[发明专利]战场环境下多无人机时敏任务动态分配方法

权利要求书

1.战场环境下多无人机时敏任务动态分配算法，其特征如下，UAVs编队采用Leader-Follower结构执行TST打击任务，Leader_UAV主要承担决策者的角色，Follower_UAV承担打击者的角色，Leader_UAV将根据时敏任务变化情况，以及Follower_UAV执行任务时间、毁伤能力和打击收益等因素完成编队任务分配，在Leader_UAV任务分配的基础上，Follower_UAV将依照任务内容完成飞行路径规划和对TST打击，以Leader_UAV充当任务拍卖者，Follower_UAV充当竞拍者，Follower_UAV将各自的竞拍价格矩阵cost_auction(包括：与TST之间的距离d、执行执行TST打击任务的时间t、对TST的毁伤能力Damage以及打击收益VLR)发送给Leader_UAV，在此基础上，Leader_UAV在TST时间窗口宽度duration的约束下，根据cost_auction对竞拍者进行选择，完成任务分配，duration受Follower_UAV执行当前任务的影响，其表达式如式(1)所示，cost_auction中的各元素表达式如式(2)所示，

duration_j(k)＝duration_j(k-1)+variation_ij  (1)

式中，duration_j表示TST_j的时间窗口宽度，variation_ij表示

Follower_UAV_i执行当前任务对TST_j的时间窗口宽度的影响，

cost_auction_ij(k)＝d_ij(k)／max(d_ij(k))+Damage_ij(k)

+VLR_ij(k)+max(t_ij(k))/t_ij(k)      (2)

+max(P_threat_ij(k))/P_threat_ij(k)

假设V＝{1,2,…，N}为Follower_UAV数量，则编队中UAVs的数量为N+1，T＝{1,2,…,M}为TST数量，式中，d_ij表示Follower_UAV_i(i∈V)与TST_j(j∈T)之间的距离；t_ij表示Follower_UAV_i执行TST_j打击任务时间；Damage_ij表示Follower_UAV_i对TST_j的毁伤能力；VLR_ij表示Follower_UAV_i打击TST_j的效益，它是Damage_ij和载弹量Load_i的函数，其表达式如式(3)所示；P_threat_ij表示TST_j对Follower_UAV_i的威胁概率，将通过TST_j的雷达对Follower_UAV_i的瞬时跟踪概率P_dij在累计时间段T_s上的积分获得，其表达式如式(4)所示，

VLRij(k)=VLRij(k-1)·Loadi(k)-Loadi(k-1)Damageij(k)-Damageij(k-1)---(3)]]>

式中，Load_i(k)和Load_i(k-1)分别表示Follow_UAV_i当前时刻与前一时刻的载弹量，

P_threatij(k)=Σk=c_t-Tsc_tPdij(k)---(4)]]>

式中，c_t为当前的采样时刻，T_s为瞬时概率的累计时间段，P_dij是TST_j的雷达对Follower_UAV_i的瞬时跟踪概率，其表达式如式(5)所示，

Pdij=1/[1+(c2jRij4/σi)c1j]R<Rmax0R≥Rmax---(5)]]>

式中，R_ij是Follower_UAV_i与TST_j之间的距离；c_1j，c_2j是常数，由TST_j的雷达类型确定；σ_i是Follower_UAV_i的雷达散射截面积(Radar Cross-Section,RCS)，UAV的RCS是关于UAV航向与TST水平方向的夹角λ，TST与UAV间的俯仰角侧向加速度与重力加速度比值μ的函数，其表达式如式(6)、(7)、(8)所示，

σ=π·a2b2c2(a2sin2λecos2μe+b2sin2λesin2μe+c2cos2λe)2---(6)]]>

Leader_UAV根据cost_auction完成任务分配，若Follower_UAV接到Leader_UAV下发的任务，需计算其与执行TST之间的距离，如果该距离小于等于开始执行打击任务的最短距离D_start，则Follower_UAV开始打击，并在原地盘旋直到目标击毁；否则，Follower_UAV利用MPC算法进行打击路径规划，根据飞行器的运动学方程，建立非线性的预测模型如式(9)、(10)、(11)、(12)、(13)所示，

z(k+1)＝z(k)+s·sin(θ(k+1))  (11)

θ(k+1)＝θ(k)+θ₀·u_θ(k) U_θmin≤u_θ≤U_θmax  (13)

式中，(x,y,z)表示位置；s表示当前导航点和下一导航点之间的直线距离；是方位角，是常量，表示方位角的变化步长，是方位角的控制量，是方位角控制量的边界；θ是俯仰角，θ₀是常量，表示俯仰角的变化步长，u_θ是俯仰角的控制量，U_θmin，U_θmax是俯仰角控制量的边界，

u_θ是通过滚动优化路径代价函数cost_path获得的最优控制量，本文的路径代价函数cost_path由状态误差代价、TST雷达造成的威胁代价和控制域内的控制代价构成，cost_path中的各元素表达式如式(14)所示，

cost_path_ij(k)＝αc_ij^T(k)C_ic_ij(k)      (14)

+βP_threat_ij(k)+γu^T(k)u(k)

式中，c_ij(k)表示Follower_UAV_i与TST_j之间的距离代价，即c_ij(k)＝(x_i-x_j,y_i-y_j,z_i-z_j)^T，TST_j的位置S_j(k)＝(x_j,y_j,z_j)^T表示参考轨迹，α为其权值，C_i为UAV_i与TST之间的距离代价加权矩阵；P_threat_ij表示TST_j对Follower_UAV_i的威胁能力，β为其权值；u(k)为控制量，γ为其的权值。

2.战场环境下多无人机时敏任务动态分配算法的实现，其特征在于，包含以下步骤：

步骤1：Follower_UAV向Leader_UAV提交TST观测信息，Leader_UAV产生任务清单，并根据式(1)进行任务拍卖，实现任务分配；

步骤2：Follower_UAV根据任务分配结果，判断自身的任务列表是否为空，若为空，则在当前位置盘旋等待，直到任务列表不为空时，按新的任务列表执行任务，否则执行步骤3；

步骤3：Follower_UAV根据自身的任务列表，判断与执行TST之间的距离，若此距离小于等于D_start，则Follower_UAV开始打击目标，并在原地盘旋直到目标击毁；否则，Follower_UAV将根据式(13)所获得的最优控制量进行路径规划，当达到打击距离后，开始打击目标，并在原地盘旋直到目标击毁；

步骤4：Follower_UAV执行当前任务会对后续TST时间窗口宽度产生影响，需要对UAVs编队任务分配和打击路径进行调整，将返回步骤1进行任务重规划，直至完成所有TST的打击任务。