CN116202373A - 一种无人机自主干扰拦截导弹方法 - Google Patents

Abstract

本发明公开了一种无人机自主干扰拦截导弹方法，包括如下步骤：S1、通过雷达获取导弹的弹道轨迹，根据弹道轨迹以及要保护的目标计算出每一枚导弹的最佳的拦截位置，称为保护位置；S2、基于改进的人工蜂群算法，进行种群初始化及相关参数设置；S3、雇佣蜂阶段，以每个保护位置为基点，基于最小距离贪婪选择和最大距离最小搜索和选择策略招募雇佣蜂；S4、跟随蜂阶段，跟随蜂根据收益率大小选择要跟随的保护位置；S5、规则迁徙阶段，基于鸟群算法，并改进无人机的飞行路线；S6、侦察蜂阶段，若步骤S3中存在未被招募到的雇佣蜂，则转变为侦察蜂，由侦察蜂产生新的蜜源；S7、判断是否达到预设的终止条件，若是则结束流程，否则返回步骤S3迭代运行。

Description

一种无人机自主干扰拦截导弹方法

技术领域

本发明涉及无人机防空反导技术领域，尤其是涉及一种无人机自主干扰拦截导弹方法。

背景技术

在科技进步的推动下，精确制导技术不断升级改进、更新换代，导弹的命中概率、精度和抗干扰能力越来越高，实战中没有干扰、伪装的目标越来越难生存，给防空反导带来了巨大的挑战。摧毁来袭导弹主要有破片拦截技术、火力齐射压制、防空导弹“多打一”拦截方式等，破片拦截、火力齐射压制拦截作用区域有限，拦截成功概率与火力的密度有关，敌人可操控导弹避开作用区域，防空导弹“多打一”拦截方式性价比不高，有的防空导弹比来袭导弹造价更高，对亚音速导弹有一定成功拦截概率，但对超高音速和智能化导弹成功拦截率不高。

基于防空反导任务需求，部分国家和军队将目光投向无人机集群空中拦截技术，利用大量具有自主作战能力的智能无人机组成作战集群，对目标进行饱和打击和空中拦截已成为未来空战的重要作战样式。目前，在无人机蜂群应对精确制导导弹领域，主要进行无人机规避导弹问题的研究，而在无人机蜂群干扰拦截精确制导方面，目前尚没有成熟的方法。

发明内容

为解决上述背景技术中提出的问题，本发明采取的技术方案为：

一种无人机自主干扰拦截导弹方法，包括如下步骤：

S1、通过雷达获取导弹的弹道轨迹，根据弹道轨迹以及要保护的目标计算出每一枚导弹的最佳的拦截位置，称为保护位置；

S2、基于改进的人工蜂群算法，进行种群初始化及相关参数设置，具体地，将每架无人机视为蜜蜂，每个保护位置视为蜜源，设置无人机的角色及该角色对应的行为，并设置蜂群参数，其中无人机的角色分为雇佣蜂、跟随蜂及侦察蜂，每架无人机的初始角色为雇佣蜂或跟随蜂，以下所述的雇佣蜂、跟随蜂及侦察蜂均指对应角色的无人机；

S3、雇佣蜂阶段，以每个保护位置为基点，基于无人机相对于保护位置的距离来招募雇佣蜂，直到每个保护位置招募到的雇佣蜂均达到预设的最大数量，雇佣蜂预定往被招募的保护位置跟随；

S4、跟随蜂阶段，跟随蜂根据收益率大小选择要跟随的保护位置，跟随蜂预定往选择的保护位置跟随飞行；

S5、规则迁徙阶段，基于鸟群算法，整体分析经过步骤S3和S4处理后的所有无人机的预设飞行路线，并改进无人机的飞行路线；

S6、侦察蜂阶段，若步骤S3中存在未被招募到的雇佣蜂，则转变为侦察蜂，由侦察蜂产生新的蜜源；

S7、判断是否达到预设的终止条件，若是则结束流程，确定所有无人机的最优飞行路线，否则返回步骤S3迭代运行。

在一些实施例中，步骤S2中，进行种群初始化及相关参数设置时，包括无人机数量的设置以及需要干扰拦截的导弹数量的获取，以n表示无人机数量，以m表示需要干扰拦截的导弹数量，相应存在m个保护位置。

在一些实施例中，步骤S3中，具体包括如下步骤：

S31、根据导弹轨迹与要保护的目标之间的位置关系，确定每个导弹的威胁程度，导弹的威胁程度越高，则对应的保护位置的适度值越高，适度值决定该保护位置需要招募的雇佣蜂数量；

S32、基于最小距离搜索，根据每个保护位置与n架无人机之间的相对位置的远近来分配无人机，当任意一个保护位置分配到的无人机数目达到其适度值后，停止该保护位置的搜索；

S33、对于步骤S32中被两个以上保护位置搜索到的无人机，按照最小距离贪婪选择，将该无人机分配到特定的保护位置；

S34、对于未分配到足够无人机的保护位置，扩大搜索范围，继续进行搜索，对于新产生的被两个以上保护位置搜索到的无人机，同样按照步骤S33的方式进行处理，直到所有保护位置分配到的无人机数目均达到其适度值为止。

在一些实施例中，步骤S3中，在步骤S34后还包括如下步骤：

S35、对于任意一个保护位置O_j，找到其相邻的保护位置O_i，其中i＝1,2,...,m；j＝1,2,...,m；i≠j，选出分配到保护位置O_j且距离保护位置O_j最远的无人机x_j，max，并选出分配到保护位置O_i且距离保护位置O_j最近的无人机x_i，min；

S36、计算出无人机x_j，max到达保护位置O_j的距离D_jj和到达保护位置O_i的距离D_ji，并计算出无人机x_i，min到达保护位置O_j的距离D_ij和到达保护位置O_i的距离D_ii；

S37、设置最大距离D_jmax＝max(D_jj,D_ji)，D_imax＝max(D_ii,D_ij)，将两个无人机分配保护位置进行交叉并贪婪选择，若D_jmax≤D_imax，则保护位置选择不变，若D_imax＜D_jmax，则无人机x_j，max和x_i，min的分配保护位置交叉互换；

S38、重复步骤S35-S37的流程，直到所有作为雇佣蜂的无人机选择分配方案的最大飞行距离达到最小状态。

在一些实施例中，步骤S5中，基于鸟群算法，将每个保护位置视为对应的无人机的集结中心，使距离越近的无人机越优先飞向保护位置；

同时，预设安全距离，对于每架无人机，自动检测在其飞行路线中的安全距离内的障碍物，并从整体上调整每架无人机的飞行路线，使得无人机飞行时自动避开障碍物并互不干扰。

在一些实施例中，步骤S7中，预设的终止条件包括迭代次数以及每个保护位置的拦截度；

拦截度由该保护位置招募的角色为雇佣蜂的无人机数量、每架无人机的拦截面积与相对距离决定，其中拦截面积为无人机在导弹飞行轨迹垂直平面上的投影面积，相对距离为无人机相对于导弹飞行轨迹的垂直距离；

每个保护位置对应的雇佣蜂越多、拦截面积越大、相对距离越小，则拦截度越高；

当迭代次数达到预设值，且每个保护位置均达到预设的要求，则结束流程，确定所有无人机的最优飞行路线。

与现有技术相比，本发明的有益效果是：

本发明提供的无人机自主干扰拦截导弹方法，改进了传统的人工蜂群算法，并在规则迁徙阶段结合鸟群算法，能够实现无人机自主干扰拦截导弹的同时，有效减少无人机飞行路径消耗和部署时间，且算法稳定性好。

附图说明

图1为本发明提供的无人机自主干扰拦截导弹方法的流程图；

图2为一个具体实施例中的试验场景示意图；

图3a与图3b为不同的算法的性能对比图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图和具体实施方式，进一步阐述本发明是如何实施的。

参照图1所示，本发明提供了一种无人机自主干扰拦截导弹方法，包括如下步骤：

S1、通过雷达获取导弹的弹道轨迹，根据弹道轨迹以及要保护的目标计算出每一枚导弹的最佳的拦截位置，称为保护位置；

S2、基于改进的人工蜂群算法，进行种群初始化及相关参数设置，具体地，将每架无人机视为蜜蜂，每个保护位置视为蜜源，设置无人机的角色及该角色对应的行为，并设置蜂群参数，其中无人机的角色分为雇佣蜂、跟随蜂及侦察蜂，每架无人机的初始角色为雇佣蜂或跟随蜂，以下所述的雇佣蜂、跟随蜂及侦察蜂均指对应角色的无人机；

S3、雇佣蜂阶段，以每个保护位置为基点，基于无人机相对于保护位置的距离来招募雇佣蜂，直到每个保护位置招募到的雇佣蜂均达到预设的最大数量，雇佣蜂预定往被招募的保护位置跟随；

S4、跟随蜂阶段，跟随蜂根据收益率大小选择要跟随的保护位置，跟随蜂预定往选择的保护位置跟随飞行；

S5、规则迁徙阶段，基于鸟群算法，整体分析经过步骤S3和S4处理后的所有无人机的预设飞行路线，并改进无人机的飞行路线；

S6、侦察蜂阶段，若步骤S3中存在未被招募到的雇佣蜂，则转变为侦察蜂，由侦察蜂产生新的蜜源；

S7、判断是否达到预设的终止条件，若是则结束流程，确定所有无人机的最优飞行路线，否则返回步骤S3迭代运行。

进一步地，步骤S2中，进行种群初始化及相关参数设置时，包括无人机数量的设置以及需要干扰拦截的导弹数量的获取，以n表示无人机数量，以m表示需要干扰拦截的导弹数量，相应存在m个保护位置。

蜜蜂是一种群居性昆虫，群体组成有工蜂、雄蜂、蜂王三种形态，单个蜜蜂行为简单，包括采集花蜜、繁殖、哺育、守卫蜂巢、保护蜂王等行为，由多个简单的个体行为组成群体的行动，通过各自明确分工和团结协作，共同维护蜂群的繁衍和生存。蜂群能快速适应环境的改变，以极高的效率从食物源中采集花蜜。人工蜂群算法(Artificial Bee Colony,ABC)模拟蜂群分工协作采蜜行为，通过工蜂对蜜源价值探知、位置信息的侦察、蜂群间相互信息的交换、蜜蜂个体行为决策实现蜜源侦察采集的过程。

采用ABC算法进行干扰拦截来袭导弹任务，是以无人机与保护位置的相对距离为最小搜索模型，总体呈现逐个招募无人机的样式，表现为无序状态，同时容易陷入局部最优解，对于求解多个无人机应用到多目标分配问题还需进一步优化。

优选地，步骤S3中，具体包括如下步骤：

S31、根据导弹轨迹与要保护的目标之间的位置关系，确定每个导弹的威胁程度，导弹的威胁程度越高，则对应的保护位置的适度值越高，适度值决定该保护位置需要招募的雇佣蜂数量；

S32、基于最小距离搜索，根据每个保护位置与n架无人机之间的相对位置的远近来分配无人机，距离越近的无人机越容易被选择，当任意一个保护位置选择到的无人机数目达到其防护度要求后，停止该保护位置的搜索；

S33、对于步骤S32中被两个以上保护位置选择的无人机，按照最小距离进行贪婪选择，距保护位置距离越小越容易被选中；

S34、对于未分配到足够无人机的保护位置，扩大搜索范围，继续进行搜索，对于新产生的被两个以上保护位置搜索到的无人机，同样按照步骤S33的方式进行处理，直到所有保护位置分配到的无人机数目均达到其适度值为止。

进一步地，在步骤S34后还包括如下步骤：

S35、对于任意一个保护位置O_j，找到其相邻的保护位置O_i，其中i＝1,2,…,m；j＝1,2,…,m；i≠j，选出分配到保护位置O_j且距离保护位置O_j最远的无人机x_j，max，并选出分配到保护位置O_i且距离保护位置O_j最近的无人机x_i，min；

S36、计算出无人机x_j，max到达保护位置O_j的距离D_jj和到达保护位置O_i的距离D_ji，并计算出无人机x_i，min到达保护位置O_j的距离D_ij和到达保护位置O_i的距离D_ii；

S37、设置最大距离D_jmax＝max(D_jj,D_ji)，D_imax＝max(D_ii,D_ij)，将两个无人机分配保护位置进行交叉并贪婪选择，若D_jmax≤D_imax，则保护位置选择不变，若D_imax＜D_jmax，则无人机x_j，max和x_i，min的分配保护位置交叉互换；

S38、重复步骤S35-S37的流程，直到所有作为雇佣蜂的无人机选择分配方案的最大飞行距离达到最小状态。

通过上述的步骤S31-S38，能够使最大飞行距离达到最小状态，总而从整体上获得了更优的结果，能够改善采用传统的人工蜂群算法容易陷入局部最优解的问题。

鸟群算法(Bird SwarmAlgorithm,BSA)是根据自然界中鸟群觅食、警觉和迁移等行为提出的生物启发式算法，该算法的主要特点是分散搜索、保持种群多样性、避免陷入局部最优解。

优选地，步骤S5中，基于鸟群算法，将每个保护位置视为对应的无人机的集结中心，使距离越近的无人机越优先飞向保护位置；

同时，预设安全距离，对于每架无人机，自动检测在其飞行路线中的安全距离内的障碍物，从整体上调整每架无人机的飞行路线，使得无人机飞行时自动避开障碍物并互不干扰，并按照S31-S38步骤再次优选，进一步优化完成任务部署时间。

本发明在改进的人工蜂群算法的基础上，结合鸟群算法，能够避免陷入局部最优解，实现整体寻优，算法稳定性强，并且使无人机的飞行保持有续，避免陷入混乱，还能实现自动避障。

进一步地，步骤S7中，预设的终止条件包括迭代次数以及每个保护位置的拦截度；拦截度由该保护位置招募的角色为雇佣蜂的无人机数量、每架无人机的拦截面积与相对距离决定，其中拦截面积为无人机在导弹飞行轨迹垂直平面上的投影面积，相对距离为无人机相对于导弹飞行轨迹的垂直距离；每个保护位置对应的雇佣蜂越多、拦截面积越大、相对距离越小，则拦截度越高；当迭代次数达到预设值，且每个保护位置均达到预设的要求，则结束流程，确定所有无人机的最优飞行路线。

本发明通过定义拦截度，来对干扰拦截效果进行评估，能有效保证最终的干扰拦截效果。当然，步骤S7中预设的终止条件也可不限于上述的迭代次数及拦截度，根据实际情况，可灵活设置不同的评判标准，只要能保证无人机最终的干扰拦截效果即可。

在一个具体实施例中，为了验证本发明提供的无人机自主干扰拦截导弹方法的效果，进行仿真试验。以下将本发明提供的算法称为自保护蜂群算法(Self-protectionArtificial Bee Colony，SPABC)，并与采用前述的传统的人工蜂群算法(Artificial Bee Colony,ABC)及鸟群算法(Bird SwarmAlgorithm,BSA)的场景相对比。

参照图2所示，设置在100km×100km战场环境中有1处重点要害目标面临敌方精确制导火力袭击，侦察发现有4枚导弹将袭击目标，雷达探测精度为0.3°，雷达预警距离为300km，拦截保护位置距离目标500m，导弹飞行速度20马赫，现有36架无人机对重点目标实施警戒保护任务，无人机编码从1依次到36，每架无人机最大飞行速度20m/s，展开后防护面积4m²，展开时间2s，飞行中安全距离1m，悬停时安全距离0.3m。为便于计算，设定在高度为30m的水平面进行仿真，重点目标坐标为(2000，2000)。分别进行两组试验。

在第一组试验中，平时状态，36架无人机按编码序列以6×6队形部署，其中1号无人机部署位置坐标(2000，2000)，其余无人机以间隔2m展开，36号无人机的坐标为(2010，1990)，模拟敌4枚导弹向重要目标实施精确制导打击，由系统计算出的干扰拦截位置，通过仿真在SPABC算法、ABC算法和BSA算法分别进行处理。将三种算法仿真运算后无人机飞行的平均距离、最大距离和完成部署时间进行对比，仿真结果如表1所示。

表1

由表1可以得出，三种算法均能有效分配适当数量的无人机对导弹实施干扰拦截，验证所提算法的可行性。表1反映的是在无人机相对集中时，检验最佳干扰拦截效果时三种算法的性能，表中可以看出三种算法整体性能比较接近，从平均飞行路径、完成部署时间上看，SPABC算法路径消耗最小，部署时间最短。

在第二组试验中，战时状态，模拟经过一轮袭击，36架无人机执行了一轮干扰拦截任务后保持战场空间巡飞状态，仿真结果如表2所示。

表2

可见，无人机蜂群在集中部署和随机部署两种状态下，防护度值设置在最高时，SPABC算法的部署时间、平均飞行路径明显小于ABC算法、BSA算法，ABC算法平均飞行路径小于BSA算法，但部署时间明显大于BSA算法，说明ABC算法运算中存在个别无人机飞行路径过大导致局部解溢出情况。

再参照图3a和图3b所示，反映的是干扰拦截度与无人机蜂群平均飞行路径和部署时间的关系，图中可以看出，拦截度越高所需无人机越多，部署的时间越长，拦截度超过0.78时ABC算法的部署时间大幅度增加，存在个别无人机飞行路径过大的情况，说明ABC算法容易陷入局部最优解，三种算法中SPABC算法随拦截度增加部署时间平稳增加，部署时间和平均飞行路径在三种算法中始终处于最优状态，验证了SPABC算法整体性能最优。

目前，精确制导精准打击已成为现代战争先发制敌的有效手段，贯穿于战争中各个环节，综合无人机蜂群多样化作战性能，将无人机蜂群引入到末端防空反导具有重要意义。本发明针对无人机蜂群干扰拦截导弹问题进行研究，通过无人机蜂群形成有效干扰区域和拦截阵面，同时针对导弹的高速飞行速度，利用无人机机动灵活性能提高干扰拦截时间，建立了有效的干扰拦截作战模型。针对ABC算法容易陷入局部最优解问题，将ABC算法和BSA算法引入到干扰拦截导弹问题，提出SPABC算法，强化无人机蜂群整体搜索和寻优能力。仿真结果表明，将SPABC算法引入无人机蜂群干扰拦截导弹任务是有效的算法，在整体寻优和稳定性上有较好的表现，能减少无人机飞行路径消耗和部署时间，为将无人机蜂群应用于末端干扰拦截导弹提供了一种新的解决方案。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围中。

Claims (6)

1.一种无人机自主干扰拦截导弹方法，其特征在于，包括如下步骤：

S1、通过雷达获取导弹的弹道轨迹，根据弹道轨迹以及要保护的目标计算出每一枚导弹的最佳的拦截位置，称为保护位置；

S2、基于改进的人工蜂群算法，进行种群初始化及相关参数设置，具体地，将每架无人机视为蜜蜂，每个保护位置视为蜜源，设置无人机的角色及该角色对应的行为，并设置蜂群参数，其中无人机的角色分为雇佣蜂、跟随蜂及侦察蜂，每架无人机的初始角色为雇佣蜂或跟随蜂，以下所述的雇佣蜂、跟随蜂及侦察蜂均指对应角色的无人机；

S3、雇佣蜂阶段，以每个保护位置为基点，基于无人机相对于保护位置的距离来招募雇佣蜂，直到每个保护位置招募到的雇佣蜂均达到预设的最大数量，雇佣蜂预定往被招募的保护位置跟随；

S4、跟随蜂阶段，跟随蜂根据收益率大小选择要跟随的保护位置，跟随蜂预定往选择的保护位置跟随飞行；

S5、规则迁徙阶段，基于鸟群算法，整体分析经过步骤S3和S4处理后的所有无人机的预设飞行路线，并改进无人机的飞行路线；

S6、侦察蜂阶段，若步骤S3中存在未被招募到的雇佣蜂，则转变为侦察蜂，由侦察蜂产生新的蜜源；

S7、判断是否达到预设的终止条件，若是则结束流程，确定所有无人机的最优飞行路线，否则返回步骤S3迭代运行。

2.根据权利要求1所述的无人机自主干扰拦截导弹方法，其特征在于，步骤S2中，进行种群初始化及相关参数设置时，包括无人机数量的设置以及需要干扰拦截的导弹数量的获取，以n表示无人机数量，以m表示需要干扰拦截的导弹数量，相应存在m个保护位置。

3.根据权利要求2所述的无人机自主干扰拦截导弹方法，其特征在于，步骤S3中，具体包括如下步骤：

S31、根据导弹轨迹与要保护的目标之间的位置关系，确定每个导弹的威胁程度，导弹的威胁程度越高，则对应的保护位置的适度值越高，适度值决定该保护位置需要招募的雇佣蜂数量；

S32、基于最小距离搜索，根据每个保护位置与n架无人机之间的相对位置的远近来分配无人机，当任意一个保护位置分配到的无人机数目达到其适度值后，停止该保护位置的搜索；

S33、对于步骤S32中被两个以上保护位置搜索到的无人机，按照最小距离贪婪选择，将该无人机分配到特定的保护位置；

S34、对于未分配到足够无人机的保护位置，扩大搜索范围，继续进行搜索，对于新产生的被两个以上保护位置搜索到的无人机，同样按照步骤S33的方式进行处理，直到所有保护位置分配到的无人机数目均达到其适度值为止。

4.根据权利要求3所述的无人机自主干扰拦截导弹方法，其特征在于，步骤S3中，在步骤S34后还包括如下步骤：

S35、对于任意一个保护位置O_j，找到其相邻的保护位置O_i，其中i＝1,2,...,m；j＝1,2,...,m；i≠j，选出分配到保护位置O_j且距离保护位置O_j最远的无人机x_j，max，并选出分配到保护位置O_i且距离保护位置O_j最近的无人机x_i，min；

S36、计算出无人机x_j，max到达保护位置O_j的距离D_jj和到达保护位置O_i的距离D_ji，并计算出无人机x_i，min到达保护位置O_j的距离D_ij和到达保护位置O_i的距离D_ii；

S37、设置最大距离D_jmax＝max(D_jj,D_ji)，D_imax＝max(D_ii,D_ij)，将两个无人机分配保护位置进行交叉并贪婪选择，若D_jmax≤D_imax，则保护位置选择不变，若D_imax＜D_jmax，则无人机x_j，max和x_i，min的分配保护位置交叉互换；

S38、重复步骤S35-S37的流程，直到所有作为雇佣蜂的无人机选择分配方案的最大飞行距离达到最小状态。

5.根据权利要求4所述的无人机自主干扰拦截导弹方法，其特征在于，步骤S5中，基于鸟群算法，将每个保护位置视为对应的无人机的集结中心，使距离越近的无人机越优先飞向保护位置；

同时，预设安全距离，对于每架无人机，自动检测在其飞行路线中的安全距离内的障碍物，并从整体上调整每架无人机的飞行路线，使得无人机飞行时自动避开障碍物并互不干扰。

6.根据权利要求5所述的无人机自主干扰拦截导弹方法，其特征在于，步骤S7中，预设的终止条件包括迭代次数以及每个保护位置的拦截度；

拦截度由该保护位置招募的角色为雇佣蜂的无人机数量、每架无人机的拦截面积与相对距离决定，其中拦截面积为无人机在导弹飞行轨迹垂直平面上的投影面积，相对距离为无人机相对于导弹飞行轨迹的垂直距离；

每个保护位置对应的雇佣蜂越多、拦截面积越大、相对距离越小，则拦截度越高；

当迭代次数达到预设值，且每个保护位置均达到预设的要求，则结束流程，确定所有无人机的最优飞行路线。

Images