CN114077263A - 一种无人机中距空战咬尾路径规划方法 - Google Patents

Abstract

本发明公开了一种无人机中距空战咬尾路径规划方法，包括以下步骤：S1、以无人机和有人机为中心建立动态栅格环境坐标系；S2、根据敌机位置对无人机进行路径规划；S3、根据敌机位置对无人机进行速度规划；S4、按照路径规划和速度规划进行转移操作；同时根据最新的敌机位置，每隔一秒更新一次路径规划和速度规划，并按照最新的路径规划、速度规划再次进行转移操作；直至无人机的位置达到武器发射条件为止。本发明采用了动态的栅格规划环境，可以有效控制无人机的路径规划空间，加快规划速度，令无人机能够实现很好的“咬尾”机动，从而有效提高了的无人机空战对敌效果。

Description

一种无人机中距空战咬尾路径规划方法

技术领域

本发明涉及航空领域，尤其涉及一种无人机中距空战咬尾路径规划方法。

背景技术

随着科学技术的进步，军事装备必将朝着无人化和智能化方向发展，无人机融入现有航空武器的装备体系是必然趋势，是提升空中作战体系整体效能的重要手段。制空作战是一项重要的空中作战样式，对实现战略意图和主导战场态势发展都具有十分重要的作用，是无人作战系统未来必备的主要功能之一。其中，无人作战飞机(UCAV)作为未来空战场上的重要角色，实现其空战过程智能化是当前各军事强国研究的关键方向。

虽然当前有关无人机空战对抗的研究项目较多，但距离实际应用仍有差距，大多停留于算法研究与模拟验证阶段，自主决策能力仍然是限制其走向应用的技术瓶颈。现有方法虽然能够在一定环境下实现较好的空战机动，但其主要聚焦于近距空战，且欠缺对制空作战过程中敌方电子干扰和如何构成我方武器发射条件的考虑；事实上，随着战场的信息化和机载设备性能的提升，制空作战中视距以外的作战能力更为重要，往往就能决定局部制空权的归属；因此，有必要在无人机空战研究中对上述问题进行解决。

发明内容

本发明目的是航空领域，提供一种提高空战效果的无人机中距空战咬尾路径规划方法。

为了实现上述目的，本发明的技术方案是：

一种无人机中距空战咬尾路径规划方法，包括以下步骤：

S1、以无人机和有人机为中心建立动态栅格环境坐标系；

S2、根据敌机位置对无人机进行路径规划；

S3、根据敌机位置对无人机进行速度规划；

S4、按照路径规划和速度规划进行转移操作；同时根据最新的敌机位置，每隔一秒更新一次路径规划和速度规划，并按照最新的路径规划、速度规划再次进行转移操作；直至无人机的位置达到武器发射条件为止。

进一步的，所述步骤S1中，动态栅格环境坐标系与大地坐标系之间的坐标转换公式为：

式中：(x,y)为动态栅格环境坐标系中的坐标，(x',y')为大地坐标系中的坐标，α为动态栅格环境坐标系中坐标与大地坐标系中坐标形成的角度，β为无人机在动态栅格环境坐标系中的位置向量与动态栅格环境坐标系中x轴形成的夹角。

进一步的，所述步骤S2中，路径规划的计算公式为：

f(n)＝C_d l^*+n'C_f/l+n″C_e/l；

式中：C_d为路径距离威胁常数；C_f为火控雷达照射威胁常数；C_e为电子干扰威胁常数；l为无人机与敌机之间的距离；n为备选节点；n'为无人机在敌机火控雷达照射下的累计步长；n″为无人机在电子干扰区内的累计步长；l^*的计算公式为：

式中：θ为无人机与敌机之间的相对位置向量与敌机航向所形成的夹角；θ₁为敌机航向与威胁区域所形成的夹角。

进一步的，所述步骤S3中，速度规划的计算公式为：

f_v(a_m)＝L(n)/V(a_m)(C_vf+C_ve+C_vl)+|V_c-V(a_m)|C_vc+C_va|a_m|+C_smax+C_smin；

C_smax＝C_max/(1+|V(a_m)-V_uavmax)；

C_smin＝C_min/(1+|V(a_m)-V_uavmin)；

C_max＝∑t_max C_vmax；

C_min＝∑t_min C_vmin；

式中：a_m为离散化的加速度；L(n)为第n段路径的长度；V(a_m)为节点n规划的速度；C_vf、C_ve、C_vl、C_vc、C_va、C_vmax、C_vmin均为常数；V_c为无人机的最佳巡航速度；C_smax、C_smin分别为无人机的最大、最小速度代价值；V_uavmax、V_uavmin分别为无人机的最大、最小速度。

进一步的，所述步骤S4中，无人机在更新路径规划时，根据无人机的航向寻找所有备选节点，对所有备选节点的代价值进行计算，选择代价值最小的备选节点作为无人机下一个行进的节点；以此类推，直至无人机的位置达到武器发射条件。

进一步的，所述步骤S4中，武器发射条件的计算公式为：

式中：l为无人机与敌机之间的距离；l_f为无人机火控雷达的工作距离；δ为无人机航向向量与无人机和敌机相对位置向量之间的夹角；δ_f为无人机火控雷达辐射角的二分之一。

与现有技术相比，本发明具有的优点和积极效果是：

本发明以有人机与无人机之间的中距空战为研究背景，考虑了有人机具有机载电子干扰吊舱和火控雷达的性能优势，基于A-star启发式算法设计无人机的路径和速度规划方法，用以实现无人机在规避敌方火控雷达照射和电子干扰的情况下达成武器发射条件的能力；同时其采用了动态的栅格规划环境，可以有效控制无人机的路径规划空间，加快规划速度，令无人机能够实现很好的“咬尾”机动，从而有效提高了的无人机空战对敌效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为A-star算法的框架流程图；

图2为无人机的武器发射条件示意图；

图3为动态栅格环境示意图；

图4为无人机路径规划引导点示意图；

图5为无人机状态转移规则示意图；

图6为动态路径规划的框架流程图；

图7为无人机与有人机的对抗仿真图；

图8为无人机的路径速度规划仿真图；

图9为无人机的决策时间变化曲线图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

1.A-star算法介绍

A-star算法是一种较为经典的启发式搜索算法，该算法于1968年由P.E. Hart等人首先提出。A-star算法将Dijkstra算法和BFS算法的搜索策略结合了起来。Dijkstra算法以起始点为中心依次外推，以寻找距目标点最短的路径。 BFS算法是一种启发式的搜索策略，具有搜索快速的特点，它先对当前点与目标点之间的路径距离进行估算，并选择与目标点距离最近的待选节点作为下一节点。但BF存在明显的缺陷，其不能保证找到最优解。

A-star算法将两种算法的优势相结合，既加入了启发式信息函数以提高搜索速度，又考虑了当前节点的历史代价信息，具有路径寻优能力强、规划速度快的特点。算法的代价函数为：

f(m)＝g(m)+h(m) (1)

式中：g(m)为当前节点m的历史代价信息，h(m)为节点m未来的代价估计。根据路径点状态转移规则的不同，需要制定open表和close表。算法从起始点开始计算open表中的节点相应的代价值并选择最优的节点作为下一节点进行状态转移。状态转移之后需要更新open表和close表，同时将待选节点的父节点记为当前节点，依次类推直至达到终点。当遇到待选节点为空的情况时，需要将当前节点放入close表中，并将状态回退至父节点进行重新计算下一节点。到达终点后，根据各个节点记录的父节点信息进行回溯即可完成路径的规划，算法流程如图1所示。

2.中距空战规则建模

无人机与有人机的空战对抗规则建模与现有大量研究中的有关无人机突防突击任务的建模存在较大差异。空战对抗活动一般在中高空展开，不考虑地形的影响。在对抗过程中，双方飞机通常均暴露在对方的体系雷达照射下，不考虑雷达探测威胁影响，但在对抗结束逃逸过程中需考虑地面防空武器火控雷达照射。本发明的无人机空战建模重点关注前出接敌和空战对抗的建模和仿真，对逃逸阶段不做研究，具体方法与现有的突防路径规划相似。

2.1武器攻击条件

空战路径的规划不以到达某一目标点来作为结束的标志，应当以达成武器发射条件作为规划结束的标志。在无人机前出接近目标的过程中，目标机的位置信息并不是通过无人机机载雷达探测得知的，而是通过体系雷达获取并由数据链发送至无人机得到的。此时无人机虽能得到目标机的位置信息，但并不能构成武器发射条件。无人机需要接近目标机，并用火控雷达跟踪锁定，使目标机同时覆盖在机载雷达和空空弹的有效范围之内方能构成武器攻击条件。此外，有人机通常都会携带有机载电子干扰吊舱，具有电子干扰和电子欺骗的能力，无人机在电子干扰的有效范围内飞行不但会无法探测到敌机，还有可能形成假目标，因此，应当避开敌机电子干扰作用范围。无人机最佳的攻击方位便是从尾后进行攻击，如图2所示。

构成武器发射的判定条件如下式所示：

式中：l为无人机与敌机之间的距离；l_f为无人机火控雷达工作距离；δ为无人机航向向量与无人机和敌机相对位置向量之间的夹角；δ_f为无人机火控雷达辐射角的二分之一。

2.2电子干扰条件

当前用于制空作战的飞机都具备一定的电子干扰能力，且电子干扰的范围都会大于火控雷达作用范围以确保自身安全。电子干扰吊舱通常挂载于机翼或机腹两侧，工作主波瓣以一定角度向两侧扩散以实现侧向机动过程中摆脱敌方雷达锁定的目的。在机尾后方会形成一个空档，既不具备攻击能力，也不具备有源电子干扰能力，但通过投放无源干扰弹可在一定程度上增加生存率。本发明主要考虑有人机的火控雷达照射和电子干扰吊舱工作的情况，不考虑干扰弹的投放影响。需要说明的是，由于无人机载荷能力有限，无法在挂载空空导弹的同时再加装电子干扰吊舱，且雷达作用距离也会与有人机存在一定差距。

2.3避让条件

无人机在两种条件下实施避让机动，一是雷达告警器探测到敌火控雷达照射的评率，判定自身存在被跟踪锁定风险；二是根据雷达的探测信息判定自身在敌方雷达的照射范围之内。无论是哪种情况，无人机都需要根据敌机态势进行规避。在无人机前出接敌过程中，无人机的机动决策既要避开敌机火控雷达和电子干扰吊舱的工作范围，还要尽快到达敌机尾后构成导弹发射条件。在被敌机火控雷达或电子干扰吊舱照射时，则需要尽快摆脱威胁区域。本发明不考虑雷达告警器的作用，以雷达探测到的敌机态势判定自身是否在威胁区内。

3.路径规划方法设计

本发明根据基本的空战规则，进行简单环境下的无人机与有人机一对一空战机动方法设计。在对抗环境中，假设有人机具有更强大的雷达探测能力和电子干扰能力，但机动性能略低于无人机。无人机具有体系雷达信息支援，有人机则需基于机载雷达探测无人机具体位置信息。

3.1动态栅格环境搭建

A-star的规划环境需要一个栅格环境，但以往的栅格环境都具有静态特性，虽然能够简化计算程序，但规划空间会受影响，在较大的规划空间内计算量会呈指数级递增，影响无人机决策速度。本发明对此作出了改进，采用了动态的栅格规划法。由于空战对抗对自然环境的关注度低，重点关注敌机的动向，因此在一对一的空战环境下，可建立以无人机和有人机为中心的动态栅格环境，栅格环境与大地坐标之间以一定的公式转换，栅格环境如图3所示。

无论无人机与敌机的态势如何变幻，栅格环境始终以相对位置为基准划设，坐标转换公式为：

式中：(x,y)为栅格坐标系坐标，(x',y')为大地坐标系坐标，α为栅格坐标与大地坐标所成的角度，β为无人机在栅格坐标中的位置向量与x轴形成的夹角。使用动态的栅格规划可以使规划空间保持不变，避免陷入规划空间太大速度减慢的境况。

3.2二维路径规划方法

路径规划方法基于A-star算法模型构建，根据原有的威胁代价计算公式进行改进，改进后的路径威胁代价公式为：

f(n)＝C_d l^*+n'C_f/l+n″C_e/l (5)

式中：C_d为路径距离威胁常数；C_f为火控雷达照射威胁常数，当无人机在火控雷达威胁区之外时值为0；C_e为电子干扰威胁常数，当无人机在电子干扰威胁区之外时值为0；l为无人机与敌机之间的距离；n为备选节点；n'为无人机在敌机火控雷达照射下的累计步长；n″为无人机在电子干扰区内的累计步长；l^*的计算方法为：

式中：l₁至l₄分别为无人机至点p₁至p₄的距离；θ为无人机与敌机之间的相对位置向量与敌机航向所成的夹角；θ₁为敌机航向与威胁区域所成夹角，如图 4所示；

图4中，p₁至p₄分别为无人机在各个阶段的路径规划引导点。由于单次路径规划并不能立马使无人机形成“咬尾”的态势，因此需要根据无人机与敌机的距离设置不同的引导点，逐步引导无人机至敌机尾后实施“咬尾”攻击。

备选节点的生成规则与无人机上一状态的航向有关。由于无人机在机动过程中受转弯率的限制，因此，本发明设置了无人机当前航向左右各45度的单位步长转弯率限制。这在静态路径规划中会有曲率不连续的缺陷，不利于路径跟踪，但本发明基于此提供无人机方向变换的决策依据，通过速度规划中的速度控制和较快的决策频率可以弥补这一缺陷。状态转移如图5所示，无人机将在备选节点中依次计算节点的代价值，选择代价值最小的点作为下一节点，依次类推直至构成武器发射条件。若备选节点均在close表中，则回退至其父节点，并将原当前节点放入close表中，重新计算待选节点代价值并选择最优节点。

3.3速度规划方法

无人机的机动方式不但有转弯的机动还有加速或减速的机动。在无人机落入敌火控雷达照射或电子干扰区域内时，除及时进行转弯机动外还需要及时进行加速机动，尽快摆脱敌机的攻击。速度的控制通过加速度的变化实现。空间栅格是将空间进行离散化处理以减小规划空间，加快规划速度。速度规划也采用离散化的思想，将无人机的加速度进行离散化处理。无人机在每一秒内所使用的加速度将保持一个常数不变，在下一秒的规划中更新加速度值。无人机的飞行同样受最大和最小速度限制，加速度也同样受最大最小推力限制。此外，受发动机性能限制，无人机在加力状态下无法保持长时间运行，因此，在大推力工作状态下会有工作时间限制。在飞行过程中，不同的飞行阶段无人机会采用不同的速度控制。在巡航过程中，无人机不会进行频繁的加减速控制，会尽量维持在巡航速度以节省油量。在制空作战过程中，无人机则需要进行频繁的速度控制以占据有利态势。速度规划代价计算公式如(7)～(11)式所示：

f_v(a_m)＝L(n)/V(a_m)(C_vf+C_ve+C_vl)+|V_c-V(a_m)|C_vc+C_va|a_m|+C_{s max}+C_{s min} (7)

C_smax＝C_max/(1+|V(a_m)-V_uavmax|) (8)

C_smin＝C_min/(1+|V(a_m)-V_uavmin|) (9)

C_max＝∑t_max C_vmax (10)

C_min＝∑t_min C_vmin (11)

式中：a_m为离散化的加速度；L(n)为第n段路径的长度；V(a_m)为节点n规划的速度；C_vf、C_ve、C_vl、C_vc、C_va、C_vmax、C_vmin均为常数；V_c为无人机的最佳巡航速度；C_smax和C_smin为无人机的最大、最小速度代价值，当无人机持续使用最大或最小速度时该代价值会累积增大；V_uavmax和V_uavmin为无人机的最大最小速度。

在规划完成的路径基础上，无人机会对每一个路径节点进行速度规划，按照(7)～(11)式遍历计算每一个离散化的加速度代价值，选择代价值最小的加速度作为速度控制节点。

3.4动态路径规划方法

无人机每隔1秒更新一次空间路径和速度规划，在规划的同时实施上一秒的规划指令飞向下一节点并更新敌机的位置信息，直至达成武器发射条件，动态路径规划流程如图6所示。

4.空战仿真验证

本发明基于Matlab构建仿真运行平台，运行参数如表1所示：

表1无人机空战仿真参数设置

参数名	数值
		UAV位置	(400,200)
MAV位置	(200,400)
		UAV初始速度	0.25km/h
MAV速度	0.22km/h
		UAV栅格位置	(250,225)
MAV栅格位置	(250,275)
		栅格大小	500×500
V<sub>uavmax</sub>	0.67km/h
		V<sub>uavmin</sub>	0.0556km/h
C<sub>d</sub>	1
		C<sub>f</sub>	25000
C<sub>e</sub>	15000
		C<sub>vf</sub>	500
C<sub>ve</sub>	500
		C<sub>vl</sub>	20
C<sub>vc</sub>	350
		C<sub>va</sub>	100
C<sub>vmax</sub>	500
		C<sub>vmin</sub>	500
θ<sub>1</sub>	5π/6
		AV火控雷达照射角度	60°
AV火控雷达工作距离	90km
		AV干扰吊舱照射角度	120°
AV干扰吊舱工作距离	90km

无人机空战机动仿真如图7所示；

从仿真图中可以看出，无人机在飞行中可分为两个阶段。第一阶段为前出接敌，此阶段无人机以尽快到达接战区为目的。第二阶段无人机根据有人机雷达威胁展开机动规避，始终保持在有人机火控雷达有效作用距离以外。通过机动，无人机可以成功在动态环境中构成“咬尾态势”。无人机的速度规划效果如图8所示；

从结合路径和速度的仿真结果可以看出，无人机在前出接敌过程中保持巡航速度不变，在机动过程中开始加速以构成有利态势，在达成“咬尾”态势后则开始进行追击，此时速度不再进行过度调整，逐步接近敌机发射导弹，无人机始终保持大于有人机速度飞行。决策时间变化曲线如图9所示。

从图9中可以看出，无人机的决策时间除一个点意外均保持在0.15秒以内，决策平均时长为0.0624秒，完全可以满足决策更新的频率。

5.结论

本发明基于A-star算法对无人机一对一情况下的中距空战路径规划展开研究，空战环境充分考虑了敌机的航空雷达和电子干扰威胁。方法设计中采用了动态的栅格规划环境，可以有效控制无人机的路径规划空间，加快规划速度。基于离散化的思想，对加速度控制进行离散化处理，并构建速度规划目标函数选取最优加速度实现速度规划。从仿真结果来看，无人机能够实现很好的“咬尾”机动，在规避敌机火控雷达照射和电子干扰吊舱威胁的同时达成武器发射条件，规划速度能够满足决策更新频率要求。

Claims (6)

1.一种无人机中距空战咬尾路径规划方法，其特征在于：包括以下步骤：

S1、以无人机和有人机为中心建立动态栅格环境坐标系；

S2、根据敌机位置对无人机进行路径规划；

S3、根据敌机位置对无人机进行速度规划；

S4、按照路径规划和速度规划进行转移操作；同时根据最新的敌机位置，每隔一秒更新一次路径规划和速度规划，并按照最新的路径规划、速度规划再次进行转移操作；直至无人机的位置达到武器发射条件为止。

2.如权利要求1所述的无人机中距空战咬尾路径规划方法，其特征在于：所述步骤S1中，动态栅格环境坐标系与大地坐标系之间的坐标转换公式为：

式中：(x,y)为动态栅格环境坐标系中的坐标，(x',y')为大地坐标系中的坐标，α为动态栅格环境坐标系中坐标与大地坐标系中坐标形成的角度，β为无人机在动态栅格环境坐标系中的位置向量与动态栅格环境坐标系中x轴形成的夹角。

3.如权利要求2所述的无人机中距空战咬尾路径规划方法，其特征在于：所述步骤S2中，路径规划的计算公式为：

f(n)＝C_dl^*+n'C_f/l+n”C_e/l；

式中：C_d为路径距离威胁常数；C_f为火控雷达照射威胁常数；C_e为电子干扰威胁常数；l为无人机与敌机之间的距离；n为备选节点；n'为无人机在敌机火控雷达照射下的累计步长；n”为无人机在电子干扰区内的累计步长；l^*的计算公式为：

式中：θ为无人机与敌机之间的相对位置向量与敌机航向所形成的夹角；θ₁为敌机航向与威胁区域所形成的夹角。

4.如权利要求3所述的无人机中距空战咬尾路径规划方法，其特征在于：所述步骤S3中，速度规划的计算公式为：

f_v(a_m)＝L(n)/V(a_m)(C_vf+C_ve+C_vl)+|V_c-V(a_m)|C_vc+C_va|a_m|+C_smax+C_smin；

C_smax＝C_max/(1+|V(a_m)-V_uavmax|)；

C_smin＝C_min/(1+|V(a_m)-V_uavmin|)；

C_max＝∑t_maxC_vmax；

C_min＝∑t_minC_vmin；

式中：a_m为离散化的加速度；L(n)为第n段路径的长度；V(a_m)为节点n规划的速度；C_vf、C_ve、C_vl、C_vc、C_va、C_vmax、C_vmin均为常数；V_c为无人机的最佳巡航速度；C_smax、C_smin分别为无人机的最大、最小速度代价值；V_uavmax、V_uavmin分别为无人机的最大、最小速度。

5.如权利要求4所述的无人机中距空战咬尾路径规划方法，其特征在于：所述步骤S4中，无人机在更新路径规划时，根据无人机的航向寻找所有备选节点，对所有备选节点的代价值进行计算，选择代价值最小的备选节点作为无人机下一个行进的节点；以此类推，直至无人机的位置达到武器发射条件。

6.如权利要求5所述的无人机中距空战咬尾路径规划方法，其特征在于：所述步骤S4中，武器发射条件的计算公式为：

式中：l为无人机与敌机之间的距离；l_f为无人机火控雷达的工作距离；δ为无人机航向向量与无人机和敌机相对位置向量之间的夹角；δ_f为无人机火控雷达辐射角的二分之一。

Images