多飞行器协同导控技术

2023-08-02 理论教育版权反馈

【摘要】：针对多飞行器协同任务规划问题，常用的模型有混合整数线性规划模型、多旅行商模型、多车辆路由模型、协同多任务规划模型等。通常采用直接法和间接法对航迹规划非线性最优控制问题进行求解，而采用基于几何学的搜索算法对航迹规划空间几何搜索问题进行求解。因此，相对单飞行器的航迹规划问题，多飞行器的协同航迹规划问题具有约束更多且更为复杂的特点。

多飞行器协同任务规划是指在满足飞行器性能约束、武器载荷和任务载荷能力的条件下，针对有协同要求的多任务需求，根据战场态势来确定出各飞行器的任务执行序列，实现对武器资源的合理分配，以最大化地发挥飞行器协同作战的整体效能，这是实现飞行器协同飞行的关键技术之一。

针对多飞行器协同任务规划问题，常用的模型有混合整数线性规划模型、多旅行商模型、多车辆路由模型、协同多任务规划模型等。从算法的角度，多飞行器协同任务规划算法分为集中式算法和分布式算法两类。集中式算法以其简单、易行的特点得到了广泛应用，主要包括经典整数规划法、智能优化算法。由于经典整数规划法能穷遍整个解空间而获得问题的最优解，因此其在处理小规模问题时具有优势。但是，随着问题规模的增加，解空间是指数级膨胀，时间耗费呈指数增长，导致遍历整个解空间变得不现实。智能优化算法并不直接追求最优解，其用可接受的计算量和时间来获得较为满意的次优解。智能优化算法在处理大规模复杂问题时具有天然优势，近年来得到了大力发展，出现了基于蚁群算法、遗传算法、粒子群算法等的一系列协同任务规划算法。在对多个飞行器进行协同任务规划时，要考虑各飞行器的性能（侦察、攻击等）、威力（如载弹量）、可用过载等约束，除此之外，要满足一个很关键的约束——时序约束，就需解决在规划过程中的“死锁”问题。

多约束条件下多飞行器协同航迹规划是飞行器协同作战的一个重要方向，在某些情况下，对于攻击机动能力有限的目标或固定目标，多飞行器协同作战问题可以具体为始末位置已知、满足作战任务需求（攻击时间、攻击角度需求）、战场威胁回避及飞行器自身性能限制等一系列约束的航迹规划问题。

在对单飞行器进行航迹规划时，通常考虑的约束有地形约束、威胁区约束、飞行器自身的动力学约束，在上述多种约束下，寻找一条能够从起点安全到达终点且航迹最短的轨迹。航迹规划常被处理成两类问题：最优控制问题；空间搜索问题。与此对应的规划算法也分为基于控制论的求解算法、基于几何学的搜索算法。通常采用直接法和间接法对航迹规划非线性最优控制问题进行求解，而采用基于几何学的搜索算法对航迹规划空间几何搜索问题进行求解。当对多个飞行器进行协同航迹规划时，除了考虑地形（威胁）约束、自身动力学约束外，还要考虑协同作战要求形成的约束（例如，要求多个飞行器从不同的角度同时到达目标，就需要多个飞行器满足飞行时间一致、攻击角度满足指定攻击角度的约束），同时要考虑飞行器的个数增多带来的约束（如在航迹规划过程中要避免弹间的碰撞）。因此，相对单飞行器的航迹规划问题，多飞行器的协同航迹规划问题具有约束更多且更为复杂的特点。

多飞行器协同导控技术

相关推荐