CN114440706A - 多传感器分布式协同识别与制导动态规划方法 - Google Patents
多传感器分布式协同识别与制导动态规划方法 Download PDFInfo
- Publication number
- CN114440706A CN114440706A CN202111650065.7A CN202111650065A CN114440706A CN 114440706 A CN114440706 A CN 114440706A CN 202111650065 A CN202111650065 A CN 202111650065A CN 114440706 A CN114440706 A CN 114440706A
- Authority
- CN
- China
- Prior art keywords
- bidding
- sensor
- guidance
- target
- task
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 50
- 230000007246 mechanism Effects 0.000 claims abstract description 26
- 238000013475 authorization Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 23
- 230000000875 corresponding effect Effects 0.000 description 15
- 238000004578 scanning tunneling potentiometry Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006378 damage Effects 0.000 description 4
- 238000010304 firing Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 235000019832 sodium triphosphate Nutrition 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41G—WEAPON SIGHTS; AIMING
- F41G7/00—Direction control systems for self-propelled missiles
- F41G7/006—Guided missiles training or simulation devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41G—WEAPON SIGHTS; AIMING
- F41G7/00—Direction control systems for self-propelled missiles
- F41G7/20—Direction control systems for self-propelled missiles based on continuous observation of target position
- F41G7/22—Homing guidance systems
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于识别与制导动态规划方法,具体涉及多传感器分布式协同识别与制导动态规划方法。包括如下步骤:步骤1:确定执行条件;步骤2:进行RCNP中的招标过程;步骤3:进行RCNP中的竞标过程;步骤4:确定约束条件;步骤5:基于授权策略的招标机制;步骤6:基于优先级驱动的传感器单次竞标机制。本发明的有益效果在于:在执行框架方面,采用基于授权策略的分阶段招标机制和基于优先级驱动的传感器单次竞标机制,在满足招标时限高要求的条件下,确保了求解的质量。通过本发明方法进行分布式动态规划的调整,可以保证系统在扰动事件出现时确保较高的跟踪精度、均衡的资源负载和高精度的制导能力,进而对弹道目标实施有效拦截。
Description
技术领域
本发明属于识别与制导动态规划方法,具体涉及多传感器分布式协同识别与制导动态规划方法。
背景技术
弹道目标识别是一个以助推段识别为基础,中段识别为主要支撑,末段识别为最后手段的连续、动态的识别过程。协同识别与制导动态规划是将识别的结果作为规划的输入,通过协同机制和协同算法实现传感器资源与拦截任务之间的动态匹配。
根据拦截作战的不同阶段,可以对目标识别信息的应用分为三个过程:中制导段、导引头开机前、导引头开机捕捉目标。其中,目标识别的关键过程是后两个过程,也就是导引头开机前后这段时间。因此所有目标识别资源,都要服从这一时间性要求。也就是说,传感器对目标的持续识别和拦截弹的制导贯穿于整个拦截作战过程,为在线拦截的顺序进行提供必要的信息支撑。
现有目标识别与制导规划之间缺乏协同,传感器资源的分配与调度缺乏实时性和动态性,不能根据任务需求进行及时调整,极大的限制了传感器资源的利用效率,制约了体系作战效能。亟需在传感器资源有限的情况下,综合目标识别和制导任务需求,对传感器资源进行科学配置与动态规划。
发明内容
本发明的目的是提供一种多传感器分布式协同识别与制导动态规划方法,针对FD作战中识别与制导的特点,在分析传感器与拦截弹的作战时序关系的基础上,给出了问题的5种执行条件和求解框架。针对协同识别与制导任务导致传感器资源实时可变性特点,结合在此阶段传感器工作的特性,给出了传感器工作周期内各任务资源计算模型,并将之用于约束条件判断和竞标机制的优先级计算。
本发明的技术方案如下:多传感器分布式协同识别与制导动态规划方法,包括如下步骤:
步骤1:确定执行条件;
步骤2:进行RCNP中的招标过程;
步骤3:进行RCNP中的竞标过程;
步骤4:确定约束条件;
步骤5:基于授权策略的招标机制;
步骤6:基于优先级驱动的传感器单次竞标机制。
所述的步骤1为,根据拦截作战的过程,执行分布式协同识别与制导动态规划的条件分为以下四种情况:
情况一:当初始约定节点无法执行任务,通过动态规划调整体系中传感器节点与之匹配,确保拦截作战过程的信息需求;
情况二:当面临饱和攻击或者跟踪精度无法满足拦截需求时,进行远程作战,通过与其他节点之间的协同,增加拦截次数;
情况三:在目标飞行过程中,进行协同作战;
情况四:当拦截弹飞行过程中,进行接力制导。
所述的步骤1为,对于情况二、情况三和情况四,对于弹道目标Ii的识别与制导任务共同体COIi,针对上述描述3种情况,在满足以下5种具体执行条件时,实施分布式动态规划进行调整;
执行条件C1:传感器节点在拦截弹发射前无法完成目标识别/跟踪精度无法达到拦截需求
此时,立即寻求代替的传感器节点执行识别/制导任务,确保火力节点对目标顺利实施拦截;
执行条件C2:传感器节点对拦截弹实施制导的过程中失效
此时,及时调整传感器节点代替其对拦截弹的制导;
执行条件C3:出现任务冲突,可进行远程交战时
此时,转移目标的执行权给符合条件的传感器节点,确保拦截作战的按计划执行,一旦超过设置的时限未协调成功,调整火力节点,遂行接替拦截(这种情况下的为执行条件C5);
执行条件C4:可增加识别效果或制导精度时
一旦其降低到设置的阈值时,由更合适的传感器节点进行协同或者接力;
执行条件C5:拦截方案发生调整时
拦截方案发生调整主要可分为两种情况:一是目标尚未到达预定火力节点的有效杀伤区时,存在有其他火力节点可以提前实施拦截作战的情况(遵循尽早拦截的原则);二是,预定火力节点对目标的拦截失效时,包括了火力单元失去作战能力(故障/损毁)、拦截弹耗尽、对目标拦截失败且无拦截机会,重新调整拦截方案,得到新的“武器-目标”分配关系,进而寻找合适的传感器节点与新的火力节点匹配。
所述的步骤2包括如下步骤:
步骤21:执行条件判断
传感器节点根据任务共同体下对目标的探测跟踪效果判断在当前时刻是否满足协同作战的执行条件,如果满足,根据相关执行条件的策略开始招标;
步骤22:招标时限与招标底价确定
根据不同执行条件和当前战场态势,计算招标过程的最大允许时间以及标书对应的任务底价;
步骤23:发布协同需求标书
向网内传感器节点发布协同需求标书,其他网内传感器节点则根据标书内容(时限、底价)和自身约束条件,对是否进行投标进行决策;
步骤24:收集投标信息确定中标者
根据投标者反馈回来的信息,确定中标者,达成协同作战协议。
所述的步骤3包括如下步骤:
步骤31:接收协同需求信息,确定是否参与竞标
接收到协同需求信息的传感器节点根据当前自身约束条件以及标书的内容确定是否满足投标者的条件;
步骤32:确定投标任务的优先级
对竞标任务进行优先级排序,并执行高优先级的投标任务,对相关目标或拦截弹进行探测跟踪;
步骤33:确定投标值
传感器节点根据对竞标任务的执行情况计算投标值,并根据标书的底价确定是否能够进行竞标;
步骤34:竞标
向招标者发送投标值对任务进行竞标。
所述的步骤4包括如下:
(1)资源约束
从跟踪(制导)、目标识别、搜索截获三类资源进行约束;
(2)任务约束
(3)传感器-目标可视化时间窗口约束。
所述的步骤5包括如下:
(1)基于角色的传感器节点;
(2)RCNP招标时限与底价的取值规则;
(3)授权策略下的分阶段招标过程。
所述的步骤6包括如下:
步骤61:竞标值的确定;
步骤62:投标任务优先级计算;
步骤63:竞标。
本发明的有益效果在于:在执行框架方面,采用基于授权策略的分阶段招标机制和基于优先级驱动的传感器单次竞标机制,在满足招标时限高要求的条件下,确保了求解的质量。通过本发明方法进行分布式动态规划的调整,可以保证系统在扰动事件出现时确保较高的跟踪精度、均衡的资源负载和高精度的制导能力,进而对弹道目标实施有效拦截。
附图说明
图1为基于RCNP的分布式协同识别与制导动态任务规划问题求解框架;
图2为基于授权的分阶段招标机制;
图3为基于优先级驱动的单次竞标机制;
图4为RCNP算法流程图;
图5为集中式决策和分布式动态规划下的整体效能对比分析。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
本发明采用一种基于角色合同网协议(Role Contract Net Protocol,RCNP)的分布式协同识别与制导动态规划的方法,它能够根据不同的执行条件,制定不同协同机制;充分考虑任务的时限要求,以满足识别与制导任务对实时性的高要求;在CNP的原理基础上,基于传感器与拦截弹之间的工作时序关系,构建不同执行条件下传感器节点在规划中所扮演的不同角色,通过竞争对问题进行分布式求解。具体求解框架如图1所示。
本发明中涉及的协同识别与制导动态规划的作战能力包括:信息支援、远程交战以及接力制导。根据规划过程的前后,每个相关的传感器节点在作战过程中的角色可以分为两类:一类是由集中式任务规划结果形成的初始约定任务执行者,称为初始约定节点(First Appointed Node,FAN);一类是需要进行分布式调整时,实施协同识别与制导的传感器节点,称为协同节点(Cooperrative Engagement Node,CEN)。
根据传感器的性能参数(主要指多功能相控阵雷达和武器制导雷达),传感器既能实施目标识别也能为拦截弹提供精确的制导信息,且在资源允许,“时间-空间”约束满足的情况下能负责对多个目标的识别任务和为多个火力节点的拦截弹提供制导信息。也就是说,根据初始约定节点和协同作战节点,传感器节点Sk可以单独或者同时扮演FAN和CEN两种角色。
多传感器分布式协同识别与制导动态规划方法,包括如下步骤:
步骤1:确定执行条件
根据拦截作战的过程,执行分布式协同识别与制导动态规划的条件主要分为以下四种情况:
情况一:当初始约定节点因故障(损毁、失效)无法执行任务,需要通过动态规划调整体系中传感器节点与之匹配,确保拦截作战过程的信息需求,防止局部原因导致整体作战能力的下降甚至失去作战能力。
情况二:当面临饱和攻击或者跟踪精度无法满足拦截需求时,需要进行远程作战,通过与其他节点之间的协同,增加拦截次数,提高联合拦截概率。
情况三:在目标飞行过程中,可以提高识别概率时,需要进行协同作战,进而确定真实弹头。
情况四:当拦截弹飞行过程中,可提高制导精度时,需要进行接力制导,提高拦截概率。
其中,第一种情况是为了提高整个体系的抗毁性和鲁棒性。后三种情况是为了提高整个体系的作战效能。对于弹道目标Ii的识别与制导任务共同体COIi,针对上述描述3种情况,在满足以下5种具体执行条件时,需要实施分布式动态规划进行调整。
执行条件C1:传感器节点在拦截弹发射前无法完成目标识别/跟踪精度无法达到拦截需求
此时,需要立即寻求代替的传感器节点执行识别/制导任务,确保火力节点对目标顺利实施拦截。此时需要在约定的发射时间前调整完毕,否则只能实施二次拦截,严重的则会失去拦截机会,导致弹道目标突防。
执行条件C2:传感器节点对拦截弹实施制导的过程中失效
此时,需要及时调整传感器节点代替其对拦截弹的制导。这对分布式动态规划的实时性提出了高要求,需要快速地对拦截弹实现接力控制,否则将导致拦截弹失控,拦截失败。
执行条件C3:出现任务冲突,可进行远程交战时
这种情况下,传感器节点是有效的,但是由于性能和当前状态限制(雷达阵面朝向、视场限制、目标通道数饱和)无法稳定跟踪目标或是有优先级别更高的任务。这样即使目标进入了约定火力节点的发射区范围,但是由于识别或是制导任务不能有效完成,导致无法发射拦截弹实施拦截。此时,应转移目标的执行权给符合条件的传感器节点,确保拦截作战的按计划执行。一旦超过设置的时限未协调成功,则需要调整火力节点,遂行接替拦截(这种情况下的为执行条件C5)。
执行条件C4:可增加识别效果或制导精度时
一方面,之前由于约束原因未能分配到该目标任务的传感器节点在当前时刻可对该目标实施探测、跟踪时,则可以进行调整以提高识别准确率;另一方面,拦截弹发射位置到预定的拦截点区域的之间距离也是较远的,制导精度与飞行距离成反比的,与拦截概率成正比。虽然拦截弹可以自主寻的,但是需要传感器将其引导到指定的区域,并且在拦截弹导引头开机前,确保真假目标识别达到最佳效果。因此必须保证一定的识别效果和制导精度,一旦其降低到设置的阈值时,就必须由更合适的传感器节点进行协同或者接力。
执行条件C5:拦截方案发生调整时
拦截方案发生调整主要可分为两种情况:一是目标尚未到达预定火力节点的有效杀伤区时,存在有其他火力节点可以提前实施拦截作战的情况(遵循尽早拦截的原则);二是,预定火力节点对目标的拦截失效时,包括了火力单元失去作战能力(故障/损毁)、拦截弹耗尽、对目标拦截失败且无拦截机会。这些情况需要重新调整拦截方案,得到新的“武器-目标”分配关系,进而寻找合适的传感器节点与新的火力节点匹配。
步骤2:RCNP中的招标过程
如图1所示,RCNP的招标过程按如下步骤进行:
步骤21:执行条件判断
传感器节点根据任务共同体下对目标的探测跟踪效果判断在当前时刻是否满足协同作战的执行条件。如果满足,则根据相关执行条件的策略开始招标。
步骤22:招标时限与招标底价确定
根据不同执行条件和当前战场态势,计算招标过程的最大允许时间以及标书对应的任务底价。
步骤23:发布协同需求标书
向网内传感器节点发布协同需求标书,其他网内传感器节点则根据标书内容(时限、底价)和自身约束条件,对是否进行投标进行决策。
步骤24:收集投标信息确定中标者
根据投标者反馈回来的信息,确定中标者,达成协同作战协议。
步骤3:RCNP中的竞标过程
如图1所示,RCNP中的竞标过程则可按如下步骤进行:
步骤31:接收协同需求信息,确定是否参与竞标
接收到协同需求信息的传感器节点根据当前自身约束条件以及标书的内容确定是否满足投标者的条件。
步骤32:确定投标任务的优先级
对竞标任务进行优先级排序,并执行高优先级的投标任务,对相关目标或拦截弹进行探测跟踪。
步骤33:确定投标值
传感器节点根据对竞标任务的执行情况计算投标值,并根据标书的底价确定是否能够进行竞标。
步骤34:竞标
向招标者发送投标值对任务进行竞标。
步骤4:确定约束条件
传感器节点约束条件描述
本发明主要从资源约束、任务约束以及传感器-目标可视化窗口上来判断传感器节点是够具备投标的条件。
(1)资源约束
主要从跟踪(制导)、目标识别、搜索截获三类资源进行约束。
a.跟踪(制导)资源计算模型
假定传感器节点i,工作周期为Ti,精跟目标数(目标通道数)为Ni,则对每一个目标的调度周期为ΔT=Ti/Ni。在某个时刻传感器节点i需要执行Nnow(Nnow≤N0)个弹道目标的跟踪任务和M2发拦截弹的制导任务。则,传感器中需要的跟踪(制导)资源可按式(1)进行计算
b.目标识别资源计算模型
目标识别任务一般是和跟踪任务一起完成的,因而在执行识别任务时,相应的跟踪资源就不再重复计算。
c.搜索截获资源计算模型
传感器i执行搜索截获所占资源按式(3)计算:
其中,ΔPi为完成第i个目标截获任务所须设置的截获屏,Δθ、Δφ、Tzl、k分别表示传感器在方位、俯仰上的波束宽度、波束驻留时间、波束重叠率。
综上所述,目标识别资源和跟踪(制导)资源之和要小于其工作周期,这样才能保证传感器有资源用于搜索截获。即,要满足式(4)的约束条件。
对目标精跟后,为保证识别/制导任务的顺利执行,还要满足目标容量上的约束:
Nnow<Ni (5)
(2)任务约束
能够执行制导任务的前提是识别任务已经被执行,因此识别任务与制导任务二者构成使能关系。假定对于识别与制导任务共同体的任务目标集T={Tj|j=1,2,…,Nt},根据识别与制导构成的偏序关系有:
(3)传感器-目标可视化时间窗口约束
遂行协同的传感器对目标必须在招标周期内有传感器-目标可视化时间窗口;对于制导任务的投标,传感器也应当由有相应的拦截弹-可视化时间窗口,并且与招标者的可视化时间窗口存在重叠部分(接力制导)。
步骤5:基于授权策略的招标机制
(1)基于角色的传感器节点
不同执行条件下传感器协同作战扮演不同的协同作战角色,因此,5类执行条件(C1-C5)下的进行协同作战的传感器节点可分为:发射前协同识别与制导节点(CIG-BL),失效后协同识别与制导节点(CIG-LF),冲突消解的协同识别与制导节点(CIG-CR),可提升效能的协同识别与制导节点(CIG-IE),拦截随动的协同识别与制导节点(CIG-IA),5类执行条件对应的传感器节点的5种角色如表1所示。
表1基于角色的传感器节点与执行条件对应关系
角色 | 执行条件 | 目的 |
CIG-BL | C1 | 提高整个体系的抗毁性和鲁棒性 |
CIG-LF | C2 | 提高整个体系的抗毁性和鲁棒性 |
CIG-CR | C3 | 避免整个体系的作战效能的降低 |
CIG-IE | C4 | 提高整个体系的作战效能 |
CIG-IA | C5 | 提高整个体系的作战效能 |
(2)RCNP招标时限与底价的取值规则
招标时限与底价是与规划的拦截弹作战时序息息相关的。因此,对于招标时限与底价的取值应当根据拦截作战时序来计算得到。对于招标起始时刻t0,各类执行条件下的招标时限Tdeadline和相应底价Price如表2所示。
表2各类执行条件下的招标时限和底价
执行条件 | 招标时限 | 底价 |
C1 | t<sub>Launch</sub>(i,w<sub>j</sub>)+t<sub>last_ABMSearch</sub>(w<sub>j</sub>) | 0 |
C2 | t<sub>0</sub>+α(w<sub>j</sub>) | 0 |
C3 | t<sub>0</sub>+t<sub>nearwep</sub>(i,w<sub>j</sub>) | 0 |
C4 | t<sub>中末交班</sub>(w<sub>j</sub>)+β | accy(i,abm<sub>j</sub>,t) |
C5 | t<sub>Launch</sub>(i,w<sub>k</sub>)+t<sub>last_ABMSearch</sub>(w<sub>k</sub>) | Th<sub>i</sub>·P<sub>i</sub>(w<sub>k</sub>) |
其中,tLaunch(i,wj)表示对于弹道目标i,火力单元wj规划的拦截弹发射时刻,tlast_ABMSearch(wj)为火力单元wj武器性能约定的对所辖拦截弹发射后最迟截获时刻,α为火力单元wj武器性能约定的可允许的制导失效时间间隔,tnearwep(i,wj)为弹道目标i飞出火力单元wj杀伤区近界的时刻,t中末交班(wj)为火力单元wj规划的拦截弹中末制导交班时刻,β为约定的可允许的时间间隔(根据具体拦截弹性能决定),accy(i,abmj,t)为t时刻对目标i或拦截弹abmj的跟踪精度,Thi·Pi(wk)表示系统约定的火力单元wk对目标i的最低拦截概率。
a.招标时限Tdeadline的取值规则
根据表2,对招标时序的取值规则简述如下:
对于执行条件C1与执行条件C5:两者开始招标的时机都是在火力单元规划的拦截弹发射时刻之前。因此,只需要在拦截弹发射后允许的最大截获时间之前得到问题的解决方案即可,即,
Tdeadline=tLaunch(i,wj)+tlast_ABMSearch(wj)
对于执行条件C2:此刻拦截弹已经在估算的拦截弹道上高速飞行,如果制导失效,传感器就无法对拦截弹进行引导。一旦失效时间过长就会使得拦截弹偏离约定弹道过远而错过拦截点。因此,必须在较短的时间内实现传感器节点的接替,并对拦截弹进行接力制导。
对于执行条件C3:该执行条件下,传感器节点是有效的,火力单元单方面满足了对弹道目标的发射条件(进入其发射区)。但是由于任务冲突导致对弹道目标的识别任务或制导任务无法按约定规划时间完成,进而无法实施拦截。因此,在目标飞出火力单元杀伤区近界前,能够消解冲突问题的解决方案即可。越早进行远程交战,获得的作战效能的提升也越大(拦截次数和距离的增加)。
对于执行条件C4:该执行条件下,任务隶属的传感器节点可以有效完成任务,因此其招标时限为拦截弹的中末制导交班时刻。越早执行该协同作战,获得的目标识别效果、跟踪精度和制导精度也越高,相应执行任务的完成率也越高,进而提升对目标的杀伤概率。
b.底价Price的取值规则
主要从拦截效能的角度来确定底价Price的取值:
对于执行条件C1、执行条件C2和执行条件C3,表示招标者已经无法完成任务,如果没有CIG-BL/CIG-LF/CIG-CR来协同,则会延误战机,导致目标突防。因此,此三种执行条件下的底价Price均为0,任何来自CIG-BL/CIG-LF/CIG-CR的协同都会提高拦截效能。
对于执行条件C4,accy(i,abmj,t)表示为t时刻对目标i或拦截弹abmj的跟踪精度。CIG-IE起到的是提高识别效果和制导精度的作用。因此,只有传感器对目标/拦截弹的跟踪精度大于招标者相应的精度时候,才能作为CIG-IE参与到协同作战中。
对于执行条件C5,Thi·Pi(sj,wk)表示为在传感器sj的信息支撑下火力单元wk对目标i的拦截效能。其中,Thi表示目标的威胁度,Pi(sj,wk)为在传感器sj的信息支撑下火力单元wk的拦截概率,sj为方案调整前的传感器节点,wk为方案调整后的火力单元。CIG-IA是在拦截方案变动后当前比招标者更合适与火力单元匹配的协同识别与制导节点。因此,CIG-IA与wk匹配后拦截效能要大于对调整前的sj与wk的拦截效能。
(3)授权策略下的分阶段招标过程
a.任务执行权
针对不同执行条件下的招标策略进行设计,避免计算资源和通信资源的浪费,因此将招标中对任务的执行情况分为临时执行权(Temporary Executive Authority,TEA)和最终执行权(Final Executive Authority,FEA),具体定义如下:
临时执行权(TEA):对于目标i的识别/制导任务Taski,若中标者(传感器节点j)被授予TEA,则传感器节点j仅负责对Taski的执行,可以转移TEA给其他投标值高的传感器节点,且在Tdeadline时刻TEA将转化为FEA。对TEA的执行,投标者可以违约,此时招标者必须寻求与其他投标者的合作。
最终执行权(FEA):招标者拥有对目标i的识别/制导任务Taski的FEA和TEA授权权力,可以将FEA或TEA转移给中标者。若传感器节点j被授予FEA,不能转移该FEA,并且不可违约。禁止违约的原因是若传感器节点j违约,招标者已经很难再次执行Taski,只能再次招标,增加的是不必要计算资源和通信负载,且容易失去对弹道目标的拦截时机。
b.不同执行条件下的任务执行权授权
对于实时性要求较高的执行条件C2、C3、C4,越早得到招标结果越有利。因此,在这种情况下的招标采用授权的策略,直接授予中标者FEA。
对于招标时限较长的执行条件C1、C5,采用如图2所示的分阶段招标机制。
如图2,根据TEA和FEA的定义,显然最迟授予FEA的时刻Tlast_FEA满足:
Tlast_FEA=Tdeadline=tLaunch(i,wj)+tlast_ABMSearch(wj) (8)
因此,基于授权的分阶段机制描述如下:
步骤51:在时间区间[t0,tLanuch(i,wj)]内,投标者对任务Taski的TEA进行招标。
步骤52:若有投标者参与,对中标者授予TEA,招标底价调整为投标者的投标值,并继续进行招标;若没有中标者参与,则停止招标,重新解算拦截方案。
步骤53:在时间区间[tLanuch(i,wj),Tdeadline]内,投标者对任务Taski的FEA进行招标。此时,至少有一个TEA的协同方案。如有中标者,则授予FEA,停止招标,进行协同交战。否则,在tLanuch(i,wj)时刻由TEA的传感器节点进行协同交战。
基于授权的分阶段招标策略在不同的执行条件、不同时间节点上对招标的任务授予不同的执行权可以有效区分协同交战过程中任务的权责问题,同时也有效避免了网内资源的浪费,体现出良好的动态性和鲁棒性。
c.标书
在基于授权的分阶段招标策略下,对弹道目标I的标书如式(9)所示:
Bid={I|Task,price,T1,Tdealdine} (9)
其中,I为弹道目标的批号,T1为TEA授权阶段的招标时限,相应的[T1,Tdeadline]为UEA授权阶段的招标时间区间。如果[T1,Tdeadline]间隔较短,则:
Bid={I|Task,price,Tdeadline} (10)
对于标书中的招标任务Task则可以表示如式(10)所示,
Task=<Role|I,Tdeadline,wj> (11)
其中,Role为协同传感器节点要扮演的角色,I为任务对应的弹道目标批号,Tdeadline为招标时限,wj负责拦截的火力单元。
步骤6:基于优先级驱动的传感器单次竞标机制
由于在某个时刻,传感器可以扮演多种角色来进行协同交战,因此存在一个对所有投标任务的资源调度问题。由式(3)和式(4)可得到某时刻传感器对投标任务相关的弹道目标进行搜索截获的可用资源,以及完成搜索截获任务所要消耗的时间。鉴于此,本发明提出一种基于优先级驱动的传感器单次竞标机制,首先分配可用资源用于对优先级最高的任务进行搜索截获,进而根据得到的投标值进行竞标。
步骤61:竞标值的确定
根据底价的确定规则,得到不同执行条件下对应的投标值计算方法,具体如表3所示。
表3各类执行条件下的竞标值计算
在执行条件C1、执行条件C2、执行条件C3下,如果没有CEN实施协同作战,或多或少都会照成拦截效能的损失,因此,采用CEN与火力单元wl匹配后的拦截效能作为竞标值是合理的。
对于执行条件C4和执行条件C5,则分别对应各自的招标底价。其中,accy(i,abmj,t+Ts i)表示CEN在截获目标进入精跟后获得的目标跟踪精度。为传感器截获跟踪目标i所消耗的时间,按式(2)计算得到。λ1、λ1为设置参数。
步骤62:投标任务优先级计算
对于每一个传感器节点来讲竞标机制属于资源调度,即如何利用有限的资源合理地分配给各任务。本发明采用基于优先级驱动的策略将有限的资源分配给最有可能中标的投标任务。
假定某传感器节点j,需要竞标的投标任务集Tkj={Task1,Task2,…Taskn},则Taski的任务优先级PRTi考虑的主要因素为:相对投标时限和目标优先级。
对于Taski,其与传感器节点j之间相对投标时限dij按式(11)计算得到。
其中,Tdeadline(Taski)为Taski的招标时限,为传感器搜索截获目标I所消耗时间。Tsensor为传感器当前工作时刻。计算所有投标任务的dij,并将得到dij的值按从小到大的进行排序。显然,dij值越小,表示该任务越紧迫。如dij≤0则表示当前时刻该传感器已无法执行Taski,退出竞标。
目标优先级PRIi对应为Taski中的弹道目标的威胁度,并将得到PRIi的值按从小到大的进行排序。目标威胁度取值越大,目标优先级就越高,PRIi的值就越小。
综合考虑以上两个因素,根据线性加权方法,Taski的优先级可按式(13)计算得到:
PRTi=α·dij+(1-α)·PRIi (13)
其中,α为加权系数。如果PRIi的值不唯一,则根据优先紧迫任务的原则,优先执行执行dij值较小的投标任务。
步骤63:竞标
综上所述,基于优先级驱动的单次竞标机制的流程如图3所示。
步骤631:算法全流程
基于角色的合同网协议分布式协同识别与制导动态规划的算法流程如图4所示。
步骤632:仿真验证
本节主要从对支撑反导体系拦截作战能力的角度,通过仿真对抗高强度、多目标情况下的反导作战想定,针对所设计的基于角色合同网协议的分布式多传感器协同识别与制导动态规划方法的协同性效果展开分析。
(1)作战想定与仿真过程
例如,建立导弹配置及拦截想定如下:进攻方共有10批弹道导弹目标(1枚近程弹道导弹,9枚中程弹道导弹)分3个批次对保卫要地实施攻击;FD体系包括了3个火力单元(编号:3003、3008、3013),1个C2BMC中心,天基红外预警星座采用3颗地球同步轨道的卫星(编号:1001、1002、1003)和2颗低轨卫星编号:1004、1005)的组合,2部P波段远程预警雷达(编号:3005、3006)以及2部X波段多功能相控阵雷达(编号:3004、3007)。各火力单元分别部署于弹道的中末段位置(其中1个火力单元前沿部署),采用尽远拦截策略实施弹道导弹拦截。
基于上述想定,进行多次仿真实验,每次产生3批次10个弹道目标。弹道目标在发射一段时间以后,可被高轨道卫星所捕获。高轨道卫星确认目标后,根据跟踪情况先后发出首次预警和末次预警,并将目标引导给前置部署的传感器节点。低轨道卫星则可探测跟踪处于自由段飞行的弹道目标,并可与其他传感器遂行协同交战,提供信息支援。这样在设置好仿真想定之后,通过战场环境生成系统和目标特性数据库的仿真,可以计算得到理论上的传感器-目标可视化时间窗口,就可以把空间问题转化为时间问题。进而,各传感器节点在FD作战多传感器任务规划的统筹规划下进行协同作战。
(2)仿真结果
某次仿真中,得到的多传感器任务规划系统基于所属传感器节点和预估弹道在目标预警后生成的初始最优分配方案为:
STP2001=<1001,1002,3005,3007,3013>,
STP2002=<1001,1002,3007,3006,3004,3003>,
STP2003=<1001,1003,3005,1004,3004,3008>,
STP2004=<1002,1003,3007,1005,3004,3008>,
STP2005=<1001,1002,3005,3006,3004,3003>,
STP2006=<1001,1003,3005,3006,3008>,
STP2007=<1002,1003,3007,3006,3004,3003>,
STP2008=<1002,1003,3005,3006,3008>,
STP2009=<1001,1002,3005,3006,3008>,
STP2010=<1001,1003,3005,3006,3008>。
如表4(a)-(c)所示,为相应仿真时刻各传感器节点对目标的STPs变化情况统计,其中加粗表示的仿真时刻分布式动态规划后体系发生的动态调整,斜体表示新目标预警或拦截成功后体系发生的动态调整。
表4(a)某次仿真过程中任务规划情况统计(2001~2004)
表4(b)某次仿真过程中任务规划情况(2005~2008)
表4(c)某次仿真过程中任务规划情况(2008~2010)
在整个仿真过程中,对应的动态调整情况如表5所示,其中上标*表示该节点为中标者。
表5某次仿真过程中执行情况
(3)集中式初始方案与分布式动态调整下的体系效能比较
基于上述给出的初始最优分配方案,对比有无分布式更新下的整体效能变化情况。如图5所示,其中每个折点对应一次协同决策和任务调整。
仿真开始,由多传感器集中式任务规划方法给出初始最优方案为当前最优,为1。当需要更新调整时,说明初始方案已无法完成任务(或者效能较低),因此传感器体系整体效能随仿真时间的推进呈下降趋势。由图5可以看出采用本发明算法的协同机制能够有效地使得整体效能的损失减小,并且在某些情况下局部调整中提高了整体效能(对应为执行条件C4),体现了较好的动态规划效果。以上分析的结果得到这样一个结论:所采用的协同方式总是会给整个系统带来好处(至少避免了更多的效能损失)。
分布式协同识别与制导有效性分析
下面以弹道目标2002~2005识别、制导、拦截过程为例说明分布式协同识别与制导过程。如表6所示,为弹道目标2002~2005的拦截过程事件统计。
表6某次仿真过程中目标2002~目标2005拦截过程事件统计
仿真开始,由多传感器集中式任务规划方法给出初始最优方案为当前最优,为1。当需要更新调整时,说明初始方案已无法完成任务(或者效能较低),因此传感器体系整体效能随仿真时间的推进呈下降趋势。由图5可以看出采用发明算法的协同机制能够有效地使得整体效能的损失减小,并且在某些情况下局部调整中提高了整体效能(对应为执行条件C4),体现了较好的动态规划效果。以上分析的结果得到这样一个结论:所采用的协同方式总是会给整个系统带来好处(至少避免了更多的效能损失)。
(4)分布式协同识别与制导有效性分析
下面以弹道目标2002~2005识别、制导、拦截过程为例说明分布式协同识别与制导过程。如表6所示,为弹道目标2002~2005的拦截过程事件统计。
根据表5和表6,可以看到系统对目标2002、2003、2004、2005规划的拦截弹发射时刻分别为:954s、1006s、1000s、1039s。仿真时刻813s,1Y武器制导雷达3003在X波段多功能相控阵雷达3004的引导下开始对目标2005进行截获。在仿真时刻1026s,由于目标2002、目标2003、目标2004处于目标识别的关键阶段,为了确保拦截成功,占用了与之协同的X波段多功能相控阵雷达3004和制导雷达3003的大量资源,对于目标2005的识别任务难以有效持续(执行条件C3),在协同机制下,将附近具备协同交战能力的P波段远程预警雷达分配给2005以提高识别效率。在仿真时刻1069s对目标2002和2003的拦截已经完成,而拦截2005的拦截弹即将进入末制导状态,为了在导引头开机前确保对目标的识别效果达到最佳(执行条件C4),通过协同机制对X波段多功能相控阵雷达发起协同请求,实现协同交战。
Claims (8)
1.多传感器分布式协同识别与制导动态规划方法,其特征在于,包括如下步骤:
步骤1:确定执行条件;
步骤2:进行RCNP中的招标过程;
步骤3:进行RCNP中的竞标过程;
步骤4:确定约束条件;
步骤5:基于授权策略的招标机制;
步骤6:基于优先级驱动的传感器单次竞标机制。
2.如权利要求1所述的多传感器分布式协同识别与制导动态规划方法,其特征在于:所述的步骤1为,根据拦截作战的过程,执行分布式协同识别与制导动态规划的条件分为以下四种情况:
情况一:当初始约定节点无法执行任务,通过动态规划调整体系中传感器节点与之匹配,确保拦截作战过程的信息需求;
情况二:当面临饱和攻击或者跟踪精度无法满足拦截需求时,进行远程作战,通过与其他节点之间的协同,增加拦截次数;
情况三:在目标飞行过程中,进行协同作战;
情况四:当拦截弹飞行过程中,进行接力制导。
3.如权利要求2所述的多传感器分布式协同识别与制导动态规划方法,其特征在于:所述的步骤1为,对于情况二、情况三和情况四,对于弹道目标Ii的识别与制导任务共同体COIi,针对上述描述3种情况,在满足以下5种具体执行条件时,实施分布式动态规划进行调整;
执行条件C1:传感器节点在拦截弹发射前无法完成目标识别/跟踪精度无法达到拦截需求
此时,立即寻求代替的传感器节点执行识别/制导任务,确保火力节点对目标顺利实施拦截;
执行条件C2:传感器节点对拦截弹实施制导的过程中失效
此时,及时调整传感器节点代替其对拦截弹的制导;
执行条件C3:出现任务冲突,可进行远程交战时
此时,转移目标的执行权给符合条件的传感器节点,确保拦截作战的按计划执行,一旦超过设置的时限未协调成功,调整火力节点,遂行接替拦截(这种情况下的为执行条件C5);
执行条件C4:可增加识别效果或制导精度时
一旦其降低到设置的阈值时,由更合适的传感器节点进行协同或者接力;
执行条件C5:拦截方案发生调整时
拦截方案发生调整主要可分为两种情况:一是目标尚未到达预定火力节点的有效杀伤区时,存在有其他火力节点可以提前实施拦截作战的情况;二是预定火力节点对目标的拦截失效时,包括了火力单元失去作战能力、拦截弹耗尽、对目标拦截失败且无拦截机会,重新调整拦截方案,得到新的“武器-目标”分配关系,进而寻找合适的传感器节点与新的火力节点匹配。
4.如权利要求1所述的多传感器分布式协同识别与制导动态规划方法,其特征在于,所述的步骤2包括如下步骤:
步骤21:执行条件判断
传感器节点根据任务共同体下对目标的探测跟踪效果判断在当前时刻是否满足协同作战的执行条件,如果满足,根据相关执行条件的策略开始招标;
步骤22:招标时限与招标底价确定
根据不同执行条件和当前战场态势,计算招标过程的最大允许时间以及标书对应的任务底价;
步骤23:发布协同需求标书
向网内传感器节点发布协同需求标书,其他网内传感器节点则根据标书内容和自身约束条件,对是否进行投标进行决策;
步骤24:收集投标信息确定中标者
根据投标者反馈回来的信息,确定中标者,达成协同作战协议。
5.如权利要求1所述的多传感器分布式协同识别与制导动态规划方法,其特征在于,所述的步骤3包括如下步骤:
步骤31:接收协同需求信息,确定是否参与竞标
接收到协同需求信息的传感器节点根据当前自身约束条件以及标书的内容确定是否满足投标者的条件;
步骤32:确定投标任务的优先级
对竞标任务进行优先级排序,并执行高优先级的投标任务,对相关目标或拦截弹进行探测跟踪;
步骤33:确定投标值
传感器节点根据对竞标任务的执行情况计算投标值,并根据标书的底价确定是否能够进行竞标;
步骤34:竞标
向招标者发送投标值对任务进行竞标。
6.如权利要求1所述的多传感器分布式协同识别与制导动态规划方法,其特征在于,所述的步骤4包括如下:
(1)资源约束
从跟踪、目标识别、搜索截获三类资源进行约束;
(2)任务约束
(3)传感器-目标可视化时间窗口约束。
7.如权利要求1所述的多传感器分布式协同识别与制导动态规划方法,其特征在于,所述的步骤5包括如下:
(1)基于角色的传感器节点;
(2)RCNP招标时限与底价的取值规则;
(3)授权策略下的分阶段招标过程。
8.如权利要求1所述的多传感器分布式协同识别与制导动态规划方法,其特征在于,所述的步骤6包括如下:
步骤61:竞标值的确定;
步骤62:投标任务优先级计算;
步骤63:竞标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650065.7A CN114440706B (zh) | 2021-12-30 | 2021-12-30 | 多传感器分布式协同识别与制导动态规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111650065.7A CN114440706B (zh) | 2021-12-30 | 2021-12-30 | 多传感器分布式协同识别与制导动态规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114440706A true CN114440706A (zh) | 2022-05-06 |
CN114440706B CN114440706B (zh) | 2024-06-04 |
Family
ID=81366602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111650065.7A Active CN114440706B (zh) | 2021-12-30 | 2021-12-30 | 多传感器分布式协同识别与制导动态规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114440706B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1389710A (zh) * | 2002-07-18 | 2003-01-08 | 上海交通大学 | 多传感器多目标信息融合方法 |
KR20140112621A (ko) * | 2013-03-12 | 2014-09-24 | 국방과학연구소 | 모의분석용 고속비행 위협 대응요격 장치 및 방법 |
US20150143982A1 (en) * | 2012-01-10 | 2015-05-28 | Israel Aerospace Industries Ltd. | Anti-rocket system |
US20160320165A1 (en) * | 2014-01-01 | 2016-11-03 | Israel Aerospace Industries Ltd. | Interception missle and warhead therefor |
CN108931155A (zh) * | 2018-07-09 | 2018-12-04 | 北京航天控制仪器研究所 | 一种不依赖卫星导航增程制导弹药自主制导系统 |
CN110145966A (zh) * | 2019-02-27 | 2019-08-20 | 中国人民解放军空军工程大学 | 一种有限时间收敛全局鲁棒滑模制导方法 |
CN110220416A (zh) * | 2019-05-15 | 2019-09-10 | 南京理工大学 | 一种自适应快速弹道跟踪制导方法 |
CN110296634A (zh) * | 2019-07-04 | 2019-10-01 | 哈尔滨工业大学 | 分体式制导的探测模式及精度分析方法 |
CN110709320A (zh) * | 2017-05-17 | 2020-01-17 | 威罗门飞行公司 | 用于拦截和对抗无人飞行器(uav)的系统和方法 |
-
2021
- 2021-12-30 CN CN202111650065.7A patent/CN114440706B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1389710A (zh) * | 2002-07-18 | 2003-01-08 | 上海交通大学 | 多传感器多目标信息融合方法 |
US20150143982A1 (en) * | 2012-01-10 | 2015-05-28 | Israel Aerospace Industries Ltd. | Anti-rocket system |
KR20140112621A (ko) * | 2013-03-12 | 2014-09-24 | 국방과학연구소 | 모의분석용 고속비행 위협 대응요격 장치 및 방법 |
US20160320165A1 (en) * | 2014-01-01 | 2016-11-03 | Israel Aerospace Industries Ltd. | Interception missle and warhead therefor |
CN110709320A (zh) * | 2017-05-17 | 2020-01-17 | 威罗门飞行公司 | 用于拦截和对抗无人飞行器(uav)的系统和方法 |
CN108931155A (zh) * | 2018-07-09 | 2018-12-04 | 北京航天控制仪器研究所 | 一种不依赖卫星导航增程制导弹药自主制导系统 |
CN110145966A (zh) * | 2019-02-27 | 2019-08-20 | 中国人民解放军空军工程大学 | 一种有限时间收敛全局鲁棒滑模制导方法 |
CN110220416A (zh) * | 2019-05-15 | 2019-09-10 | 南京理工大学 | 一种自适应快速弹道跟踪制导方法 |
CN110296634A (zh) * | 2019-07-04 | 2019-10-01 | 哈尔滨工业大学 | 分体式制导的探测模式及精度分析方法 |
Non-Patent Citations (1)
Title |
---|
朱一凡;唐苏妍;余文广;李群;雷永林;: "基于条件合同网协议的分布式制导-火力节点分配方法", 系统工程与电子技术, no. 12, 15 December 2011 (2011-12-15), pages 106 - 112 * |
Also Published As
Publication number | Publication date |
---|---|
CN114440706B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107886184A (zh) | 一种多型防空武器混编火力群目标分配优化方法 | |
CN107818219A (zh) | 一种面向突防的多导弹协同弹道规划方法 | |
CN110186328A (zh) | 一种多目标拦截的导弹分配方法及系统 | |
Shin et al. | Weapon-target assignment problem with interference constraints using mixed-integer linear programming | |
CN114440706A (zh) | 多传感器分布式协同识别与制导动态规划方法 | |
Lee et al. | Weapon target assignment problem with interference constraints | |
CN110597199A (zh) | 一种基于射击向量的最优化模型的直升机武器调度方法及系统 | |
EP0392055B1 (en) | Priority mapper for initiation of radar tracking of projectiles | |
CN114995500A (zh) | 一种多机编队协同目标分配方法 | |
CN114742264A (zh) | 舰艇编队网络化协同防空任务规划方法及系统 | |
Hao et al. | Dynamic collaborative interference decision based on improved contract network algorithm | |
Jeong et al. | Beam scheduling of maritime multifunctional radar based on binary integration | |
Gronlund et al. | China and a fissile material production gut‐off | |
Zhang et al. | Research on the Strategy of Ballistic Missile Midcourse Recognition Based on Bayesian Network | |
Shinar et al. | Improved estimation is a prerequisite for successful terminal guidance | |
Chen et al. | The evaluation method of air force attack airline | |
Angelis et al. | Real options in military system acquisition: The case study of technology development for the Javelin anti-tank weapon system | |
Karber et al. | The Operational Realm | |
Shinar et al. | New logic-based estimation/guidance algorithm for improved homing against randomly maneuvering targets | |
Weir et al. | Radar coordination and resource management in a distributed sensor network using emergent control | |
Liu et al. | Firepower allocation of continuous multiple incoming targets | |
Wang et al. | Adaptive scheduling algorithm for phased array fire control radar based on comprehensive priority | |
Ni et al. | Research on mission planning for distributed multi-sensors in anti-TBM combat based on multi-agent system | |
CN113791633A (zh) | 一种基于最大边际收益的循环否决目标分配方法 | |
Sun et al. | Research on a model of air defense fire distribution ring |
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 |