智能无人机集群技术概述

　　【摘 要】通过无人集群技术来源的描述，介绍了部分国内外先进的无人机集群项目，重点阐述相关项目的发展目的和特点，分析了现阶段智能无人机集群发展的关键技术，主要包括环境感知与认识、多机协同任务规划与决策、信息交互与自主控制、人机智能融合与自适应学习，最后对智能无人机集群未来作战应用提出展望。

　　无人机 （Unmanned Aerial Vehicle，UAV）诞生于 20世纪初第一次世界大战期间，其研制目的是为了减少飞机的失事和飞行员的牺牲，进而可以实现远程无人攻击[1]。进入21世纪随着科学技术的进步，无人机技术和产业得到快速发展，已经广泛应用于各领域。军事方面可以完美的替代有人机去执行4D任务 （枯燥乏味、环境恶劣、危险性高、深入敌方；Dull,Dirty,Dangerous and Deep）[2]。民用方面更是为广泛应用于农业、工业、服务行业等各领域，如农药喷洒、火灾救援、地质勘探、考古探险、物流运输等。

　　智能集群 （Swarm Intelligence）的研究起始于 1959年法国生物学家PierrePaul Grasse[3]，研究发现昆虫之间存在高度结构化组织完成远远超出个体能力的复杂任务，蚁群的工作模式就是这种智能机群的经典代表，它们通过单体之间简单的相互沟通协调，表现出大规模集群的智能行为。通过对昆虫间智能集群行为的探索逐渐涌现了诸多智能集群算法[4]，如蚁群算法（Ant Colony System,ACS）和粒子群优化算法(Particle Swarm Optimization,PSO)。智能无人机集群就是基于生物集群行为，以单个无人机间通过彼此的感知交互、信息传递、协同工作在险恶的环境下可以低成本完成多样性的复杂任务。

　　通过单体之间的紧密协作，体现智能无人机集群体作战性能的优越性，世界各国均致力开展智能无人机集群的研究，已经成为无人机领域的一个重要发展方向。美国通过国防高级研究局 （Defense Advanced Research Projects Agency,DARPA）和海军研究实验室（United States Naval Research Laborator,NRL）等机构全力探究无人机集群最新技术，应用于军事发展，以保证其全球军事技术领先。目前典型的无人机集群技术有：小精灵（Gremlins）项目、拒止环境中协同作战项目（CODE）、“山鹑”（Perdix）微型无人机项目、低成本无人机集群技术项目(LOCUST)等[5-7]，其主要特点如表1所示。

　　2015年8月，DARPA在前期工作基础上宣布启动一个旨在实现空中可回收无人系统的“小精灵”项目，如图1所示。该项目的目标是研究低成本的无人机群，以高效、快速替代的方式搭载情报、监视、侦察（ISR）等任务载荷，同时在载机平台（运输机、轰炸机等）中开发一个可以空中实现无人机集群快速发射和回收的装置，使得未来的作战飞机可以快速部署廉价、可重复使用的无人机集群，并进行概念验证飞行演示。集群可以通过载机平台的指挥控制及之间内部信息协同共享，突破敌方防御系统，快速展开任务执行计划，任务完成后进行回收。

　　2014年，DARPA提出 “拒止环境中协同作战”(Collaborative Operations in Denied Environment,CODE)项目。CODE项目旨在搭建一套包含编队协同算法的模块化软件系统，可以适应带宽限制和通信干扰等恶劣电磁环境，降低对地面指挥与操作人员的认知负担。利用合理的方式将各类功能载荷集成到无人机集群编队中，在单一平台功能受损的情况下集群仍可以有序的执行任务，这种灵活性可以提高任务执行效率，降低无人机系统开发时间和成本。该项目目标是发展无人机协同作战的自主能力，集群编队利用信息共享的方式充分利用每一架无人机优势，通过协同算法扩展无人机的任务类别，提高智能自主能力，最后形成一套智能集群无人机协同作战体系架构。

　　美国国防部战略能力办公室（SCO）主导了“山鹑”（Perdix）微型无人机高速发射演示项目。2014年9月，SCO首次利用F-16战机开展“山鹑”无人机空中发射试验。2015年 6月 SCO又在“北方边界”演习中，利用 F-16开展了一系列“山鹑”无人机空中发射与编队试验，验证了无人机在空中相互通信并自主组成集群编队的能力。2017年1月，美国采用三架 F/A-18战斗机释放出103架Perdix无人机，集群间共享信息进行决策，相互协调行动，很好的展示了先进的群体行为和相互协调能力，如集体决策、编队飞行等，由于这种微型无人机可以躲避防空系统，能用来执行侦察任务。

　　2015年4月美国海军研究办公室公布了关于低成本无人机集群技术(Low-Cost UAV Swarming Technology,LOCUST)项目的研究状况，海军于2016年4月实现了30架郊狼无人机的快速发射和完全自主编队飞行技术验证。该项目旨在快速发释放大量小型无人机，通过自适应组网及自主协同技术，携带各类侦查与攻击载荷，在数量上以绝对压倒性的优势赢得战争。LOCUST项目发展了如郊狼等一系列小型折叠翼无人机和多管发射装置，这类装置可以装备到装甲车、飞机、舰船等平台上，并实现1架每秒的速度释放出无人机集群，如图2所示。

　　我国无人机技术起步较晚，但发展迅速，以智能集群技术尤为突出。中国电子科技科集团公司 （CETC）曾在分别在2016年和2017年完成了67架和119架固定翼无人机集群飞行试验，刷新了无人机集群飞行数量的新纪录，试验成功的演示了编队起飞、自主集群飞行、分布式广域监视、感知与规避等智能无人机集群技术。

　　美国曾在2 000年将无人机自主控制的能力分为10个等级[6]，其中最高等级为集群自主控制，这一最高控制等级要求智能无人机集群系统在复杂环境下实现无人多任务目标全自主规划，如图3所示。目前中国和美国在智能无人机集群领域处于领先地位，要真正实现集群的完全自主控制还需要解决的关键技术主要包括：环境感知与认识、多机协同任务规划与决策、信息交互与自主控制、人机智能融合与自适应学习技术[8-11]。

　　智能无人机集群系统需要适应在险恶复杂环境下执行艰难任务，要求系统能够全面感知和了解复杂环境，可以在集群中进行信息共享与交互，辅助集群中无人机进行任务决策，这是智能集群系统实现高等级自主控制的基础。

　　环境感知的任务是利用集群中光电、雷达等任务载荷收集飞机所处环境信息数据，从数据中发现规律和挖掘目标，在目标环境中进行目标识别、引导攻击，提高集群系统对目标环境态势的认识与理解，增强系统任务实现可靠性。环境感知与认识的关键技术包括数据采集、数学建模、信息融合与共享等，目前国内外相关领域专家正通过基于生物视觉认知机理的目标识别与环境建模、复杂环境感知与认识算法、非结构化感知方法等手段实现能够适应智能无人机集群的环境感知与认识技术。

　　智能无人机集群系统可以在复杂的战场态势中同时完成情报、监视、侦察（ISR）以及多目标攻击等任务，合理高效的协同任务规划方案是任务执行的基础。合理的任务分配可以充分发挥单机作战功效，体现集群资源的智能化作战优势，极大提高任务执行成功率和效率，降低风险和成本。

　　无人机集群任务分配一般按照保证最大益损比（分配收益最大、损耗最小）和任务均衡的原则进行，综合考虑任务空间聚集性、单机运动有序性以及目标环境适应性，避免单机资源利用冲突、以集群编队整体最优效率完成最大任务数量，体现集群协同作战优势。协同任务分配的关键技术在于其自主任务分配算法的研究，主要算法类型有：市场机制拍卖算法、匈牙利算法、蚁群算法、粒子群算法、遗传算法、一致性集束算法等。现阶段多数算法并不成熟，不适用于大规模的复杂任务自主规划。

　　大规模的智能无人机集群在复杂目标环境中通过单机情报信息的实时共享与交互进行任务执行的调整、自主控制的迭代，以快速适应新环境、合理规划路径、高效完成任务。

　　信息的交互可以辅助单机要自主选择接受有用信息实现自主控制与任务调整，更是大规模集群避免碰撞以及合理规划任务的基础。集群无人机会存在如何保持编队飞行、快速适应目标环境、受到干扰如何保持稳定性、系统预故障的“自愈”等问题，这都需要单机情报信息的实时共享与交互才能由其余无人机进行自主决策。其关键技术包括多机协调与交互技术、不确定环境下的实时航迹规划技术、多无人机协同航路规划、编队运动协调规划与控制，基于故障预测的任务规划技术等。

　　集群无人机受机体性能限制，不具备远距离的高效作战任务能力。无人机系统的典型特征就是 “平台无人，系统有人”，随着单机系统自主控制能力和智能化水平的提高，通过人机系统智能融合和集群自适应学习，可以实现智能集群和有人系统的高效协同作战，极大增强集群无人机作战能力。关键技术有人机交互、人机功能动态分配、人机综合显控技术、无人机自主学习能力/推理能力提升、平台状态/战术态势/任务协同综合显示等。

　　智能无人机集群技术作为一种具有颠覆性的智能集群技术具有恶劣环境适应性强，协同作战能力强，智能程度高等优势，备受各国重视，目前正处于飞速发展阶段，随着相关技术的日益成熟，智能无人机集群必将作为无人机系统的重要组成部分成为未来战场中的重要作战样式，在战争中扮演重要的角色甚至改变战局。

　　［4］梁晓龙,孙强,尹忠海,等.大规模无人系统集群智能控制方法综述[J].计算机应用研究,2015,32(1):11-16.

　　［5］申超,武坤琳,宋怡然.无人机集群作战发展重点动态[J].飞行导弹,2016(11):28-33.

　　［7］陶于金,李沛峰.无人机系统发展与关键技术综述[J].航空制造技术,2014,464(20):34-39.

　　［8］牛轶峰,肖湘江,柯冠岩.无人机集群作战概念及关键技术分析[J].国防科技,2013,34(5):37-43.

　　［9］魏星.基于粒子群算法的飞行控制律参数设计研究[J].西安航空学院学报,2017,35(1):3-7.

　　［10］朱华勇,牛轶峰,沈林成,等.无人机系统自主控制技术研究现状与发展趋势 [J].国防科技大学学报,2010,32(3):115-120.

　　作者简介：李晗（1989.09—），男，汉族，2015年安徽工程大学硕士毕业，就职于中国电子科技集团公司第三十八研究所，从事飞行器设计相关工作。