无人机双机空战对抗侧向机动路径规划

doi:10.3969/j.issn.1009-086x.2022.03.015

摘要/Abstract

摘要：

无人机自主决策能力的不足一直是制约无人机进入空战对抗领域的主要因素。在已有的大量研究中，主要是采用构建动作库和机器学习算法的方式实现无人机的空战机动决策。但对无人机训练的品质会极大影响机动决策的效果。使用启发式算法构建无人机侧向机动对抗的攻击路径可摆脱对训练库的依赖，且未来可拓展性强，便于优化。基于A-star算法，构建了一种适用于无人机中距空战侧向机动决策的路径规划算法，算法可进行位置和速度规划。通过对双机协同策略的制定，设计了无人机双机对抗中的目标分配算法，可将无人机的单机对抗拓展至双机对抗的情景。通过仿真试验，验证了算法在达成战术效果和决策效率方面的可行性。

关键词: 无人机, 空战对抗, A-star算法, 路径规划, 速度规划

Abstract:

The lack of autonomous decision-making ability of UAV has always been the main factor restricting UAV to enter the field of air combat. In a large number of existing research， action store combined with machine learning algorithm is mainly used to realize UAV air combat maneuver decision. However， the quality of UAV training will greatly affect the effect of maneuver decision. Using heuristic algorithm to construct the attack path of UAV lateral maneuver can get rid of the dependence on training method， and has strong expansibility in the future， which is easy to optimize. Based on the A-star algorithm， a path planning algorithm for UAV lateral maneuver decision-making in medium range air combat is proposed. The algorithm can plan position and speed of UAV. Through the formulation of the two aircraft cooperation strategy， the target allocation algorithm in the two UAV is designed， which can expand the UAV single aircraft confrontation to the scenario of two aircraft confrontation. Through the simulation experiment， the feasibility of the algorithm in achieving tactical effect and decision efficiency is verified.

Key words: unmanned aerial vehicl （UAV）, air combat, A-star algorithm, path planning, speed planning

中图分类号:

V279

孙丰础, 甘旭升. 无人机双机空战对抗侧向机动路径规划[J]. 现代防御技术, 2022, 50(3): 109-118.

Feng-chu SUN, Xu-sheng GAN. Lateral Maneuver Path Planning of Two UAV Formation Air Combat[J]. Modern Defense Technology, 2022, 50(3): 109-118.

图/表 14

图1 敌机威胁态势图

Fig.1 Enemy threat situation map

图2 A-star算法流程图

Fig.2 A-star algorithm flow chart

图3 动态栅格环境图

Fig.3 Dynamic grid environment map

图4 无人机侧向机动状态转移规则

Fig. 4 UAV lateral maneuvering state transfer rules

图5 无人机路径引导点示意图

Fig.5 Schematic diagram of UAV path guidance points

图6 无人机空战对抗战术决策流程

Fig.6 UAV air combat tactical decision process

图7 无人机目标分配协同决策流程

Fig.7 Collaborative decision-making process for drone target allocation

图8 无人机双机对抗决策更新流程

Fig.8 UAV dual-aircraft confrontation decision update process

表1 无人机空战仿真参数设置

Table 1 UAV air combat simulation parameter setting

参数名	数值
UAV位置/km	（400，100）
敌机位置/km	（100，400）
UAV初始速度/（km·s^-1）	0.25
敌机速度/（km·s^-1）	0.22
UAV栅格位置	（250，225）
敌机栅格位置	（250，275）
栅格大小	500×500
$V u a v m a x$ /（km·s^-1）	0.67
$V u a v m i n$ /（km·s^-1）	0.055 6
$C d$	1
$C f$	25 000
$C e$	15 000
$C v f$	500
$C v e$	500
$C v l$	20
$C v c$	500
$C v a$	800
$C v m a x$	500
$C v m i n$	500
$θ 1$ /rad	$5 π / 6$
敌机火控雷达照射角度/（°）	60
敌机火控雷达工作距离/km	90
敌机干扰吊舱照射角度/（°）	60~120
敌机干扰吊舱工作距离/km	90

表1 无人机空战仿真参数设置

Table 1 UAV air combat simulation parameter setting

参数名	数值
UAV位置/km	（400，100）
敌机位置/km	（100，400）
UAV初始速度/（km·s^-1）	0.25
敌机速度/（km·s^-1）	0.22
UAV栅格位置	（250，225）
敌机栅格位置	（250，275）
栅格大小	500×500
$V u a v m a x$ /（km·s^-1）	0.67
$V u a v m i n$ /（km·s^-1）	0.055 6
$C d$	1
$C f$	25 000
$C e$	15 000
$C v f$	500
$C v e$	500
$C v l$	20
$C v c$	500
$C v a$	800
$C v m a x$	500
$C v m i n$	500
$θ 1$ /rad	$5 π / 6$
敌机火控雷达照射角度/（°）	60
敌机火控雷达工作距离/km	90
敌机干扰吊舱照射角度/（°）	60~120
敌机干扰吊舱工作距离/km	90

图9 无人机单机空战航迹

Fig.9 Single drone air combat track

图10 无人机速度变化曲线

Fig.10 UAV speed curve

图11 无人机机动决策耗时曲线

Fig.11 UAV maneuvering decision time-consuming curve

图12 无人机加速度变化曲线

Fig.12 UAV acceleration change curve

图13 无人机双机空战对抗航迹

Fig.13 UAV dual-aircraft combat confrontation track

参考文献 19

1	ZHOU K， WEI R X， XU Z F， et al. A Brain Like Air Combat Learning System Inspired by Human Learning Mechanism［C］// IEEE/CSAA Guidance， Navigation and Control Conference， 2018： 286-293.
2	University of Cincinnati ． New Artificial Intelligence Beats Tactical Experts in Combat Simulation ［EB/OL］. （2016-06-27）［2018-11-15］..
3	康冰，王曦辉，刘富. 基于改进蚁群算法的搜索机器人路径规划［J］. 吉林大学学报（工学版）， 2014， 44（4）： 1062-1068.
	KANG Bing， WANG Xi-hui， LIU Fu， et al. Path Planning of Searching Robotbased on Improved Algorithm［J］. Journal of Jilin University （Engineering and Technology Edition）， 2014， 44（4）： 1062-1068.
4	张涛，于雷，周中良，等. 基于混合算法的空战机动决策［J］. 系统工程与电子技术， 2013， 35（7）： 1445-1450.
	ZHANG Tao， YU Lei， ZHOU Zhong-liang， et al. Decision-making for Air Combat Maneuvering Based on Hybrid Algorithm［J］. Systems Engineering and Electronics， 2013， 35（7）： 1445-1450.
5	张宏鹏，黄长强，轩永波，等．基于深度神经网络的无人作战飞机自主空战机动决策［J］．兵工学报，2020，41（8）： 1613-1622.
	ZHANG Hong-peng， HUANG Chang-qiang， XUAN Yong-bo， et al. Maneuver Decision of Autonomous Air Combat of Unmanned Combat Aerial Vehicle Based on Deep Neural Network［J］. Acta Armamentarii，2020，41（8）： 1613-1622.
6	左家亮，杨任农，张滢，等. 基于启发式强化学习的空战机动智能决策［J］. 航空学报，2017，38（10）： 321168.
	ZUO Jia-liang， YANG Ren-nong， ZHANG Ying， et al. Intelligent Decision-Making in Air Combat Maneuvering Based on Heuristic Reinforcement Learning［J］. Acta Aeronautica et Astronautica Sinica， 2017， 38（10）： 321168.
7	傅莉，谢怀福，孟光磊，等. 基于滚动时域的无人机空战决策专家系统［J］.北京航空航天大学学报， 2015， 41 （11）： 1994-1999.
	FU Li， XIE Huai-fu， MENG Guang-lei， et al. An UAV Air-Combat Decision Expert System Based on Receding Horizon Control［J］. Journal of Beijing University of Aeronautics and Astronautics， 2015， 41 （11）：1994-1999．
8	AUSTIN F， CARBONE G， FALCO M， et al. Game Theory for Automated Maneuvering During Air-to-Air Combat［J］. Journal of Guidance， 1990， 13（6）： 1143-1149．
9	李世豪，丁勇，高振龙. 基于直觉模糊博弈的无人机空战机动决策［J］. 系统工程与电子技术， 2019， 41（5）： 1063-1070．
	LI Shi-hao， DING Yong， GAO Zhen-long. UAV Air Combat Maneuvering Decision Based on Intuitionistic Fuzzy Game Theory［J］. Systems Engineering and Electronics， 2019， 41（5）： 1063-1070．
10	HUANG C Q， DONG K S， HUANG H Q， et al. Autonomous Air Combat Maneuver Decision Using Bayesian Inference and Moving Horizon Optimization［J］. Journal of Systems Engineering and Electronics， 2008， 29（1）： 86-97.
11	XUAN Y B， HUANG C Q， LI W X. Air Combat Situation Assessment by Gray Fuzzy Bayesian Network［J］. Applied Mechanics and Materials， 2011， 69： 114-119.
12	嵇慧明，余敏建，乔新航，等. 改进BAS-TIMS算法在空战机动决策中的应用［J］. 国防科技大学学报， 2020， 42（4）： 123-133.
	JI Hui-ming， YU Min-jian， QIAO Xin-hang， et al. Application of the Improved BAS-TIMS Algorithm in Air Combat Maneuver Decision［J］. Journal of National University of Defense Technology， 2020， 42（4）： 123-133.
13	王昱，章卫国，傅莉，等. 基于鲁棒优化的无人机空战博弈决策［J］. 系统工程与电子技术， 2015， 37（11）： 2531-2535．
	WANG Yu， ZHANG Wei-guo， FU Li， et al. Game Decision-Making of UAV Aerial Combat Based on Robust Optimization［J］. Systems Engineering and Electronics， 2015， 37（11）： 2531-2535．
14	谢建峰，杨啟明，戴树岭，等. 基于强化遗传算法的无人机空战机动决策研究［J］. 西北工业大学学报， 2020， 38 （6）： 1330-1338.
	XIE Jian-feng， YANG Qi-ming， DAI Shu-ling， et al. Air Combat Maneuver Decision Based on Reinforcement Genetic Algorithm［J］. Journal of Northwestern Polytechnical University， 2020， 38 （6）： 1330-1338.
15	韩统，崔明朗，张伟，等．多无人机协同空战机动决策［J］. 兵器装备工程学报， 2020，41（4）：117-123.
	HAN Tong， CUI Ming-lang， ZHANG Wei， et al. Multi-UCAV Cooperative Air Combat Maneuvering Decision［J］. Journal of Ordnance Equipment Engineering， 2020，41（4）：117-123.
16	吴健. 基于A-star改进路径规划算法研究［D］.合肥：安徽工业大学，2019.
	WU Jian. Research on Improved Path Planning Algorithm Based on A-Star［D］. Hefei： Anhui University of Technology， 2019.
17	张晓熠. 融合动态窗口法与A*算法的港口AGV路径规划方法研究［D］. 北京：北京交通大学，2019.
	ZHANG Xiao-yi. Research on Port AGV Path Planning Method Based on Dynamic Window Approach Integrated with A* Algorithm［D］. Beijing： Beijing Jiaotong University， 2019.
18	魏潇龙，姚登凯，戴喆，等. 基于路径规划的无人机飞行冲突解脱技术［J］.火力指挥与控制， 2016， 41（10）： 48-58.
	WEI Xiao-long， YAO Deng-kai， DAI Zhe， et al. UAV Flight Conflict Resolution Technology Based on Path Planning［J］. Fire Control & Command Control， 2016， 41（10）： 48-58.
19	吕爱红，张雅丽，吴付威，等. 驾驶人应激反应能力评估方法［J］.交通信息与安全，2018，36（4）：15-21.
	Ai-hong LÜ， ZHANG Ya-li， WU Fu-wei， et al. An Evaluation Model for Stress Response of Drivers［J］. Journal of Transport Information and Safety， 2018， 36（4）：15-21.

[1]	王瑞杰, 王得朝, 丰璐, 赵正党, 陈浙梁. 国外无人机蜂群作战样式进展及反蜂群策略研究[J]. 现代防御技术, 2023, 51(4): 1-9.
[2]	李碧燕, 胡顺. 基于方向信息的无人机群编队控制算法[J]. 现代防御技术, 2023, 51(2): 55-61.
[3]	阎哲, 汪民乐, 汪江鹏, 吴丰轩, 闫少强. 带时间窗的海军航空兵场站特种保障车辆调度问题[J]. 现代防御技术, 2022, 50(6): 117-123.
[4]	王文涛, 甘旭升, 吴亚荣, 任谨慎, 王翠香. 考虑不确定性的低空无人机运行风险评估方法[J]. 现代防御技术, 2022, 50(5): 14-21.
[5]	宋占福, 赵全习, 胡文志, 黄懿. 无人机支援地面防空作战研究[J]. 现代防御技术, 2022, 50(5): 22-27.
[6]	周方宇, 周洁, 陈超波, 高嵩. 基于克隆免疫决策的无人机集群协同探测跟踪[J]. 现代防御技术, 2022, 50(5): 93-105.
[7]	董康生, 胡伟波, 沈雁鸣, 唐上钦. 美军无人空战装备智能化发展动态及启示[J]. 现代防御技术, 2022, 50(4): 28-37.
[8]	刘玄冰, 周绍磊, 肖支才, 祁亚辉, 代飞扬. 固定翼无人机航迹跟踪抗风性研究[J]. 现代防御技术, 2022, 50(1): 41-47.
[9]	刘群, 杨昭, 周传霞. 某型旋翼无人机极限风速下运动失稳及失能特性研究[J]. 现代防御技术, 2022, 50(1): 19-24.
[10]	黄沛, 曹国辉, 张海晶, 张钧杰. 小型侦察无人机任务能力及拒止距离分析[J]. 现代防御技术, 2022, 50(1): 1-6.
[11]	陈君一, 杨健. 通信对抗无人机集群侦察区域规划规则研究[J]. 现代防御技术, 2022, 50(1): 54-59.
[12]	马特, 郑致远, 赵军虎. 分布式多无人机编队控制与博弈算法研究[J]. 现代防御技术, 2021, 49(5): 45-50.
[13]	李勇, 李树豪, 党利. 基于鲁棒H_∞控制的无人机纵向自动驾驶仪设计[J]. 现代防御技术, 2021, 49(5): 32-44.
[14]	黄祥, 徐静, 都晨, 郭昭艺, 吴涛. 一种无人机辐射源调制样式识别算法[J]. 现代防御技术, 2021, 49(3): 98-104.
[15]	吴静, 蔡海锋, 刘俊良. 纳卡地区冲突无人机攻防运用分析及地空反无人对策建议[J]. 现代防御技术, 2021, 49(3): 13-20.