论文部分内容阅读
无人机集群协同作战将是未来战场改变“游戏规则”的力量。在复杂、高动态、强对抗的任务环境下,集群协同态势感知(Situation Awareness,SA)及态势感知一致性(SA consensus,SAC)是集群自主协同决策与控制的基础,而集群层面的高层次的SAC研究尚不充分。同时,传统的多无人机协同和决策方法很难兼顾对复杂对抗环境的适应性和对任务时效性的需求,而集群协同SAC表征集群中无人机对目标态势信息获取与认识的一致性程度,可以结合SAC研究集群协同方法及信息处理方式。因此,开展无人机集群协同SAC研究是完善集群协同技术的迫切需要,论文结合集群协同对地作战的典型场景,基于粒计算、群决策(Group Decision Making,GDM)共识等理论方法研究无人机集群协同SAC,主要工作及创新点如下:(1)针对目前态势感知(SA)三级模型不完全切合集群协同态势感知特性、态势感知一致性(SAC)缺乏分析模型等问题,构建了无人机集群协同态势感知模型和态势感知一致性三级模型,设计了SAC分析的一般方法。其中,集群协同SAC三级模型,包括态势觉察一致性(Situation Perception Consensus,SPC)、态势理解一致性(Situation Comprehension Consensus,SCC)和态势预测一致性。(2)针对集群协同态势觉察一致性(SPC)评估指标不完全符合任务需求、评估方法不能有效处理信息不确定性等问题,建立了SPC评估指标体系,提出了基于区间数集结处理的同构集群协同SPC评估方法和基于三参数区间数和Heronian算子的同构集群协同SPC评估方法。其中,基于区间数集结处理的方法适用于对时效性要求高、评价指标较均衡的情况,基于三参数区间数和Heronian算子的方法适用于强调不同时刻的影响、细化指标关联性分析、时间较充分的情况。实验表明,两种方法均能够有效处理不确定的态势信息,性能优于基于组合赋权的评估方法。(3)针对集群网络管理模式和态势理解一致性(SCC)中一致性过程对集群协同SCC形成的影响,通过设计复杂网络节点重要性评估方法分析不同规模集群的时序通信拓扑,结合一致性过程中反馈机制的优化设计,提出了两种基于网络管理模式和GDM共识理论的同构集群协同SCC形成方法。对小规模同构集群采用的全联通对等模式,将其时序通信拓扑看作具有层间相似性的时序网络,提出基于改进特征向量中心性和分级反馈调节的集群SCC形成方法。实验表明,该方法对具有孤立节点的网络层和全联通的网络层能得到合理的评估结果,分级反馈调节能得到更高的一致性测度、需要更少的时间开销。对较大规模同构集群采用的成簇的分级模式,将其时序通信拓扑看作层间相互独立的时序网络,提出基于改进重要度贡献矩阵和两阶段GDM共识的SCC形成方法。实验表明,该方法在节点重要性分析和一致性形成效率上具有较好表现。(4)针对现有多无人机协同和决策方法难以兼顾对复杂对抗环境的适应性和对任务时效性需求的问题,结合集群SAC,分别提出了基于SPC的同构集群协同方法、基于SPC的异构集群协同方法和基于SCC的同构集群协同方法,相应设计了SPC下基于异构多属性群决策(Multi-attribute GDM,MAGDM)共识的同构集群信息处理方式、SPC下基于具有多属性集异构MAGDM共识的异构集群信息处理方式和SCC下基于复合异构GDM共识的同构集群信息处理方式。并结合异构(侦察)无人机集群协同对地作战中对地面目标的一致性威胁评估具体展开:对于小规模的同构无人机集群,给出基于异构MAGDM共识的协同目标威胁评估方法。实验表明,该方法是动态评价过程,可以有效处理异构信息且不造成信息损失,能够实现无人机集群对地面目标的一致性威胁评估。对于多个小规模的同构集群构成的较大规模的异构无人机集群,给出基于具有多属性集异构MAGDM共识的协同目标威胁评估方法。实验表明,该方法将异构共识转化为同构共识,并且为各同构集群提供偏好建议,具有较好的灵活性。对于小规模的同构无人机集群,当无人机规模、目标数、环境复杂度增加时,基于SPC的集群协同方法及信息处理方式存在耗时加剧、通信开销大等问题,给出基于复合异构GDM共识的协同目标威胁评估方法。实验表明,该方法在协同信息量、调整信息量和信息交互次数上更有优势。(5)针对现有无人机集群分布式协同方法忽略了态势信息的不确定性对集群协同的影响、对协同性能缺乏量化分析等问题,构建了协同时间、协同信息量等指标,对不确定环境下基于SAC的同构集群协同方法进行性能分析。结果表明,在设定场景下基于SAC的协同方法性能优于基于决策协商的协同方法;基于SCC的协同方法性能优于基于SPC的协同方法。