CN114740899B - 一种网格化空域分配与协同搜索规划方法 - Google Patents
一种网格化空域分配与协同搜索规划方法 Download PDFInfo
- Publication number
- CN114740899B CN114740899B CN202210641394.3A CN202210641394A CN114740899B CN 114740899 B CN114740899 B CN 114740899B CN 202210641394 A CN202210641394 A CN 202210641394A CN 114740899 B CN114740899 B CN 114740899B
- Authority
- CN
- China
- Prior art keywords
- platform
- search
- airspace
- grid
- gridding
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本申请属于协同探测领域,为一种网格化空域分配与协同搜索规划方法,在搜索前通过先确定平台集合,确定能够执行任务的平台,而后将搜索空域通过投影的方式形成网格化空域,对网格化空域的每个网格按照优先级进行排序,而后根据每个网格需求和平台的性能来进行每个平台任务的分配,在分配完成后进行每个平台搜索路径的计算,由于每个网格的大小是确定的,这样每个平台的搜索范围在先已经确定完成,不会出现重复的问题,以任务、网格需求、平台的特性为导向,一次即可全部分配完成,不需要进行多次的分配,也不需要根据平台的反馈反复的调试搜索路径,路径规划高效,保证各个平台长期、稳定地执行搜索任务。
Description
技术领域
本申请属于协同探测领域,特别涉及一种网格化空域分配与协同搜索规划方法。
背景技术
多平台编队协同探测,主要通过相对固定的队形保持和按照预先规划的航路飞行,实现对所需搜索空域的全面覆盖和对目标态势的实时更新,解决单平台探测范围或可用资源有限的难题。通过预测控制算法避免协同搜索陷入局部最优,保证各个平台长期、稳定地执行搜索任务。
而现有的多平台编队协同探测中,战机在执行任务时由于任务分配不合理经常导致各个战机之间存在相同的探测区域,从而导致探测效率的降低、探测战机的增加、探测资源的浪费,因此如何更有效地进行多平台编队协同探测是一个需要解决的问题。
发明内容
本申请的目的是提供了一种网格化空域分配与协同搜索规划方法,以解决现有技术中多平台编队协同探测容易出现相同区域多次探测、导致探测效率较低的问题。
本申请的技术方案是:一种网格化空域分配与协同搜索规划方法,包括:确定所有能够执行任务的平台,形成平台集合,确定能够执行该任务的平台;将所需搜索空域的三维空间投影至平面,进行网格化处理,形成网格化空域;根据网格需求对每个网格区域的优先级进行排序,将各个网格区域按照优先级从高至低依次分配至各个平台;根据平台性能判断各平台是否符合当前任务需求,取出不符合当前任务需求的平台,并选出能够覆盖当前网格化空域的平台;采用基于预测控制的多步寻优路径搜索决策算法,确定每个平台最优的搜索路径,将搜索路径结果上传至任务管理中心,通过任务管理中心向各平台发布具体的搜索计划,由各平台进行执行。
优选地,所述多步寻优路径搜索决策算法的执行步骤为:将网格化区域分层,每层网格化区域单独计算;系统初始化;根据目标指示信息,计算各网格目标存在概率;建立平台运动模型;进行时间更新;根据平台当前状态和传感器探测信息,更新各网格目标存在概率;求解使得目标函数最优的搜索路径,计算长期搜索收益和短期搜索收益,得到控制量;更新系统状态;刷新时间;判断是否遍历空域内所有网格,若是则算法结束;若否则进行时间更新,对未遍历到的网格进行再次的路径计算。
优选地,所述多步寻优路径搜索决策的算法的原则包括:飞往不确定度更高的区域进行探测以获得更大的信息增益;飞往距离其它平台较远的点使得协同探测的飞机尽量分散;平台相对于当前航向的转弯幅度越大,规划代价越大。
优选地,所述搜索路径中具有各平台移动的航向,在网格化空域中设置八个方向,分别为东、东北、北、西北、西、西南、南和东南。
优选地,确定网格化空域中每个网格具有的频段覆盖需求,检测概率需求和时间紧迫性需求,对每个网格区域的优先级进行排序。
优选地,驾驶员指定的搜索空域优先于任务管理中心规划的搜索计划,定点搜索空域优先于广域搜索空域。
优选地,所述平台性能包括各平台辐射等级以及传感器配置、负荷能力、健康状态,在判断是否符合当前任务需求时,所述平台的各性能逐一判断。
优选地,根据平台几何位置、传感器配置情况计算各平台在所需频段内的最大搜索空域,选出能够覆盖该空域网格的平台。
优选地,在选出能够覆盖当前网格化空域的平台后,判断是否已有目标搜索或跟踪任务分给某平台,若是则将该空域优先分给该平台,如果所有单平台无法满足该空域网格的频率覆盖需求,则重新搜索平台集合中的其它平台,组建最小联盟,满足频率覆盖需求。
优选地,如果检测概率无法满足要求,则考虑没有辐射限制的雷达平台进行辅助搜索,该雷达平台首先选择对该空域进行无源搜索的平台,其次考虑检测概率最高或距离最近的平台;对需要雷达搜索的空域网格,同等条件下首先考虑分配给没有辐射限制且距离最近的平台。
本申请的一种网格化空域分配与协同搜索规划方法,在搜索前通过先确定平台集合,确定能够执行任务的平台,而后将搜索空域通过投影的方式形成网格化空域,对网格化空域的每个网格按照优先级进行排序,而后根据每个网格需求和平台的性能来进行每个平台任务的分配,在分配完成后进行每个平台搜索路径的计算,由于每个网格的大小是确定的,这样每个平台的搜索范围在先已经确定完成,不会出现重复的问题,以任务、网格需求、平台的特性为导向,一次即可全部分配完成,不需要进行多次的分配,也不需要根据平台的反馈反复的调试搜索路径,路径规划高效,保证各个平台长期、稳定地执行搜索任务。
附图说明
为了更清楚地说明本申请提供的技术方案,下面将对附图作简单地介绍。显而易见地,下面描述的附图仅仅是本申请的一些实施例。
图1为本申请整体流程示意图;
图2为本申请平台运动模型示意图;
图3为本申请基于预测控制算法的协同搜索规划处理流程示意图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行更加详细的描述。
一种网格化空域分配与协同搜索规划方法,通过对探测空域进行网格化处理,基于频段覆盖、检测概率、时间紧迫性需求以及任务连续性需求,参照任务分配结果,获得满足需求且平台数目和辐射程度尽可能低的协同搜索规划,输出每个平台的最佳搜索路径和搜索区域,实现编队协同搜索空域的最大化覆盖。
如图1所示,具体包括如下步骤:
步骤S100,确定所有能够执行任务的平台,形成平台集合,确定能够执行该任务的平台;平台优选为战机,平台集合中战机的数量不是一成不变的,随着时间的变化,战机会因产品更新换代、故障、击落等原因发生迭代,因此平台集合是一直处于更新状态。
平台集合中所要执行的任务并非只有一种,当某架战机在执行另一任务,会将该战机从本次任务中剔除。
对执行该任务的平台的选取方式为根据具体的作战任务需求和指示要求,采用各平台的信息,判断是否符合,若符合,则选中该平台来执行任务;若不符合,则将该平台从该任务中剔除。
步骤S200,将所需搜索空域的三维空间投影至平面,进行网格化处理,形成网格化空域;
网格化空域中每个网格的大小和形状取决于多平台布局方式、探测性能因素,高度取决于平台在俯仰维度的探测范围。在网格化空域布局完成后,才能够进行后续的搜索规划。
步骤S300,根据网格需求对每个网格区域的优先级进行排序,将各个网格区域按照优先级从高至低依次分配至各个平台;
在建立的网格化空域中,每个网格均根据现有的搜索结确定频率需求、检测概率需求和时间紧迫性需求。
驾驶员指定的搜索空域优先于任务管理中心规划的搜索计划,定点搜索空域优先于广域搜索空域。
步骤S400,根据平台性能判断各平台是否符合当前任务需求,取出不符合当前任务需求的平台,并选出能够覆盖当前网格化空域的平台;
对具体的网格空域进行分配时,首先逐一判断各平台辐射等级以及传感器配置、负荷能力、健康状态是否符合当前任务需求,将不适合执行当前任务的平台列入禁忌列表。其次根据平台几何位置、传感器配置情况计算各平台在所需频段内的最大搜索空域,由此选出能够覆盖该空域网格的平台。然后判断是否已有目标搜索或跟踪任务分给某平台,若是则将该空域优先分给该平台,如果所有单平台无法满足该空域网格的频率覆盖需求,则组建最小联盟,满足频率覆盖需求;如果检测概率无法满足要求,则考虑没有辐射限制的雷达平台进行辅助搜索,该雷达平台首先选择对该空域进行无源搜索的平台,其次考虑检测概率最高或距离最近的平台;对需要雷达搜索的空域网格,同等条件下首先考虑分配给没有辐射限制且距离最近的平台,采用该种方法,能够更高效地选出所需的平台,避免错选和漏选,并发生非正常情况时也能够及时处理。
步骤S500,采用基于预测控制的多步寻优路径搜索决策算法,确定每个平台最优的搜索路径,将搜索路径结果上传至任务管理中心,通过任务管理中心向各平台发布具体的搜索计划,由各平台进行执行。
搜索路径中具有各平台移动的航向,在网格化空域中设置八个方向,如图2所示,图2中的1-8分别为东、东北、北、西北、西、西南、南和东南,并在网格中指示中具体的搜索路径,以避免重复。
优选地,多步寻优路径搜索决策的算法的原则包括:飞往不确定度更高的区域进行探测以获得更大的信息增益;飞往距离其它平台较远的点使得协同探测的飞机尽量分散;平台相对于当前航向的转弯幅度越大,规划代价越大。
如图3所示,基于预测控制的多步寻优路径搜索决策算法的执行步骤为:
步骤S501,将网格化区域分层,每层网格化区域单独计算;
步骤S502,系统初始化t=0;
步骤S503,根据目标指示信息,计算各网格目标存在概率分布图SPM(各网格目标存在概率);
如图2所示,步骤S504,建立平台运动模型,平台运动模型中模拟各平台在实际执行任务过程中的工作情况,为后续的最优路径设计做基础;
步骤S505,进行时间更新t=t+1;
步骤S506,根据平台当前状态和传感器探测信息,更新各网格目标存在概率图SPM;
步骤S507,求解使得目标函数最优的搜索路径,计算长期搜索收益和短期搜索收益,得到控制量u(t),控制量u(t)为各个平台控制量的集合;
步骤S508,更新系统状态X(t+1)=f(X(t),u(t));
步骤S509,刷新时间t=t+1;
步骤S510,判断是否遍历空域内所有网格,若是则算法结束;若否返回值步骤S505,进行时间更新,对未遍历到的网格进行再次的路径计算。
通过采用该方法,能够快速高效地计算出各个平台的最优搜索路径。
本申请利用网格化的方式来实现多平台协同搜索,在搜索前通过先确定平台集合,确定能够执行任务的平台,而后将搜索空域通过投影的方式形成网格化空域,对网格化空域的每个网格按照优先级进行排序,而后根据每个网格需求和平台的性能来进行每个平台任务的分配,在分配完成后进行每个平台搜索路径的计算,由于每个网格的大小是确定的,这样每个平台的搜索范围在先已经确定完成,不会出现重复的问题,以任务、网格需求、平台的特性为导向,一次即可全部分配完成,不需要进行多次的分配,也不需要根据平台的反馈反复的调试搜索路径,路径规划高效,保证各个平台长期、稳定地执行搜索任务。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种网格化空域分配与协同搜索规划方法,其特征在于,包括:
确定所有能够执行任务的平台,形成平台集合,确定能够执行该任务的平台;
将所需搜索空域的三维空间投影至平面,进行网格化处理,形成网格化空域;
根据网格需求对每个网格区域的优先级进行排序,将各个网格区域按照优先级从高至低依次分配至各个平台;
根据平台性能判断各平台是否符合当前任务需求,取出不符合当前任务需求的平台,并选出能够覆盖当前网格化空域的平台;
采用基于预测控制的多步寻优路径搜索决策算法,确定每个平台最优的搜索路径,将搜索路径结果上传至任务管理中心,通过任务管理中心向各平台发布具体的搜索计划,由各平台进行执行;
所述多步寻优路径搜索决策算法的执行步骤为:
将网格化区域分层,每层网格化区域单独计算;
系统初始化;
根据目标指示信息,计算各网格目标存在概率;
建立平台运动模型;
进行时间更新;
根据平台当前状态和传感器探测信息,更新各网格目标存在概率;
求解使得目标函数最优的搜索路径,计算长期搜索收益和短期搜索收益,得到控制量;
更新系统状态;
刷新时间;
判断是否遍历空域内所有网格,若是则算法结束;若否则进行时间更新,对未遍历到的网格进行再次的路径计算。
2.如权利要求1所述的网格化空域分配与协同搜索规划方法,其特征在于,所述多步寻优路径搜索决策的算法的原则包括:飞往不确定度更高的区域进行探测以获得更大的信息增益;飞往距离其它平台较远的点使得协同探测的飞机尽量分散;平台相对于当前航向的转弯幅度越大,规划代价越大。
3.如权利要求1所述的网格化空域分配与协同搜索规划方法,其特征在于:所述搜索路径中具有各平台移动的航向,在网格化空域中设置八个方向,分别为东、东北、北、西北、西、西南、南和东南。
4.如权利要求1所述的网格化空域分配与协同搜索规划方法,其特征在于:确定网格化空域中每个网格具有的频段覆盖需求,检测概率需求和时间紧迫性需求,对每个网格区域的优先级进行排序。
5.如权利要求1所述的网格化空域分配与协同搜索规划方法,其特征在于:驾驶员指定的搜索空域优先于任务管理中心规划的搜索计划,定点搜索空域优先于广域搜索空域。
6.如权利要求1所述的网格化空域分配与协同搜索规划方法,其特征在于:所述平台性能包括各平台辐射等级以及传感器配置、负荷能力、健康状态,在判断是否符合当前任务需求时,所述平台的各性能逐一判断。
7.如权利要求1所述的网格化空域分配与协同搜索规划方法,其特征在于:根据平台几何位置、传感器配置情况计算各平台在所需频段内的最大搜索空域,选出能够覆盖该空域网格的平台。
8.如权利要求1所述的网格化空域分配与协同搜索规划方法,其特征在于:在选出能够覆盖当前网格化空域的平台后,判断是否已有目标搜索或跟踪任务分给某平台,则将该空域优先分给该平台,如果所有单平台无法满足该空域网格的频率覆盖需求,则重新搜索平台集合中的其它平台,组建最小联盟,满足频率覆盖需求。
9.如权利要求8所述的网格化空域分配与协同搜索规划方法,其特征在于:如果检测概率无法满足要求,则考虑没有辐射限制的雷达平台进行辅助搜索,该雷达平台首先选择对该空域进行无源搜索的平台,其次考虑检测概率最高或距离最近的平台;对需要雷达搜索的空域网格,同等条件下首先考虑分配给没有辐射限制且距离最近的平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210641394.3A CN114740899B (zh) | 2022-06-08 | 2022-06-08 | 一种网格化空域分配与协同搜索规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210641394.3A CN114740899B (zh) | 2022-06-08 | 2022-06-08 | 一种网格化空域分配与协同搜索规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114740899A CN114740899A (zh) | 2022-07-12 |
CN114740899B true CN114740899B (zh) | 2022-09-02 |
Family
ID=82287022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210641394.3A Active CN114740899B (zh) | 2022-06-08 | 2022-06-08 | 一种网格化空域分配与协同搜索规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114740899B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115203986B (zh) * | 2022-09-15 | 2023-01-17 | 中国人民解放军空军预警学院 | 不规则责任区空基探测平台空域配置方法 |
CN115829356B (zh) * | 2023-01-31 | 2023-05-16 | 中国电子科技集团公司第二十八研究所 | 一种基于作战网格的陆战场空域需求自适应控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021113619A1 (en) * | 2019-12-04 | 2021-06-10 | Ge Aviation Systems Llc | Systems and methods for providing surveillance services for unmanned aerial vehicle |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045804A (zh) * | 2016-02-05 | 2017-08-15 | 毕雪松 | 无人机的实时分配和管控系统及方法 |
US10741088B1 (en) * | 2017-09-29 | 2020-08-11 | DroneUp, LLC | Multiplexed communications for coordination of piloted aerial drones enlisted to a common mission |
CN112116830B (zh) * | 2020-09-02 | 2021-09-24 | 南京航空航天大学 | 一种基于空域网格化的无人机动态地理围栏规划方法 |
CN112925350B (zh) * | 2021-01-15 | 2023-04-07 | 中国人民解放军战略支援部队航天工程大学 | 一种多无人机分布式协同目标搜索方法 |
CN112766813B (zh) * | 2021-02-05 | 2023-06-20 | 中国人民解放军国防科技大学 | 一种空天协同观测复杂任务调度方法 |
CN113485355B (zh) * | 2021-07-27 | 2023-11-17 | 北京航空航天大学 | 一种机器人任务规划方法、系统及搜索机器人 |
CN113671985A (zh) * | 2021-07-28 | 2021-11-19 | 中国人民解放军32146部队 | 一种分阶段多基地无人机任务分配和航迹规划方法 |
CN114115340A (zh) * | 2021-11-15 | 2022-03-01 | 南京航空航天大学 | 一种基于强化学习的空域协同控制方法 |
CN114743408B (zh) * | 2022-04-18 | 2023-07-21 | 北京大唐永盛科技发展有限公司 | 基于网格化的低空飞行管理系统 |
-
2022
- 2022-06-08 CN CN202210641394.3A patent/CN114740899B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021113619A1 (en) * | 2019-12-04 | 2021-06-10 | Ge Aviation Systems Llc | Systems and methods for providing surveillance services for unmanned aerial vehicle |
Also Published As
Publication number | Publication date |
---|---|
CN114740899A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114740899B (zh) | 一种网格化空域分配与协同搜索规划方法 | |
CN111862579B (zh) | 一种基于深度强化学习的出租车调度方法及系统 | |
CN112016812B (zh) | 多无人机任务调度方法、系统及存储介质 | |
CN111695776B (zh) | 无人机集群分布式在线协同区域侦察方法及装置 | |
CN112925350B (zh) | 一种多无人机分布式协同目标搜索方法 | |
CN113671985A (zh) | 一种分阶段多基地无人机任务分配和航迹规划方法 | |
Gil et al. | Cooperative scheduling of tasks for networked uninhabited autonomous vehicles | |
Sujit et al. | Self assessment-based decision making for multiagent cooperative search | |
CN112000126B (zh) | 一种基于鲸鱼算法的多无人机协同搜索多动态目标方法 | |
CN108985516A (zh) | 基于元胞自动机的室内路径规划方法 | |
CN113342034A (zh) | 一种无人机通道巡检与精细化巡检的组合策略算法 | |
CN116560406A (zh) | 一种无人机集群协同规划与自主调度方法 | |
CN116954233A (zh) | 一种巡检任务与航线自动匹配方法 | |
Wang et al. | UAV online path planning based on improved genetic algorithm | |
Xie et al. | Mathematical problems in engineering improved CNP-method-based local real-time cooperative task allocation of heterogeneous multi-UAV in communication-constrained environment | |
CN116518982B (zh) | 一种低空林业监测遥感无人机路径多目标规划方法 | |
CN111024081B (zh) | 一种无人机群对单移动时敏目标侦察路径规划方法 | |
Wu et al. | Coordinated scheduling of air and space observation resources via divide and conquer framework and iterative optimization | |
CN111928853A (zh) | 复杂环境下空基平台快速航路规划方法 | |
CN114115342B (zh) | 一种基于冲突处理的无人集群多域协同系统及方法 | |
Wang et al. | UAV online path planning based on improved genetic algorithm with optimized search region | |
Emami et al. | Multi-agent based solution for free flight conflict detection and resolution using particle swarm optimization algorithm | |
CN114777788A (zh) | 基于路径搜索及智能优化的航路规划方法、设备及介质 | |
Zhang et al. | The Application of Multiple Ant Colony Algorithm to Cooperative Task Allocation in UUVs Swarm | |
Wang et al. | Cooperative Task Assignment of Multi-UAV in Road-network Reconnaissance Using Customized Genetic Algorithm |
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 |