CN115061495A - 一种基于鹰鸽博弈的无人机群组对抗自主控制方法 - Google Patents
一种基于鹰鸽博弈的无人机群组对抗自主控制方法 Download PDFInfo
- Publication number
- CN115061495A CN115061495A CN202210756900.3A CN202210756900A CN115061495A CN 115061495 A CN115061495 A CN 115061495A CN 202210756900 A CN202210756900 A CN 202210756900A CN 115061495 A CN115061495 A CN 115061495A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- pigeon
- aerial vehicle
- eagle
- target
- 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
- 241000272201 Columbiformes Species 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000033001 locomotion Effects 0.000 claims abstract description 40
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 238000013461 design Methods 0.000 claims abstract description 9
- 230000001133 acceleration Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 27
- 238000004088 simulation Methods 0.000 claims description 22
- 239000000126 substance Substances 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 8
- 244000062645 predators Species 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 244000062804 prey Species 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 230000002265 prevention Effects 0.000 claims 3
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 244000144992 flock Species 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
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 241000894007 species Species 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
本发明公开一种基于鹰鸽博弈的无人机群组对抗自主控制方法:步骤一:初始化战场环境设置;步骤二:仿鸽群归巢行为的鸽方无人机群运动控制;步骤三:仿哈里斯鹰狩猎机制的鹰方无人机攻击策略设计;步骤四:仿哈里斯鹰攻击动力学的鹰方无人机群运动控制;步骤五:设计鹰方无人机协同策略;步骤六:输出鹰鸽双方无人机群对抗状态。本发明1)建立了基于鹰鸽博弈模型的无人机群组对抗框架,具有简单、高效、鲁棒性好等特点;2)结合哈里斯鹰的狩猎机制和攻击动力学模型与鸽群归巢的协同运动机制,提出无人机群组对抗的攻击决策机制和运动控制方法;3)仿哈里斯鹰攻击动力学的无人机攻击控制方法获胜率高,可实施性强,实时性好,符合实际任务需求。
Description
技术领域
本发明是一种基于鹰鸽博弈的无人机群组对抗自主控制方法,属于无人机自主控制领域。
背景技术
随着智能化、自主化的飞速发展,在未来空天战场中,无人机(Unmanned AerialVehicle,UAV)的应用将起着举足轻重的作用。未来空战绝不仅仅是单一的无人机作战,而是面向多源、动态、饱和式的复杂战场环境,无人机以群组的形式进行对抗。无人机群组对抗相比于单机对抗要复杂的多,态势复杂、通信约束、协同困难、自主决策、精准控制等问题仍然存在着诸多技术瓶颈。本发明旨在提出一种原理简单、作战高效、直接灵活的无人机群组对抗自主控制方法,提升无人机群组对抗任务执行效能和自主能力水平。
无人机群组对抗过程可视为群组决策和群组运动控制的结合。群组决策的重要一环是攻击目标决策,目前常用的方法有数学规划法和群体智能算法。数学规划法中应用最为普遍的是匈牙利算法,该算法原理简单,易于实现,但是计算复杂度高,难以满足真实对抗环境的实时性要求。群体智能算法包含很多种,例如遗传算法、粒子群优化算法、鸽群优化算法、哈里斯鹰优化算法等,这类算法应用简单、可移植可扩展性强,但由于随机性和不确定性影响,对于一些复杂问题,收敛速度慢、容易陷入局部最优等问题也逐渐凸显。群组运动控制可分为两大类,一类是以飞机的机动动作基础,设计机动动作库,通过机动决策方法确定无人机要执行的机动指令,进而控制飞机运动;另一类是将无人机视为质点模型,通过传统的控制方法、多智能体控制方法、集群控制算法等对无人机群体进行控制,典型的包括长-僚机法、势函数法、自推进粒子集群控制方法等,这类方法灵活性高、自组织性强,被广泛应用于无人机集群控制领域。
老鹰是天生的勇士,它们英勇善战,具有强劲的捕食能力,鹰在面对成群的猎物时,利用敏锐的视觉和锋利的爪牙直取目标。鸽子是和平的象征,鸽群在归巢过程中凭借着群体的协同来躲避捕食者的攻击。鹰鸽博弈是指两个物种在冲突场景下决策与运动上的博弈进化。将鹰的狩猎机制和攻击动力学与鸽的协同运动机制建模为鹰鸽博弈,映射到无人机群组对抗,分别对鹰方无人机和鸽方无人机进行决策与控制。
综上所述,本专利发明了一种基于鹰鸽博弈的无人机群组对抗自主控制方法,将鹰鸽群体智能行为建立为鹰鸽博弈模型,用于无人机群组对抗,控制方法简单高效、实时性好,符合实际场景,具有一定的借鉴意义。
发明内容
本发明目的是提供一种基于鹰鸽博弈的无人机群组对抗自主控制方法,旨在解决无人机群组对抗过程中双方的运动控制与决策问题。通过借鉴自然界中鹰鸽群体智能行为,建立鹰鸽博弈模型,将其映射到无人机群组对抗过程中,为无人机群组对抗问题提供新的解决思路。
本发明提出一种基于鹰鸽博弈的无人机群组对抗自主控制方法,具体实现步骤如下:
步骤一:初始化战场环境设置
S11、初始化无人机群组对抗场景
本发明通过借鉴鸽群归巢和鹰群捕食场景,将鸽巢视为我方需要保护的目标,鸽群视为进攻方无人机群,鹰群视为防守方无人机群,由此将无人机群组对抗问题想定成目标保护问题。初始化对抗场景包括进攻方无人机群组,防守方无人机群组和一个固定目标点,如图1所示。下面统一将进攻方无人机群组称为鸽方无人机群,将防守方无人机群组称为鹰方无人机群。对抗过程初始,鸽方无人机群从四周随机位置向目标发起攻击,鹰方无人机群分布在目标周围拦截鸽方无人机,保护目标免受攻击。敌我双方无人机均已知目标点位置。鸽方无人机群的任务是捕获目标,同时躲避鹰方无人机,鹰方无人机群的任务是攻击所有鸽方无人机,保护目标不被捕获。
S12、搭建无人机传感器模型和武器攻击模型
双方无人机配备相同的传感器和武器,具有相同的感知能力和打击能力。无人机配备全向传感器,设置感知半径为Rs,感知范围是以自身为圆心,以Rs为半径的圆形区域,双方无人机能够获取感知范围内的其他无人机的位置。无人机具有全向武器攻击能力,设置捕获半径为Rc,攻击区域为以自身为圆心,以Rc为半径的圆形区域,当鸽方无人机距离目标小于Rc时,即为成功捕获目标,同样地,当鹰方无人机与鸽方无人机的距离小于Rc时,即为鹰方无人机成功拦截鸽方无人机。
S13、搭建无人机运动控制模型
设定鸽方由NA架无人机组成,鹰方由ND架无人机组成,双方无人机均建模为如下式所示的双积分动力系统。
其中,分别表示第i架鸽方无人机和第j架鹰方无人机的位置矢量, 分别表示第i架鸽方无人机和第j架鹰方无人机的速度矢量,分别表示第i架鸽方无人机和第j架鹰方无人机的加速度矢量。双方无人机有最大和最小速度约束。
定义t为非负的离散时间变量,以加速度为控制变量,敌我双方无人机运动学方程可以表示为如下质点运动学模型。
其中,Δt为时间更新步长。
步骤二:仿鸽群归巢行为的鸽方无人机群运动控制
对鸽群归巢过程的运动建立数学模型,映射到鸽方无人机群的运动控制中,包括三个方面:第一,鸽巢对鸽群的吸引作用,将其映射为鸽方无人机群对目标的攻击;第二,鸽群归巢过程中躲避捕食者,将其映射为鸽方无人机躲避鹰方无人机的拦截;第三,鸽群归巢过程中鸽子间防碰撞,将其映射为鸽方无人机群相互之间的防碰撞。基于上述三个方面,可设计鸽方无人机群控制律。
S21、攻击目标
鸽方无人机对目标发起贪婪式攻击,受到目标的引力产生的加速度,如下所示。
S22、躲避拦截
鸽方无人机为躲避鹰方无人机而产生的加速度,设置与鹰方无人机的安全距离为RAD,鸽方无人机的安全区为以自身为圆心、以RAD为半径的圆形区域,当安全区内出现鹰方无人机时,鸽方无人机受到躲避拦截加速度,如下所示。
其中,表示第i架鸽方无人机躲避安全区内所有鹰方无人机而产生的总加速度,表示第i架鸽方无人机躲避第j架鹰方无人机而产生的加速度控制增益,RADmin表示鸽方无人机与鹰方无人机的最小安全半径,ke表示躲避力评估系数。
S23、己方防撞
鸽方无人机在运动过程中考虑己方的防撞,设置己方安全距离为Rrep,鸽方无人机之间距离小于Rrep会产生防撞加速度,如下所示。
S24、鸽方无人机运动状态更新
步骤三:仿哈里斯鹰狩猎机制的鹰方无人机攻击策略设计
鹰对猎物群体发起攻击时,会依据一些原则选择要捕食的猎物,下面总结出狩猎三原则,分别为就近原则、边缘原则、密集原则。将其映射到无人机群组对抗过程中目标选择机制,鹰方无人机可依据此三原则结合概率选择策略,选择出要攻击的鸽方无人机。
S31、就近原则
鹰在对猎物群体攻击时,选择距离自己最近的猎物作为捕食目标,将其映射到鹰方无人机攻击目标选择上,建立数学模型如下。
S32、边缘原则
鹰在对猎物群体攻击时,选择边缘的猎物作为捕食目标,将其映射到鹰方无人机攻击目标选择上,建立数学模型如下。
S33、密集原则
鹰在对猎物群体攻击时,选择位于猎物群体最密集区域的猎物作为捕食目标,将其映射到鹰方无人机攻击目标选择上,建立数学模型如下。
S34、基于概率的目标选择策略
针对上述三原则得到的攻击目标,依概率选择,确定最终的攻击目标。基于概率的目标选择策略如下。
步骤四:仿哈里斯鹰攻击动力学的鹰方无人机群运动控制
S41、鹰方无人机控制律设计
哈里斯鹰捕食机动目标时,它的攻击动力学由比例追踪加比例导引混合制导律建模,将其推广到无人机群组对抗,设计鹰方无人机控制律如下所示。
其中,表示第i架鹰方无人机在t时刻的加速度矢量,τ表示时间延迟,表示从第i架鹰方无人机指向它的目标号鸽方无人机的视线矢量角速度,表示从第i架鹰方无人机指向它的目标号鸽方无人机的视线矢量与第i架鹰方无人机速度矢量的夹角,N和K为大于0的比例系数。
S42、鹰方无人机运动状态更新
步骤五:设计鹰方无人机协同策略
鹰方无人机之间采用隐式协同,仅考虑各自的攻击目标。鹰方无人机确定攻击目标后,直到该目标被击败,否则不切换目标。当第i架鹰方无人机击败其目标鸽方无人机时,该鹰方无人机再次依据步骤三所述的攻击策略重新选择攻击目标,如果该目标已被其它鹰方无人机锁定,则多架鹰方无人机共同进攻该目标。
步骤六:输出鹰鸽双方无人机群对抗状态
设置仿真时间以及步长,每步一更新双方无人机状态,重复以上步骤,达到以下三种情况的任意一种则仿真终止:1)达到仿真时间;2)任意一架鸽方无人机捕获目标,视为鸽方获胜;3)鹰方无人机击败所有鸽方无人机,视为鹰方获胜。仿真过程实时显示对抗过程中双方无人机群飞行轨迹图。
本发明提出一种基于鹰鸽博弈的无人机群组对抗自主控制方法,其优点及功效在于:1)建立了基于鹰鸽博弈模型的无人机群组对抗框架,支持大规模、连续作战场景,具有简单、高效、鲁棒性好等优点;2)结合哈里斯鹰的狩猎机制和攻击动力学模型与鸽群归巢的协同运动机制,分别提出了无人机群组对抗的攻击决策机制和运动控制方法;3)仿哈里斯鹰攻击动力学的无人机攻击控制方法获胜率高,可实施性强,实时性好,符合实际作战任务需求。
附图说明
图1无人机群组对抗任务场景想定图
图2基于鹰鸽博弈的无人机群组对抗自主控制方法流程图
图3仿真起始时刻鹰鸽双方无人机群组对抗三维场景图
图4仿真终止时刻鹰鸽双方无人机群组对抗三维场景图
图5仿真全过程鹰鸽双方无人机群组对抗三维飞行轨迹图
图6鹰方无人机的目标鸽方无人机编号曲线
具体实施方式
下面通过具体的实例来验证本发明所提的基于鹰鸽博弈的无人机群组对抗自主控制方法的有效性。在本实例中,设置鹰鸽双方各5架无人机,一个被保护的目标点,双方无人机群组进行对抗。本实例的仿真环境配置为intel i9-9900K处理器,3.60Ghz主频,32G内存,软件为MATLAB 2018a版本。
基于鹰鸽博弈的无人机群组对抗自主控制方法,其实现流程图如图2所示,该实例的具体实践步骤如下:
步骤一:初始化战场环境设置
S11、初始化无人机群组对抗场景
设置被保护的目标点位置坐标为[0,0,500]m,设置5架鹰方无人机随机分布在目标点四周,本实施例中,5架鹰方无人机位置坐标分别为[300,0,500]m,[0,300,500]m,[-300,0,490]m,[0,-300,510]m,[220,-380,200]m。5架鸽方无人机分布在比鹰方无人机更外围的位置,本实施例中,5架鸽方无人机位置坐标分别为[581,-99,490]m,[237,590,510]m,[-439,-765,500]m,[-377,-228,500]m,[350,-500,508]m。
S12、搭建无人机传感器模型和武器攻击模型
设置感知半径为Rs=1000m,捕获半径为Rc=10m,
S13、搭建无人机运动控制模型
设定鹰方无人机最大最小速度约束分别为400km/h和50km/h,设定鹰方无人机最大最小速度约束分别为350km/h和50km/h,总仿真时长设为10s,时间更新步长Δt为0.1s。
步骤二:仿鸽群归巢行为的鸽方无人机群运动控制
S21、攻击目标
鸽方无人机对目标的发起贪婪式攻击,受到目标的引力产生的加速度,按照式(5)进行计算,设置目标引力加速度控制增益kA1为1。
S22、躲避拦截
鸽方无人机为躲避鹰方无人机而产生的加速度,设置与鹰方无人机的安全距离RAD为500m,当安全区内出现鹰方无人机时,鸽方无人机受到躲避拦截加速度,按照式(6-7)进行计算,鸽方无人机与鹰方无人机的最小安全半径RADmin为250m,躲避力评估系数ke为10。
S23、己方防撞
鸽方无人机在运动过程中考虑己方的防撞,设置己方安全距离Rrep为100m,鸽方无人机在之间距离小于Rrep会产生防撞加速度,按照式(8)及逆行计算,鸽方无人机之间的防撞加速度控制增益kAe为1。
S24、鸽方无人机运动状态更新
步骤三:仿哈里斯鹰狩猎机制的鹰方无人机攻击策略设计
S31、就近原则
鹰在对猎物群体攻击时,选择距离自己最近的猎物作为捕食目标,将其映射到鹰方无人机攻击目标选择上,按照式(10)进行计算,感知半径Rs为1000m。
S32、边缘原则
鹰在对猎物群体攻击时,选择边缘的猎物作为捕食目标,将其映射到鹰方无人机攻击目标选择上,按照式(11-12)进行计算,无人机的邻域半径Rnei500m。
S33、密集原则
鹰在对猎物群体攻击时,选择位于猎物群体最密集区域的猎物作为捕食目标,将其映射到鹰方无人机攻击目标选择上,按照式(13)进行计算。
S34、基于概率的目标选择策略
针对上述三原则得到的攻击目标,依概率选择,确定最终的攻击目标。基于概率的目标选择策略如式(14-15)所示。
步骤四:仿哈里斯鹰攻击动力学的鹰方无人机群运动控制
S41、鹰方无人机控制律设计
哈里斯鹰捕食机动目标时,它的攻击动力学由比例追踪加比例导引混合制导律建模,将其推广到无人机群组对抗,鹰方无人机控制律按照式(16-18)进行计算,设置比例系数N为1.2,K为0.8。
S42、鹰方无人机运动状态更新
步骤五:设计鹰方无人机协同策略
鹰方无人机之间采用隐式协同,仅考虑各自的攻击目标。鹰方无人机确定攻击目标后,直到该目标被击败,否则不切换目标。当第i架鹰方无人机击败其目标鸽方无人机时,该鹰方无人机再次依据步骤三所述的攻击策略重新选择攻击目标,如果该目标已被其它鹰方无人机锁定,则多架鹰方无人机共同进攻该目标。
步骤六:输出鹰鸽双方无人机群对抗状态
设置仿真时间以及步长,每步一更新双方无人机状态,重复以上步骤,达到以下三种情况的任意一种则仿真终止:1)达到仿真时间;2)鸽方无人机中任意一架捕获目标,视为鸽方获胜;3)鹰方无人机击败所有鸽方无人机,视为鹰方获胜。仿真过程实时显示对抗过程中双方无人机群飞行轨迹图。
图3至图6为本实施例的仿真结果图,其中,图3和图4分别为仿真起始和终止时刻双方无人机的三维场景图;图5是双方无人机群组对抗整个过程的三维飞行轨迹曲线;图6是鹰方无人机的目标鸽方无人机的编号变化曲线。仿真在第5.3s时,鹰方无人机全歼鸽方无人机,获得胜利。
1号鸽方无人机在第1.5s时被1号鹰方无人机击败;2号鸽方无人机在2s时被2号鹰方无人机击败;3号鸽方无人机被3号和4号鹰方无人机协同攻击,在仿真最后一刻时被击败;4号无人机被3号和4号鹰方无人机协同攻击,在第2.6s时被击败;5号鸽方无人机在第0.9s时被5号鹰方无人机击败。
1号鹰方无人机在0~1.5s这段时间目标是1号鸽方无人机,在1.6~2s这段时间目标切换为2号鸽方无人机,在2.1~2.6s这段时间目标切换为4号鸽方无人机,在2.7~5.3s这段时间目标切换为3号鸽方无人机。
2号鹰方无人机在0~2s这段时间目标是2号鸽方无人机,在2.1~2.6s这段时间目标切换为4号鸽方无人机,在2.7~5.3s这段时间目标切换为3号鸽方无人机。
3号鹰方无人机在0~2.6s这段时间目标是4号鸽方无人机,在2.7~5.3s这段时间目标切换为3号鸽方无人机。
4号鹰方无人机在0~2.6s这段时间目标是4号鸽方无人机,在2.7~5.3s这段时间目标切换为3号鸽方无人机。
5号鹰方无人机在0~0.9s这段时间目标是5号鸽方无人机,在1~1.5s这段时间目标切换为1号鸽方无人机,在1.6~2.6s这段时间目标切换为4号鸽方无人机,在2.7~5.3s这段时间目标切换为3号鸽方无人机。
Claims (4)
1.一种基于鹰鸽博弈的无人机群组对抗自主控制方法,其特征在于:该方法步骤如下:
步骤一:初始化战场环境设置
步骤二:仿鸽群归巢行为的鸽方无人机群运动控制
对鸽群归巢过程的运动建立数学模型,映射到鸽方无人机群的运动控制中,包括三个方面:第一,鸽巢对鸽群的吸引作用,将其映射为鸽方无人机群对目标的攻击;第二,鸽群归巢过程中躲避捕食者,将其映射为鸽方无人机躲避鹰方无人机的拦截;第三,鸽群归巢过程中鸽子间防碰撞,将其映射为鸽方无人机群相互之间的防碰撞;基于上述三个方面,设计鸽方无人机群控制律;具体如下:
S21、攻击目标
S22、躲避拦截
S23、己方防撞
S24、鸽方无人机运动状态更新;
步骤三:仿哈里斯鹰狩猎机制的鹰方无人机攻击策略设计
鹰对猎物群体发起攻击时,会依据狩猎三原则,分别为就近原则、边缘原则、密集原则;将其映射到无人机群组对抗过程中目标选择机制,鹰方无人机依据此三原则结合概率选择策略,选择出要攻击的鸽方无人机;具体过程如下:
S31、就近原则
S32、边缘原则
S33、密集原则
S34、基于概率的目标选择策略
步骤四:仿哈里斯鹰攻击动力学的鹰方无人机群运动控制
步骤五:设计鹰方无人机协同策略
鹰方无人机之间采用隐式协同,仅考虑各自的攻击目标;鹰方无人机确定攻击目标后,直到该目标被击败,否则不切换目标;当第i架鹰方无人机击败其目标鸽方无人机时,该鹰方无人机再次依据步骤三所述的攻击策略重新选择攻击目标,如果该目标已被其它鹰方无人机锁定,则多架鹰方无人机共同进攻该目标;
步骤六:输出鹰鸽双方无人机群对抗状态
设置仿真时间以及步长,每步一更新双方无人机状态,重复以上步骤,达到以下三种情况的任意一种则仿真终止:1)达到仿真时间;2)任意一架鸽方无人机捕获目标,视为鸽方获胜;3)鹰方无人机击败所有鸽方无人机,视为鹰方获胜;仿真过程实时显示对抗过程中双方无人机群飞行轨迹图。
2.根据权利要求1所述的一种基于鹰鸽博弈的无人机群组对抗自主控制方法,其特征在于:所述步骤二的具体过程如下:
S21、攻击目标
鸽方无人机对目标发起贪婪式攻击,受到目标的引力产生的加速度,如下所示;
S22、躲避拦截
鸽方无人机为躲避鹰方无人机而产生的加速度,设置与鹰方无人机的安全距离为RAD,鸽方无人机的安全区为以自身为圆心、以RAD为半径的圆形区域,当安全区内出现鹰方无人机时,鸽方无人机受到躲避拦截加速度,如下所示;
其中,表示第i架鸽方无人机躲避安全区内所有鹰方无人机而产生的总加速度,表示第i架鸽方无人机躲避第j架鹰方无人机而产生的加速度控制增益,RADmin表示鸽方无人机与鹰方无人机的最小安全半径,ke表示躲避力评估系数;
S23、己方防撞
鸽方无人机在运动过程中考虑己方的防撞,设置己方安全距离为Rrep,鸽方无人机之间距离小于Rrep会产生防撞加速度,如下所示;
S24、鸽方无人机运动状态更新
3.根据权利要求1所述的一种基于鹰鸽博弈的无人机群组对抗自主控制方法,其特征在于:所述步骤三的具体过程如下:
S31、就近原则
鹰在对猎物群体攻击时,选择距离自己最近的猎物作为捕食目标,将其映射到鹰方无人机攻击目标选择上,建立数学模型如下;
S32、边缘原则
鹰在对猎物群体攻击时,选择边缘的猎物作为捕食目标,将其映射到鹰方无人机攻击目标选择上,建立数学模型如下;
S33、密集原则
鹰在对猎物群体攻击时,选择位于猎物群体最密集区域的猎物作为捕食目标,将其映射到鹰方无人机攻击目标选择上,建立数学模型如下;
S34、基于概率的目标选择策略
针对上述三原则得到的攻击目标,依概率选择,确定最终的攻击目标;基于概率的目标选择策略如下;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210756900.3A CN115061495B (zh) | 2022-06-30 | 2022-06-30 | 一种基于鹰鸽博弈的无人机群组对抗自主控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210756900.3A CN115061495B (zh) | 2022-06-30 | 2022-06-30 | 一种基于鹰鸽博弈的无人机群组对抗自主控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115061495A true CN115061495A (zh) | 2022-09-16 |
CN115061495B CN115061495B (zh) | 2024-04-30 |
Family
ID=83204668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210756900.3A Active CN115061495B (zh) | 2022-06-30 | 2022-06-30 | 一种基于鹰鸽博弈的无人机群组对抗自主控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115061495B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167899A (zh) * | 2021-12-27 | 2022-03-11 | 北京联合大学 | 一种无人机蜂群协同对抗决策方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040030449A1 (en) * | 2002-04-22 | 2004-02-12 | Neal Solomon | Methods and apparatus for multi robotic system involving coordination of weaponized unmanned underwater vehicles |
CN112269396A (zh) * | 2020-10-14 | 2021-01-26 | 北京航空航天大学 | 一种仿鹰鸽智能博弈的无人机集群协同对抗控制方法 |
CN112783209A (zh) * | 2020-12-31 | 2021-05-11 | 北京航空航天大学 | 一种基于鸽群智能竞争学习的无人机集群对抗控制方法 |
-
2022
- 2022-06-30 CN CN202210756900.3A patent/CN115061495B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040030449A1 (en) * | 2002-04-22 | 2004-02-12 | Neal Solomon | Methods and apparatus for multi robotic system involving coordination of weaponized unmanned underwater vehicles |
CN112269396A (zh) * | 2020-10-14 | 2021-01-26 | 北京航空航天大学 | 一种仿鹰鸽智能博弈的无人机集群协同对抗控制方法 |
CN112783209A (zh) * | 2020-12-31 | 2021-05-11 | 北京航空航天大学 | 一种基于鸽群智能竞争学习的无人机集群对抗控制方法 |
Non-Patent Citations (1)
Title |
---|
赵建霞;段海滨;赵彦杰;范彦铭;魏晨;: "基于鸽群层级交互的有人/无人机集群一致性控制", 上海交通大学学报, no. 09, 28 September 2020 (2020-09-28) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167899A (zh) * | 2021-12-27 | 2022-03-11 | 北京联合大学 | 一种无人机蜂群协同对抗决策方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115061495B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021174765A1 (zh) | 基于多无人机协同博弈对抗的控制系统 | |
CN112269396B (zh) | 一种仿鹰鸽智能博弈的无人机集群协同对抗控制方法 | |
Li et al. | Path planning of unmanned aerial vehicle based on improved gravitational search algorithm | |
Duan et al. | A predator-prey particle swarm optimization approach to multiple UCAV air combat modeled by dynamic game theory | |
US11224815B2 (en) | Method and apparatus for obtaining damage value of attack item in virtual environment, method and apparatus for displaying damage value of attack item in virtual environment, and computer device | |
CN106407596B (zh) | 防空导弹命中毁伤过程建模仿真方法 | |
US20230256341A1 (en) | Auxiliary virtual object control in virtual scene | |
Fuchs et al. | Cooperative defense within a single-pursuer, two-evader pursuit evasion differential game | |
Wang et al. | Multiple UAVs routes planning based on particle swarm optimization algorithm | |
CN114460959A (zh) | 一种基于多体博弈的无人机群协同自主决策方法及装置 | |
CN109709981B (zh) | 一种无人机群竞技对抗方法 | |
CN113741525A (zh) | 基于策略集合maddpg多无人机协同攻防对抗方法 | |
JP2024512345A (ja) | 仮想シーンにおける召喚オブジェクトの制御方法、装置、機器、及びコンピュータプログラム | |
Fu et al. | Alpha C2–an intelligent air defense commander independent of human decision-making | |
CN114397911A (zh) | 一种基于多智能体的无人机集群对抗决策方法 | |
CN114721424A (zh) | 一种多无人机协同对抗方法、系统以及存储介质 | |
CN115061495B (zh) | 一种基于鹰鸽博弈的无人机群组对抗自主控制方法 | |
CN115017759A (zh) | 一种无人机末端自主防御仿真验证平台 | |
CN111202983A (zh) | 虚拟环境中的道具使用方法、装置、设备及存储介质 | |
Biediger et al. | Investigating the survivability of drone swarms with flocking and swarming flight patterns using virtual reality | |
CN116202373A (zh) | 一种无人机自主干扰拦截导弹方法 | |
CN111258332B (zh) | 一种无人机群编队方法 | |
KR101537670B1 (ko) | 항공기 및 탐색기 간의 추적-기만 시뮬레이션 시스템 및 그 방법 | |
CN116068889B (zh) | 一种巡飞弹的饱和攻击方法、装置及存储介质 | |
King et al. | Informal team assignment in a pursuit-evasion game |
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 |