CN110941283B - 一种基于任务需求的异构无人机集群协同最优配置方法 - Google Patents
一种基于任务需求的异构无人机集群协同最优配置方法 Download PDFInfo
- Publication number
- CN110941283B CN110941283B CN201911137957.XA CN201911137957A CN110941283B CN 110941283 B CN110941283 B CN 110941283B CN 201911137957 A CN201911137957 A CN 201911137957A CN 110941283 B CN110941283 B CN 110941283B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- attacking
- attack
- reconnaissance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 7
- 238000013139 quantization Methods 0.000 claims description 51
- 230000000694 effects Effects 0.000 claims description 44
- 230000007123 defense Effects 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 11
- 239000000446 fuel Substances 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000002195 synergetic effect Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000010835 comparative analysis Methods 0.000 abstract description 4
- 239000000969 carrier Substances 0.000 description 8
- 231100000225 lethality Toxicity 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种基于任务需求的异构无人机集群协同最优配置方法。首先,分别构建战场所需火力攻击效能指标体系和攻击无人机火力攻击效能指标体系,采用层次分析法分别对其进行效能评估,得到战场所需火力攻击效能和异构无人机集群火力攻击效能;然后,针对异构无人机集群续航能力和战场所需续航能力,进行对比评估;最后,利用评估结果构建带约束的整数规划配置模型,采用蒙特卡洛法求解得到异构无人机集群的最优配置结果。采用本发明方法通过对任务执行前异构无人机集群进行最优配置,能够降低无人机集群任务失败的风险和作战成本。
Description
技术领域
本发明属无人机集群协同作战技术领域,具体涉及一种基于任务需求的异构无人机集群协同最优配置方法。
背景技术
在现代信息化作战的背景下,无人机向小型化和微型化的方向发展。为了应对复杂的战场环境,采用集群作战的方式能够大大提高无人机集群的作战效能。无人机集群作战要求对集群中不同类型和功能的无人机进行合理的配置。合理的配置结果得到的集群能够充分发挥各无人机的作战能力,降低任务失败的风险和作战成本。
无人机集群配置的本质是通过综合评估敌方战场和我方无人机集群的效能,进行分析对比,从而得到无人机集群的最优配置结果。现有几种方法针对无人机集群配置问题提出解决方法:第一种方法利用单架无人机的作战效能评估结果,进而扩大到整个无人机集群,但是该无人机集群是由单一功能的无人机组成,并没有考虑到异构无人机组合的情况;第二种方法考虑到异构无人机之间协同所带来的影响,计算得到异构无人机之间的协同影响结果,但是没有给出异构无人机集群总体效能的计算方法。
因此,需要提出一种基于任务需求的异构无人机集群协同最优配置方法,实现异构无人机集群的合理最优配置,得到最终配置结果,并符合任务需求。AHP称为层次分析法(Analytic Hierarchy Process,AHP),是一种将决策相关的元素分解成目标、准则、方案的层次,在此基础至上进行定性和定量分析的决策方法。它由运筹学家T.L.Saaty提出的分析方法,在处理复杂的决策问题上具有一定的实用性和有效性。
发明内容
为了克服现有技术的不足,本发明提供一种基于任务需求的异构无人机集群协同最优配置方法,用于解决任务执行前对异构无人机集群结构和规模的配置问题。
一种基于任务需求的异构无人机集群协同最优配置方法,其特征在于步骤如下:
步骤1:按照以下公式计算得到战场所需火力攻击效能Pe总:
其中,Ne表示战场中敌方防空作战单元的类型数量,mi表示第i类敌方防空作战单元的数量,Pe i表示第i类敌方防空作战单元的战场所需火力攻击效能,按照以下公式计算得到:
其中,Ei,2表示第i类敌方防空作战单元的战场所需火力攻击效能指标体系中第2层级的因素个数,δi,j表示第i类敌方防空作战单元的战场所需火力攻击效能指标体系中第2层级的第j个因素对于第1层级因素的权重,表示第i类敌方防空作战单元的战场所需火力攻击效能指标体系中第2层级第j个因素的量化效能值;
所述的战场所需火力攻击效能指标体系为3层效能指标体系,第1层级的因素表示战场所需火力攻击效能,第2层级的因素包括抗打击能力、杀伤力和时间紧迫度,时间紧迫度又分为第3层级,包括目标出现时间和时敏窗口大小。其中,战场所需火力攻击效能指标体系的判断矩阵按照Santy提出的一致矩阵法构造得到,判断矩阵中的元素即不同层级因素对应的权重按照Santy提出的9标度方法计算得到。不同种类敌方防空作战单元抗打击能力的量化效能值依据其抗打击能力强度量化为1~9之间的整数值,1为抗打击能力最小,9为抗打击能力最大;不同种类敌方防空作战单元杀伤力的量化效能值按照对所有种类敌方防空作战单元的无杀伤力~最大杀伤力值区间进行等间隔0~9级量化得到;不同种类敌方防空作战单元时间紧迫度的量化效能值为目标出现时间和时敏窗口大小的量化效能值按照其对时间紧迫度的权重加权得到;不同种类敌方防空作战单元目标出现时间的量化效能值按照对所有种类敌方防空作战单元的ETA最小值~ETA最大值区间进行等间隔9~1级量化得到;不同种类敌方防空作战单元时敏窗口大小的量化效能值按照对所有种类敌方防空作战单元的无时敏窗口要求~时敏窗口最大值区间进行等间隔0~9级量化得到;
步骤2:按照以下公式计算得到异构无人机集群火力攻击效能Pa总:
其中,Na表示异构无人机集群中攻击无人机搭载攻击载荷的种类,wu表示搭载第u类攻击载荷的攻击无人机数量,Pa u表示搭载第u类攻击载荷的攻击无人机的火力攻击效能,按照以下公式计算得到:
其中,Fu,2表示搭载第u类攻击载荷的攻击无人机火力攻击效能指标体系中第2层级的因素个数,nu,p表示搭载第u类攻击载荷的攻击无人机火力攻击效能指标体系中第2层级第p个因素对于第1层级因素的权重,表示搭载第u类攻击载荷的攻击无人机火力攻击效能指标体系中第2层级中第p个因素的量化效能值;
所述的攻击无人机火力攻击效能指标体系为2层效能指标体系,第1层级的因素表示攻击无人机火力攻击效能,第2层级的因素包括载弹数量、打击精度和弹药杀伤力;其中,攻击无人机火力攻击效能指标体系的判断矩阵按照Santy提出的一致矩阵法构造得到,判断矩阵中的元素即不同层级因素间对应的权重按照Santy提出的9标度方法计算得到;搭载不同种类攻击载荷攻击无人机的载弹数量的量化效能值按照对所有类型攻击无人机的最小载弹数量~最大载弹数量区间进行等间隔1~9级量化得到;搭载不同种类攻击载荷攻击无人机的弹药杀伤力的量化效能值按照对所有类型攻击无人机的最小弹药杀伤力值~最大弹药杀伤力值区间进行等间隔1~9级量化得到;
搭载不同种类攻击载荷攻击无人机的打击精度的量化效能值按照以下公式计算得到:
其中,表示搭载第u类攻击载荷的攻击无人机打击精度的量化效能值,u=1,…,Na,表示无侦察无人机协同时搭载第u类攻击载荷的攻击无人机的打击精度,按照对所有类型攻击无人机的打击精度最小值~打击精度最大值区间进行等间隔1~9级量化得到;ND表示异构无人机集群中侦察无人机的数量,εu表示异构无人机集群中侦察无人机对搭载第u类攻击载荷的攻击无人机的协同影响因子,按照下式计算得到:
其中,Gu,2表示搭载第u类攻击载荷的攻击无人机在侦察无人机协同前的跟踪定位效能指标体系G中第2层级的因素个数,χu,q表示跟踪定位效能指标体系G中第2层级第q个因素对于第1层级因素的权重,表示跟踪定位效能指标体系G中第2层级第q个因素的量化效能值;Hu,2表示搭载第u类攻击载荷的攻击无人机在侦察无人机协同后的跟踪定位效能指标体系H中第2层级的因素个数,λu,r表示跟踪定位效能指标体系H中第2层级第r个因素对于第1层级因素的权重,表示跟踪定位效能指标体系H中第2层级第r个因素的量化效能值;
所述的攻击无人机在侦察无人机协同前的跟踪定位效能指标体系G为2层效能指标体系,第1层级的因素表示攻击无人机在侦察无人机协同前的跟踪定位效能,第2层级的因素包括攻击无人机的飞行高度、分辨率和侦察距离;
所述的攻击无人机在侦察无人机协同后的跟踪定位效能指标体系H为2层效能指标体系,第1层级的因素表示攻击无人机在侦察无人机协同后的跟踪定位效能,第2层级的因素包括侦察无人机的飞行高度、分辨率和侦察距离;
所述的跟踪定位效能指标体系G和H的判断矩阵均按照Santy提出的一致矩阵法构造得到,判断矩阵中的元素即不同层级因素间对应的权重均按照Santy提出的9标度方法计算得到;
所述的跟踪定位效能指标体系G中,搭载不同类型攻击载荷的攻击无人机飞行高度的量化效能值按照对所有类型攻击无人机的最小飞行高度~最大飞行高度区间进行等间隔1~9级量化得到;搭载不同类型攻击载荷的攻击无人机分辨率的量化效能值按照对所有类型攻击无人机的最小分辨率~最大分辨率区间进行等间隔9~1级量化得到;搭载不同类型攻击载荷的攻击无人机侦察距离的量化效能值按照对所有类型攻击无人机的最小侦察距离~最大侦察距离区间进行等间隔9~1级量化得到;
所述的跟踪定位效能指标体系H中,侦察无人机飞行高度的量化效能值按照对所有侦察无人机的最小飞行高度~最大飞行高度区间进行等间隔1~9级量化得到;侦察无人机分辨率的量化效能值按照对所有侦察无人机的最小分辨率~最大分辨率区间进行等间隔9~1级量化得到;侦察无人机侦察距离的量化效能值按照对所有侦察无人机的最小侦察距离~最大侦察距离区间进行等间隔9~1级量化得到;
步骤3:按照以下公式计算得到战场所需续航能力REC:
其中,NU表示异构无人机集群中功能无人机的数量,功能无人机表示除加油无人机以外的无人机,Disx表示功能无人机x的任务航程,表示功能无人机x的额定续航能力,OWx表示功能无人机x的百公里耗油量,所述的功能无人机x的额定续航能力的计算公式如下:
其中,OLx表示功能无人机x的载油量;
按照以下公式计算得到异构无人机集群续航能力AEC:
AEC=NO·OLO (11)
其中,NO表示异构无人机集群中加油无人机的数量,OLO表示加油无人机的载油量;
步骤4:构建带约束的整数规划配置模型函数如下:
其中,cost表示异构无人机群的整数规划配置函数,cost弹药表示异构无人机集群中攻击无人机携带弹药的成本,cost无人机表示异构无人机集群中无人机的造价成本,Pd0表示1架侦察无人机对目标成功执行侦察任务的概率,Ns表示对同一目标同时执行侦察任务的侦察无人机的数量,Pdmin表示若干侦察无人机对同一目标同时执行侦察任务的成功概率的最小值;
所述的异构无人机集群中攻击无人机携带弹药的成本cost弹药按照以下公式计算:
所述的异构无人机集群中无人机的造价成本cost无人机按照以下公式计算:
采用整数规划方法中的蒙特卡洛法对上述带约束的整数规划配置模型函数进行求解,得到异构无人机集群中侦察无人机、攻击无人机和加油无人机的最优配置数量。
本发明的有益效果是:在层次分析法构建战场所需火力攻击效能和攻击无人机火力攻击效能指标体系的基础上,采用9级量化理论和区间量化方法对各因素进行效能量化得到个因素的量化效能值,实现了效能的定量求解,最终得到战场所需火力攻击效能和异构无人机集群火力攻击效能,实现了效能的定量对比分析,体现异构无人机集群对战场压制的要求;通过对任务需求的分析,选取战场所需续航能力和异构无人机集群续航能力作为异构无人机集群配置的条件,实现了续航能力的定量对比分析,体现异构无人机集群对任务覆盖的要求;通过计算异构无人机集群中侦察无人机对攻击无人机的协同影响因子,考虑到异构无人机集群中由于协同特性带来的效能影响,使得最终得到的异构无人机集群配置结果能够更加准确。
附图说明
图1是本发明的一种基于任务需求的异构无人机集群协同最优配置方法流程图。
图2是本发明的战场所需火力攻击效能指标体系图。
图3是本发明的攻击无人机火力攻击效能指标体系图。
图4是本发明的跟踪定位效能指标体系图。
图5是本发明的异构无人机集群火力攻击效能计算的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
结合空对地压制敌防空(Suppression of Enemy Air Defense,SEAD)典型任务的需求,并假设我方基地储备有侦察、攻击、加油三种类型的无人机,本发明选取异构无人机集群火力攻击效能以及续航能力作为集群作战效能评估指标。同时,还需要对战场敌方防空作战单元进行相应效能指标的评估,以配置满足战场压制和任务覆盖的作战集群。所以,本发明通过对任务需求的分析得到异构无人机集群协同的最优配置方法,选择异构无人机集群火力攻击效能和战场所需火力攻击效能、异构无人机集群续航能力和战场所需续航能力这两对指标作为敌我对抗的匹配性作战评估指标。本发明具体特定任务场景,考虑了异构无人机的协同特性,在此基础上通过效能分析比较,运用蒙特卡洛法得到最终无人机的集群配置结果。
如图1所示,本发明的一种基于任务需求的异构无人机集群协同最优配置方法,其具体实现过程如下:
1、分别构建战场所需火力攻击效能体系和攻击无人机火力攻击效能指标体系,采用层次分析法分别对其进行效能评估,得到战场所需火力攻击效能和异构无人机集群火力攻击效能;
(1)战场所需火力攻击效能
针对战场环境显示的快速性和时敏特性,将时敏目标的影响考虑到无人机集群配置过程中,而影响战场所需火力攻击效能的主要因素有:抗打击能力、杀伤力和时间紧迫度,而时间紧迫度又受到目标出现时间和时敏窗口大小影响。其中,时间紧迫度反映异构无人机集群在攻击目标过程中可协调的时间范围,目标出现得越早说明异构无人机集群在攻击该目标时可调整的时间窗口越小,从而该目标的时间紧迫度较高。同样的,目标的时敏窗口越小,表示该目标的时间紧迫度也越高。
基于上述分析构建图2的3层战场所需火力攻击效能体系。其中,第1层级的因素表示战场所需火力攻击效能,第2层级的因素包括抗打击能力、杀伤力和时间紧迫度,时间紧迫度又分为第3层级,包括目标出现时间和时敏窗口大小。
针对战场所需火力攻击效能指标体系,按照Santy提出的一致矩阵法构造得到相关因素重要性的判断矩阵,再按照Santy提出的9标度方法计算得到判断矩阵中的元素即不同层级因素间对应的权重。
对于抗打击能力的量化效能值,依据敌方作战单元的抗打击能力强度量化为1~9之间的整数值,1为抗打击能力最小,9为抗打击能力最大。
对于杀伤力、目标出现时间和时敏窗口大小的量化效能值,利用G.AMiller的9级量化理论进行区间量化得到,以最小值和最大值分别作为量化区间的左右基点,并进行等间隔量化,该因素的量化效能值即为该因素的值对应量化区间的等级值。
具体来说,对于杀伤力,对G.AMiller的9级量化理论进行改进,即进行10级量化,考虑敌方作战单元杀伤力为0的情况,以0和所有敌方防空单元中最大的TNT当量杀伤力值分别作为杀伤力区间量化的左右基点,将敌方防空作战单元的杀伤力等间隔量化为0~9级,并根据第i类敌方防空作战单元的TNT当量杀伤力值,由量化的杀伤力区间得到第i类敌方防空作战单元杀伤力的量化效能值。
对于目标出现时间,是以所有敌方防空作战单元的预计到达时间(EstimatedTime of Arrival,ETA)窗口中的最小值ETAmin和最大值ETAmax分别作为目标出现时间区间量化的左右基点,将敌方防空作战单元的目标出现时间等间隔量化为9~1级,并根据第i类敌方防空作战单元的目标出现时间,由量化的目标出现时间区间得到第i类敌方防空作战单元目标出现时间的量化效能值。
对于时敏窗口大小,对G.AMiller的9级量化理论进行改进,考虑部分敌方防空作战单元无时敏窗口要求的情况,以无时敏窗口要求和所有敌方防空作战单元的时敏窗口中的长度最大值分别作为时敏窗口大小区间量化的左右基点,将敌方防空作战单元的时敏窗口大小等间隔量化为0~9级,并根据第i类敌方防空作战单元的时敏窗口大小,由量化的时敏窗口大小区间得到第i类敌方防空作战单元时敏窗口大小的量化效能值。
由于时间紧迫度受其下一层的两个因素,即目标出现时间和时敏窗口大小所决定,不具备实际意义。因此,通过目标出现时间的量化效能值和时敏窗口大小的量化效能值进行加权计算得到,加权系数即为判断矩阵中其分别对时间紧迫度的权重:
Qs=σm·Rm+σc·Rc (15)
其中,Qs表示时间紧迫度的量化效能值,Rm表示目标出现时间的量化效能值,Rc表示时敏窗口大小的量化效能值,σm表示判断矩阵中目标出现时间对时间紧迫度的权重,σc表示判断矩阵中时敏窗口大小对时间紧迫度的权重。
通过上述量化原则可以获取到战场所需火力攻击效能体系各层级中每一个因素自身的量化效能值。对第二层级中各因素的量化效能值按照其判断矩阵中对于第1层级战场所需火力攻击效能的权重,进行加权求和,即得到最顶层的战场所需火力攻击效能值。
在计算出每一类敌方防空作战单元的战场所需火力攻击效能值之后,按照各种类型敌方防空作战单元的数量对其进行加权求和,即得到整个战场所需火力攻击效能值。
(2)异构无人机集群火力攻击效能
如图3所示,构建攻击无人机火力攻击效能指标体系。影响攻击无人机火力攻击效能的主要因素有:载弹数量、打击精度、弹药杀伤力。载弹数量在某种程度上可以度量攻击无人机的持续作战能力;打击精度指攻击无人机命中目标的概率;弹药杀伤力是衡量攻击无人机火力攻击效能的硬指标,是其他两项影响因素的基础。因此,火力攻击效能指标体系为2层效能指标体系,第1层级的因素表示攻击无人机火力攻击效能,第2层级的因素包括载弹数量、打击精度和弹药杀伤力。
同样,针对攻击无人机火力攻击效能指标体系,按照Santy提出的一致矩阵法构造得到相关因素重要性的判断矩阵,再按照Santy提出的9标度方法计算得到判断矩阵中的元素即不同层级因素间对应的权重。
对于载弹数量和弹药杀伤力的量化效能值,采用如前所述的G.AMiller的9级量化理论进行区间量化得到。具体来说,载弹数量的量化效能值,是以异构无人机集群所有攻击无人机中的最小载弹数量和最大载弹数量分别作为载弹数量区间量化的左右基点,将攻击无人机的载弹数量等间隔量化为1~9级,并根据搭载第i类攻击载荷的攻击无人机的载弹数量,由量化的载弹数量区间得到搭载第i类攻击载荷攻击无人机载弹数量的量化效能值。弹药杀伤力的量化效能值,是以异构无人机集群所有攻击无人机中最小TNT当量的弹药杀伤力值和最大TNT当量的弹药杀伤力值分别作为弹药杀伤力区间量化的左右基点,将攻击无人机的弹药杀伤力等间隔量化为1~9级,并根据搭载第i类攻击载荷的攻击无人机的弹药杀伤力,由量化的弹药杀伤力区间得到搭载第i类攻击载荷攻击无人机弹药杀伤力的量化效能值。
考虑异构无人机的协同影响,异构无人机集群协同作战时,不同类型无人机之间会产生一定的积极作用。例如,在攻击无人机执行攻击任务时,需利用机载情报侦察设备获取目标的位置、外观、运动状态等信息,以及攻击时进行定位瞄准等。但受承载量限制,攻击无人机很难搭载高精度侦察设备,这将严重影响后续攻击过程的精度。但当异构无人机集群中存在搭载高精度侦察设备的侦察无人机时,就可以大大增强集群整体的情报信息获取能力,再将高精度情报通过无人机之间的数据通信链进行传递,可以有效提升攻击无人机的打击精度,进而提升攻击无人机火力攻击效能。
如图4所示,构建攻击无人机在侦察无人机协同前、后的跟踪定位效能指标体系,主要影响因素有:飞行高度、分辨率、侦察距离,均为2层效能指标体系,前者的第1层级的因素表示攻击无人机的跟踪定位效能,第2层级的因素包括攻击无人机的飞行高度、分辨率和侦察距离。后者的第1层级的因素表示攻击无人机的跟踪定位效能,第2层级的因素包括侦察无人机的飞行高度、分辨率和侦察距离。上述两个跟踪定位效能指标体系的判断矩阵均按照Santy提出的一致矩阵法构造得到,判断矩阵中的元素即不同层级因素间对应的权重均按照Santy提出的9标度方法计算得到。
对于攻击无人机在侦察无人机协同前的跟踪定位效能指标体系,其飞行高度、分辨率和侦察距离的效能,采用如前所述的G.AMiller的9级量化理论进行区间量化得到。具体来说,飞行高度的量化效能值,是以协同前异构无人机集群中攻击无人机的最小飞行高度和最大飞行高度分别作为飞行高度区间量化的左右基点,将协同前飞行高度等间隔量化为1~9级,并根据搭载第u类攻击载荷的攻击无人机的飞行高度,由量化的协同前飞行高度区间得到搭载第u类攻击载荷攻击无人机飞行高度的量化效能值。分辨率的量化效能值,是以协同前异构无人机集群中攻击无人机的最小分辨率和最大分辨率分别作为分辨率区间量化的左右基点,将协同前分辨率等间隔量化为9~1级,并根据搭载第u类攻击载荷的攻击无人机的分辨率,由量化的协同前分辨率区间得到搭载第u类攻击载荷攻击无人机分辨率的量化效能值。侦察距离的量化效能值,是以协同前异构无人机集群中攻击无人机的最小侦察距离和最大侦察距离分别作为侦察距离区间量化的左右基点,将协同前侦察距离等间隔量化为9~1级,并根据搭载第u类攻击载荷的攻击无人机的侦察距离,由量化的协同前侦察距离区间得到搭载第u类攻击载荷攻击无人机侦察距离的量化效能值。
对于攻击无人机在侦察无人机协同后的跟踪定位效能指标体系,其飞行高度、分辨率和侦察距离的效能,和协同前的计算方法一样,只是量化区间的左右基点分别为协同后侦察无人机相应因素的最小值和最大值。
攻击无人机在侦察无人机协同前的跟踪定位效能通过对协同前攻击无人机的飞行高度、分辨率和侦察距离的量化效能值进行加权计算得到,加权系数即为协同前跟踪定位效能指标体系的判断矩阵中其分别对跟踪定位效能的权重。攻击无人机在侦察无人机协同后的跟踪定位效能则通过对协同后侦察无人机的飞行高度、分辨率和侦察距离的量化效能值进行加权计算得到,加权系数即为协同后跟踪定位效能指标体系的判断矩阵中其分别对跟踪定位效能的权重。
将异构无人机集群中侦察无人机对搭载第u类攻击载荷的攻击无人机的协同影响用协同影响因子ε表示,按照下式计算得到:
搭载不同种类攻击载荷攻击无人机的打击精度的量化效能值按照以下公式计算得到:
其中,表示搭载第u类攻击载荷的攻击无人机打击精度的量化效能值,u=1,…,Na,表示无侦察无人机协同时搭载第u类攻击载荷的攻击无人机的打击精度,按照对所有类型攻击无人机的打击精度最小值~打击精度最大值区间进行等间隔1~9级量化得到,ND表示异构无人机集群中侦察无人机的数量。
通过上述量化原则可以获取到攻击无人机火力攻击效能指标体系中第2层级中每一个因素自身的量化效能值,按照其判断矩阵中对于第1层级火力攻击效能的权重,进行加权求和,即得到最顶层的攻击无人机火力攻击效能。
在计算出每一类攻击无人机的火力攻击效能值之后,按照各种类型攻击无人机的数量对其进行加权求和,即得到异构无人机集群火力攻击效能,如图5所示为异构无人机集群火力攻击效能计算的流程图。
2、针对异构无人机集群续航能力和战场所需续航能力,进行对比评估;
按照以下公式计算得到战场所需续航能力REC:
其中,功能无人机表示除加油无人机以外的无人机,NU表示异构无人机集群中功能无人机的数量,Disx表示功能无人机x的任务航程,表示功能无人机x的额定续航能力,OWx表示功能无人机x的百公里耗油量,所述的功能无人机x的额定续航能力ECr x的计算公式如下:
其中,OLx表示功能无人机x的载油量;
按照以下公式计算得到异构无人机集群续航能力AEC:
AEC=NO·OLO (20)
其中,NO表示异构无人机集群中加油无人机的数量,OLO表示加油无人机的载油量。
3、利用评估结果构建带约束的整数规划配置模型,采用蒙特卡洛法求解得到异构无人机集群的最优配置结果;
假定侦察无人机只执行确认和毁伤评估任务,简化侦察无人机配置,从成功侦察目标概率的角度出发,一架侦察无人机对目标成功执行任务的概率是Pd0,需要Ns架侦察无人机对该目标同时执行任务才能确保任务成功概率达到最小值Pdmin以上,计算公式如下:
攻击无人机的配置结果必须使得异构无人机集群火力攻击效能大于战场所需火力攻击效能,这样才能确保异构无人机集群具备战场压制和任务覆盖的能力,即:
Pa总≥Pe总 (22)
其中,Pa总表示步骤1计算得到的异构无人机集群火力攻击效能,Pe总表示步骤1计算得到的战场所需火力攻击效能。
加油无人机的配置结果必须使得异构无人机集群续航能力大于战场所需续航能力,即:
AEC≥REC (23)
以上公式(21)-(23)是集群优化配置的约束项,而目标函数则应使无人机集群作战代价最小,作战效能最大。本发明采用作战成本代价描述异构无人机集群作战代价,构建带约束的整数规划配置模型函数如下:
其中,cost表示异构无人机群的整数规划配置函数,cost弹药表示异构无人机集群中攻击无人机携带弹药的成本,cost无人机表示异构无人机集群中无人机的造价成本,后两者分别按照以下公式计算:
其中,表示搭载第u类攻击载荷的攻击无人机的载弹数量,表示搭载第u类攻击载荷的攻击无人机的单发弹药的成本;wu表示搭载第u类攻击载荷的攻击无人机数量;表示搭载第u类攻击载荷的攻击无人机的造价成本,表示第y架侦察无人机的造价成本,表示第z架加油无人机的造价成本。
采用整数规划方法中的蒙特卡洛法对上述带约束的整数规划配置模型函数进行求解,得到异构无人机集群中侦察无人机、攻击无人机和加油无人机的最优配置数量。蒙特卡洛法的求解过程参见薛履中的《工程最优化技术》第7章第3节。
Claims (1)
1.一种基于任务需求的异构无人机集群协同最优配置方法,其特征在于步骤如下:
步骤1:按照以下公式计算得到战场所需火力攻击效能Pe总:
其中,Ne表示战场中敌方防空作战单元的类型数量,mi表示第i类敌方防空作战单元的数量,Pe i表示第i类敌方防空作战单元的战场所需火力攻击效能,按照以下公式计算得到:
其中,Ei,2表示第i类敌方防空作战单元的战场所需火力攻击效能指标体系中第2层级的因素个数,δi,j表示第i类敌方防空作战单元的战场所需火力攻击效能指标体系中第2层级的第j个因素对于第1层级因素的权重,表示第i类敌方防空作战单元的战场所需火力攻击效能指标体系中第2层级第j个因素的量化效能值;
所述的战场所需火力攻击效能指标体系为3层效能指标体系,第1层级的因素表示战场所需火力攻击效能,第2层级的因素包括抗打击能力、杀伤力和时间紧迫度,时间紧迫度又分为第3层级,包括目标出现时间和时敏窗口大小;其中,战场所需火力攻击效能指标体系的判断矩阵按照Santy提出的一致矩阵法构造得到,判断矩阵中的元素即不同层级因素对应的权重按照Santy提出的9标度方法计算得到;不同种类敌方防空作战单元抗打击能力的量化效能值依据其抗打击能力强度量化为1~9之间的整数值,1为抗打击能力最小,9为抗打击能力最大;不同种类敌方防空作战单元杀伤力的量化效能值按照对所有种类敌方防空作战单元的无杀伤力~最大杀伤力值区间进行等间隔0~9级量化得到;不同种类敌方防空作战单元时间紧迫度的量化效能值为目标出现时间和时敏窗口大小的量化效能值按照其对时间紧迫度的权重加权得到;不同种类敌方防空作战单元目标出现时间的量化效能值按照对所有种类敌方防空作战单元的ETA最小值~ETA最大值区间进行等间隔9~1级量化得到;不同种类敌方防空作战单元时敏窗口大小的量化效能值按照对所有种类敌方防空作战单元的无时敏窗口要求~时敏窗口最大值区间进行等间隔0~9级量化得到;
步骤2:按照以下公式计算得到异构无人机集群火力攻击效能Pa总:
其中,Na表示异构无人机集群中攻击无人机搭载攻击载荷的种类,wu表示搭载第u类攻击载荷的攻击无人机数量,Pa u表示搭载第u类攻击载荷的攻击无人机的火力攻击效能,按照以下公式计算得到:
其中,Fu,2表示搭载第u类攻击载荷的攻击无人机火力攻击效能指标体系中第2层级的因素个数,nu,p表示搭载第u类攻击载荷的攻击无人机火力攻击效能指标体系中第2层级第p个因素对于第1层级因素的权重,表示搭载第u类攻击载荷的攻击无人机火力攻击效能指标体系中第2层级中第p个因素的量化效能值;
所述的攻击无人机火力攻击效能指标体系为2层效能指标体系,第1层级的因素表示攻击无人机火力攻击效能,第2层级的因素包括载弹数量、打击精度和弹药杀伤力;其中,攻击无人机火力攻击效能指标体系的判断矩阵按照Santy提出的一致矩阵法构造得到,判断矩阵中的元素即不同层级因素间对应的权重按照Santy提出的9标度方法计算得到;搭载不同种类攻击载荷攻击无人机的载弹数量的量化效能值按照对所有类型攻击无人机的最小载弹数量~最大载弹数量区间进行等间隔1~9级量化得到;搭载不同种类攻击载荷攻击无人机的弹药杀伤力的量化效能值按照对所有类型攻击无人机的最小弹药杀伤力值~最大弹药杀伤力值区间进行等间隔1~9级量化得到;
搭载不同种类攻击载荷攻击无人机的打击精度的量化效能值按照以下公式计算得到:
其中,表示搭载第u类攻击载荷的攻击无人机打击精度的量化效能值,u=1,…,Na,表示无侦察无人机协同时搭载第u类攻击载荷的攻击无人机的打击精度,按照对所有类型攻击无人机的打击精度最小值~打击精度最大值区间进行等间隔1~9级量化得到;ND表示异构无人机集群中侦察无人机的数量,εu表示异构无人机集群中侦察无人机对搭载第u类攻击载荷的攻击无人机的协同影响因子,按照下式计算得到:
其中,Gu,2表示搭载第u类攻击载荷的攻击无人机在侦察无人机协同前的跟踪定位效能指标体系G中第2层级的因素个数,χu,q表示跟踪定位效能指标体系G中第2层级第q个因素对于第1层级因素的权重,表示跟踪定位效能指标体系G中第2层级第q个因素的量化效能值;Hu,2表示搭载第u类攻击载荷的攻击无人机在侦察无人机协同后的跟踪定位效能指标体系H中第2层级的因素个数,λu,r表示跟踪定位效能指标体系H中第2层级第r个因素对于第1层级因素的权重,表示跟踪定位效能指标体系H中第2层级第r个因素的量化效能值;
所述的攻击无人机在侦察无人机协同前的跟踪定位效能指标体系G为2层效能指标体系,第1层级的因素表示攻击无人机在侦察无人机协同前的跟踪定位效能,第2层级的因素包括攻击无人机的飞行高度、分辨率和侦察距离;
所述的攻击无人机在侦察无人机协同后的跟踪定位效能指标体系H为2层效能指标体系,第1层级的因素表示攻击无人机在侦察无人机协同后的跟踪定位效能,第2层级的因素包括侦察无人机的飞行高度、分辨率和侦察距离;
所述的跟踪定位效能指标体系G和H的判断矩阵均按照Santy提出的一致矩阵法构造得到,判断矩阵中的元素即不同层级因素间对应的权重均按照Santy提出的9标度方法计算得到;
所述的跟踪定位效能指标体系G中,搭载不同类型攻击载荷的攻击无人机飞行高度的量化效能值按照对所有类型攻击无人机的最小飞行高度~最大飞行高度区间进行等间隔1~9级量化得到;搭载不同类型攻击载荷的攻击无人机分辨率的量化效能值按照对所有类型攻击无人机的最小分辨率~最大分辨率区间进行等间隔9~1级量化得到;搭载不同类型攻击载荷的攻击无人机侦察距离的量化效能值按照对所有类型攻击无人机的最小侦察距离~最大侦察距离区间进行等间隔9~1级量化得到;
所述的跟踪定位效能指标体系H中,侦察无人机飞行高度的量化效能值按照对所有侦察无人机的最小飞行高度~最大飞行高度区间进行等间隔1~9级量化得到;侦察无人机分辨率的量化效能值按照对所有侦察无人机的最小分辨率~最大分辨率区间进行等间隔9~1级量化得到;侦察无人机侦察距离的量化效能值按照对所有侦察无人机的最小侦察距离~最大侦察距离区间进行等间隔9~1级量化得到;
步骤3:按照以下公式计算得到战场所需续航能力REC:
其中,NU表示异构无人机集群中功能无人机的数量,功能无人机表示除加油无人机以外的无人机,Disx表示功能无人机x的任务航程,表示功能无人机x的额定续航能力,OWx表示功能无人机x的百公里耗油量,所述的功能无人机x的额定续航能力的计算公式如下:
其中,OLx表示功能无人机x的载油量;
按照以下公式计算得到异构无人机集群续航能力AEC:
AEC=NO·OLO (11)
其中,NO表示异构无人机集群中加油无人机的数量,OLO表示加油无人机的载油量;
步骤4:构建带约束的整数规划配置模型函数如下:
其中,cost表示异构无人机群的整数规划配置函数,cost弹药表示异构无人机集群中攻击无人机携带弹药的成本,cost无人机表示异构无人机集群中无人机的造价成本,Pd0表示1架侦察无人机对目标成功执行侦察任务的概率,Ns表示对同一目标同时执行侦察任务的侦察无人机的数量,Pdmin表示若干侦察无人机对同一目标同时执行侦察任务的成功概率的最小值;
所述的异构无人机集群中攻击无人机携带弹药的成本cost弹药按照以下公式计算:
所述的异构无人机集群中无人机的造价成本cost无人机按照以下公式计算:
采用整数规划方法中的蒙特卡洛法对上述带约束的整数规划配置模型函数进行求解,得到异构无人机集群中侦察无人机、攻击无人机和加油无人机的最优配置数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911137957.XA CN110941283B (zh) | 2019-11-20 | 2019-11-20 | 一种基于任务需求的异构无人机集群协同最优配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911137957.XA CN110941283B (zh) | 2019-11-20 | 2019-11-20 | 一种基于任务需求的异构无人机集群协同最优配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110941283A CN110941283A (zh) | 2020-03-31 |
CN110941283B true CN110941283B (zh) | 2022-07-05 |
Family
ID=69906957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911137957.XA Active CN110941283B (zh) | 2019-11-20 | 2019-11-20 | 一种基于任务需求的异构无人机集群协同最优配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110941283B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112396288B (zh) * | 2020-10-12 | 2023-12-29 | 中国兵器科学研究院 | 一种装备体系火力打击能力评估方法、装置、设备和介质 |
CN112418071B (zh) * | 2020-11-20 | 2021-08-24 | 浙江科技学院 | 一种基于聚类分析的飞行物目标对受保护低空无人机的威胁度识别方法 |
CN112702208B (zh) * | 2020-12-28 | 2021-12-07 | 西北工业大学 | 一种基于关系的异质多层作战体系打击链路生成方法 |
CN114201925B (zh) * | 2022-02-17 | 2022-06-17 | 佛山科学技术学院 | 无人机集群协同任务规划方法、电子设备及可读存储介质 |
CN115016537B (zh) * | 2022-06-20 | 2024-03-29 | 中国人民解放军国防科技大学 | 一种sead场景下异构无人机配置与任务规划联合优化方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
CN107728643A (zh) * | 2017-11-10 | 2018-02-23 | 西安电子科技大学 | 一种动态环境下的无人机群分布式任务调度方法 |
CN108393884A (zh) * | 2018-01-18 | 2018-08-14 | 西北工业大学 | 一种基于Petri网的多机械臂遥操作系统协同任务规划方法 |
CN108680063A (zh) * | 2018-05-23 | 2018-10-19 | 南京航空航天大学 | 一种针对大规模无人机集群动态对抗的决策方法 |
CN109190978A (zh) * | 2018-09-01 | 2019-01-11 | 哈尔滨工程大学 | 一种基于量子鸟群演化机制的无人机资源分配方法 |
KR20190023633A (ko) * | 2017-08-29 | 2019-03-08 | 인하대학교 산학협력단 | 다수의 무인 비행체를 이용한 광역 자율탐색 방법 및 시스템 |
CN109740954A (zh) * | 2019-01-10 | 2019-05-10 | 北京理工大学 | 一种面向灾难救援任务的大规模无人机快速编组方法 |
CN110083971A (zh) * | 2019-05-08 | 2019-08-02 | 南京航空航天大学 | 一种基于作战推演的自爆式无人机集群作战兵力分配方法 |
-
2019
- 2019-11-20 CN CN201911137957.XA patent/CN110941283B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
KR20190023633A (ko) * | 2017-08-29 | 2019-03-08 | 인하대학교 산학협력단 | 다수의 무인 비행체를 이용한 광역 자율탐색 방법 및 시스템 |
CN107728643A (zh) * | 2017-11-10 | 2018-02-23 | 西安电子科技大学 | 一种动态环境下的无人机群分布式任务调度方法 |
CN108393884A (zh) * | 2018-01-18 | 2018-08-14 | 西北工业大学 | 一种基于Petri网的多机械臂遥操作系统协同任务规划方法 |
CN108680063A (zh) * | 2018-05-23 | 2018-10-19 | 南京航空航天大学 | 一种针对大规模无人机集群动态对抗的决策方法 |
CN109190978A (zh) * | 2018-09-01 | 2019-01-11 | 哈尔滨工程大学 | 一种基于量子鸟群演化机制的无人机资源分配方法 |
CN109740954A (zh) * | 2019-01-10 | 2019-05-10 | 北京理工大学 | 一种面向灾难救援任务的大规模无人机快速编组方法 |
CN110083971A (zh) * | 2019-05-08 | 2019-08-02 | 南京航空航天大学 | 一种基于作战推演的自爆式无人机集群作战兵力分配方法 |
Non-Patent Citations (1)
Title |
---|
郭杰.无人机航迹规划与监控系统设计.《计算机测量与控制》.2018,第72-78页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110941283A (zh) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110941283B (zh) | 一种基于任务需求的异构无人机集群协同最优配置方法 | |
CN110502031B (zh) | 基于任务需求的异构无人机集群协同最优配置方法 | |
CN109190978B (zh) | 一种基于量子鸟群演化机制的无人机资源分配方法 | |
CN105427032A (zh) | 一种无人机对抗决策评估方法 | |
CN111766901B (zh) | 多无人机协同目标分配攻击方法 | |
CN111240353A (zh) | 基于遗传模糊树的无人机协同空战决策方法 | |
KR20120126511A (ko) | 대공 표적에 대한 위협평가 시스템과 방법 및 이를 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 | |
CN109408877B (zh) | 一种反坦克导弹分队的智能射击决策方法 | |
CN115222271A (zh) | 基于神经网络的武器目标分配方法 | |
CN114638339A (zh) | 基于深度强化学习的智能体任务分配方法 | |
CN113608546B (zh) | 量子海狮机制的无人机群任务分配方法 | |
CN113887919A (zh) | 基于杂交-离散粒子群算法的多无人机协同任务分配方法及系统 | |
CN113139331A (zh) | 一种基于贝叶斯网络的空空导弹态势感知与决策方法 | |
CN115759754A (zh) | 基于动态博弈变权的超视距空战模拟目标威胁评估方法 | |
CN114357742A (zh) | 一种干扰机配合下的多机空中突击协同行为模拟方法 | |
Gui | Evaluation of unmanned equipment operational effectiveness based on ADC model | |
CN110986680B (zh) | 一种城市环境中低慢小目标的复合拦截方法 | |
CN115617071A (zh) | 一种量子雪豹机制的多无人机任务规划方法 | |
CN115859778A (zh) | 一种基于dcl-gwo算法的空战机动决策方法 | |
Fu et al. | Air combat assignment problem based on bayesian optimization algorithm | |
CN116774721A (zh) | 多无人机博弈对抗的目标分配方法和系统 | |
CN115186378A (zh) | 一种空战模拟环境中的战术控制距离实时解算方法 | |
CN114202185A (zh) | 一种高功率微波武器协同防空的体系贡献率评估方法 | |
CN114565278A (zh) | 一种对地空导弹武器系统疏散群目标作战效能评估方法 | |
Ali | IAF Modernization: Issues and Options for Pakistan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |