线重规划过程。首先，无人机沿着预规划航路（图中虚线部分）飞行，当无人机飞行到某一航路点时，出现突发威胁，此时预规划航路已不再适用，需在线实时规划新航路（图中实线部分）。本文使用的稀疏D*算法可以实时为无人机重新规划生成新航迹，并在每一个时刻保持最优航路。

图3 航迹重规划示意图

3.1 代价函数选择

无人机航路最优性是一个多目标决策问题，需要考虑多个因素，包括飞行航程短、飞行海拔低、距离威胁远以及航路对准目标点等要点。我们选择的代价函数为

在上式中，li为第i段航迹长度对的归一化值，表示无人机飞行航线长度优先级，在无人机执行任务时，缩短航迹减少飞行时间，不仅可以降低无人机的危险系数，同时能够节省无人机的油耗；hi为无人机的飞行高度，表示无人机飞行高度优先级，飞行航路高度降低能够提高无人机安全系数；θpti为无人机飞行航路的方向与起点到突发威胁中心连线的夹角的归一化值，表示无人机航向指向威胁的程度级别，使无人机的航向偏离与威胁的连线，保证无人机能够避开威胁；θpgi是无人机飞行航路的方向与起点到目标点连线的夹角的归一化值，表示无人机偏离起始点与目标点连线的距离，使无人机不会偏离特定的航线太远，同时也降低无人机的航程。

将各因素求值，再归一化加权求和即可得到代价值。

3.2 三维航迹规划的稀疏D*算法步骤

稀疏D*算法流程如表1所示，其中，OPEN 表和CLOSE 表为两个数据结构表，其中，CLOSE 表中存放已被扩展或将要扩展的节点，也被称为封闭节点；OPEN表中存放当前子节点可扩展的节点。

表1 三维航迹规划的稀疏D*算法

If遇到突发威胁then删除新威胁覆盖区域的航迹节点；删除新威胁覆盖区域的航迹节点的所有后代节点；依据集群防撞策略找到离当前节点最近的航迹点；将该航迹点作为新节点插入OPEN 表；Go to 第三行；Else Continue Go to 第五行；End End

综上所述，无人机在飞行过程中，探测到前方航路存在突发威胁时，稀疏D*算法将清空突发威胁所影响区域内的所有原航迹点，并且将离威胁区域最近同时不受威胁区域影响的航路点重新放入OPEN表中。然后，稀疏D*算法根据上述流程重新规划出从当前探测到威胁区域的节点到目的节点的航路。根据上述描述，在稀疏A*算法大幅度提高航线计算效率的基础上，稀疏D*算法又在重规划过程中保留了原规划航线中未受到威胁区域影响的航路点信息，以此减少在线重规划的计算量，大大提高航线重规划效率。

4 仿真结果及分析

基于协同作战策略，将无人机集群整体防撞准则和稀疏D*航路重规划算法相结合，进行无人机航路重规划。本文进行仿真模拟实验。无人机集群由四架无人机组成，集群分布如图4所示。

图4 无人机集群信息

威胁分布如图5所示。

图5 威胁分布信息

针对代价函数各参数取值，在实验中取高度权值Wh=0.1，长度权值Wl=0.2，目标指向权值Wgp=0.2，威胁指向权值Wpt=0.5，实验模拟结果见图6。

图6 实验模拟结果

其中，绿色航线的飞机为应用了本文所提出航线重规划算法的无人机，而红色航线的飞机为未应用本文提出航线重规划算法的无人机，在遇到突发威胁时，绿色无人机实时重新规划航线，避开威胁。而红色的无人机未规避突发威胁，依旧按照原规划航线飞行，右上角为无人机飞行航线和威胁的全局示意图。从上面的结果可以看出本文提出的基于无人机集群整体防撞策略和稀疏D*航路重规划算法在实际应用过程中，能够使无人机集群有效避障，且规划出的航线满足无人机在飞行时间、高度和避障能力等方面的性能要求。

5 结语

无人机航线规划是无人机任务规划技术中的关键，传统无人机航线重规划算法计算过程复杂、计算量庞大、响应速度缓慢、探测效果不佳、航线效能不高，在实际本文基于有人/无人机协同作战理论提出无人机集群整体防撞策略和稀疏D*算法相结合的无人机集群航路重规划方法，通过实验得出以下结论：

1）有人机和无人机协同作战，能够充分发挥有人机和无人机本身优势的互补作用，在面对变化的威胁环境时能够快速做出动态响应，并能够根据可用资源进行自主航线重规划；

2）无人机集群整体防撞策略是将集群系统作为整体进行防撞协同控制，每个无人机与威胁之间的位置关系决定了其航迹偏角和航迹倾角的变换，通过改变集群内各个无人机成员的航迹偏角和航迹倾角便可有效完成无人机集群与碰撞威胁之间的规避；

3）无人机在飞行过程中，探测到前方航路存在突发威胁时，或突然改变飞行任务时，稀疏D*算法能够实现对无人机航迹的在线实时重规划，在稀疏A*算法大幅度提高航线计算效率的基础上，又在重规划过程中保留了原规划航线中未受到威胁区域影响的航路点信息，减少计算量，极大提高航线规划效率。

因此，本文提出的基于无人机集群整体防撞策略和稀疏D*航路重规划算法不仅能够使无人机集群在面对变化的威胁环境时整体避开碰撞，而且航线规划效率高，规划出的航线满足无人机的机动性能要求。