有人機/無人機混合編隊協(xié)同作戰(zhàn)研究綜述與展望

李 文 陳 建

1.北京航天自動控制研究所，北京100854 2.中國農(nóng)業(yè)大學工學院, 北京 100083

有人機/無人機混合編隊協(xié)同作戰(zhàn)研究綜述與展望

李 文1陳 建2

1.北京航天自動控制研究所，北京100854 2.中國農(nóng)業(yè)大學工學院, 北京 100083

有人機與無人機混合編隊協(xié)同作戰(zhàn)是未來空戰(zhàn)的重要形式。有人機是中央指揮，而無人機直接接受有人機的指揮和控制，并進行戰(zhàn)場態(tài)勢感知、目標打擊等。有人機和無人機可以看成空間上分離而邏輯上一體的巨型虛擬戰(zhàn)機，二者優(yōu)勢互補，充分發(fā)揮最大綜合效能，既提高了有人機的生存能力又延伸了無人機的探測距離范圍和攻擊距離。本文首先簡述了有人機/無人機混合編隊協(xié)同作戰(zhàn)的發(fā)展歷程，然后重點歸納了協(xié)同作戰(zhàn)的關(guān)鍵技術(shù)原理和國內(nèi)外研究成果，包括協(xié)同態(tài)勢感知與評估技術(shù)、協(xié)同任務分配技術(shù)、協(xié)同航路規(guī)劃技術(shù)、編隊飛行與跟蹤控制技術(shù)，并給出了一個在典型作戰(zhàn)任務設定下的協(xié)同作戰(zhàn)流程。最后對該領(lǐng)域的研究發(fā)展方向進行了展望。 關(guān)鍵詞 有人機/無人機；混合編隊；協(xié)同作戰(zhàn)；制導控制

無人機是信息化、無人化戰(zhàn)爭的重要武器裝備，其成本低、體積小、機動性好、效費比高。世界各國競相發(fā)展無人機的最終目標是自主地完成作戰(zhàn)任務，作戰(zhàn)全程不人為干預。但是目前，因為單架無人機所能發(fā)揮的作用效能十分有限，提高對抗能力主要依靠多無人機編隊的戰(zhàn)術(shù)配合來保持規(guī)模優(yōu)勢。而無人機編隊正常運行依賴地面站控制，但這種傳統(tǒng)模式的信息傳遞速度有限，存在指揮控制范圍有限，信號易被干擾和監(jiān)聽的問題，跟不上現(xiàn)代戰(zhàn)爭快速打擊的節(jié)奏，很大程度上限制了多無人機體系作戰(zhàn)效能的發(fā)揮。因此，實現(xiàn)多無人機自主協(xié)同作戰(zhàn)任重道遠，客觀上需要有機融入人類的決策智慧。有人機/無人機混合編隊協(xié)同作戰(zhàn)使二者優(yōu)勢互補。無人機群在有人機外圈飛行，相互之間通過數(shù)據(jù)鏈通信，實現(xiàn)二者信息共享，根據(jù)有人機飛行員的指揮控制開展任務，既提高了有人飛機的生存能力又延伸了無人機的探測距離和攻擊距離。有人機/無人機混合編隊協(xié)同作戰(zhàn)示意圖如圖1所示。

圖1 混合編隊協(xié)同作戰(zhàn)示意圖

有人機/無人機混合編隊協(xié)同作戰(zhàn)是一個復雜過程，要達到出色的作戰(zhàn)效果，涉及到各個環(huán)節(jié)的良好配合，這包括協(xié)同態(tài)勢感知與評估技術(shù)、協(xié)同任務分配技術(shù)、協(xié)同航路規(guī)劃技術(shù)、編隊飛行與跟蹤控制技術(shù)、戰(zhàn)場智能決策技術(shù)和目標打擊效能評估技術(shù)等。目前鮮有文章全面覆蓋總結(jié)這些關(guān)鍵技術(shù)，本文圍繞這些技術(shù)，簡要介紹其原理并總結(jié)了國內(nèi)外的主要研究成果，最后在此基礎(chǔ)上對今后值得研究的重要問題和發(fā)展方向進行了展望。

1 協(xié)同態(tài)勢感知與評估

有人機/無人機協(xié)同編隊態(tài)勢感知與評估是協(xié)同作戰(zhàn)非常重要的階段。大致過程是有人機通過接收無人機上傳感器傳來的外部戰(zhàn)場信息，分析戰(zhàn)場環(huán)境所處狀態(tài)以及估計可能的發(fā)展趨勢，評估完成后，有人機進行決策并將決策結(jié)果傳送給無人機。

1.1 戰(zhàn)場態(tài)勢感知與評估

目前，關(guān)于有人機/無人機協(xié)同作戰(zhàn)態(tài)勢感知與評估并無一個完善的理論方法與體系框架，一些學者進行了初步探索，獲取了一定的成果。Endsley在文獻[1]中提出了詢問式的態(tài)勢感知方法和全局評估技術(shù)，探討了基于不同情境下個人和環(huán)境因素對感知和決策結(jié)果的影響。文獻[2]設計了通用作戰(zhàn)態(tài)勢圖來顯示戰(zhàn)場綜合態(tài)勢,輔助飛行指揮員進行戰(zhàn)場態(tài)勢感知與評估、戰(zhàn)術(shù)決策等任務。胡杰[3]等人提出基于變精度粗糙集的態(tài)勢評估算法，來解決機載傳感器或其他信息系統(tǒng)獲得的目標屬性數(shù)據(jù)可能存在噪聲或某種程度的不完整性的問題。

1.2 目標信息感知

協(xié)同感知另一方面是對目標信息的感知，包括目標的種類、數(shù)量、當前及未來的位置和運動信息等?？焖贉蚀_探測作戰(zhàn)環(huán)境是協(xié)同作戰(zhàn)任務成功的關(guān)鍵，而協(xié)同數(shù)據(jù)融合是實現(xiàn)協(xié)同感知的核心。由于單架戰(zhàn)機對目標信息的感知是不完整和不精準的，每架有人機/無人機上均需要攜帶多個或多類傳感器，這就產(chǎn)生了大量的高維的冗余數(shù)據(jù)。因此，混合編隊協(xié)同作戰(zhàn)要求分布式多層次的數(shù)據(jù)融合：首先初步融合單架載機上的傳感器數(shù)據(jù)；然后多機成一級子網(wǎng)絡，縱向和橫向融合不同無人機上的傳感器輸出數(shù)據(jù)；最后融合有人機/無人機協(xié)同綜合體和作戰(zhàn)指揮系統(tǒng)提供的信息。這使得不同傳感器性能可以優(yōu)勢互補，提高探測性能及探測信息的可信度、系統(tǒng)的容錯能力和抗干擾能力增強。

1.3 數(shù)據(jù)信息融合算法

在數(shù)據(jù)融合研究領(lǐng)域，信息融合算法[4]主要有聚類分析法(Cluster)、卡爾曼濾波法(Kalman Filter)、人工神經(jīng)網(wǎng)絡(Artificial Neural Network)和模糊推理規(guī)則(Fuzzy Inferring)等。文獻[5]提出了采用最小二乘法的信息數(shù)據(jù)特征級融合方法，解決了無人機多傳感器從局域傳感器陣列到融合節(jié)點的傳輸數(shù)據(jù)量過大的問題。文獻[6]提出一種基于遞階融合估計結(jié)構(gòu)的分布式無色信息濾波算法。

數(shù)據(jù)融合算法雖然在國內(nèi)外已形成規(guī)范的理論形式，并在實際系統(tǒng)中獲得了一些應用，但是現(xiàn)有的融合技術(shù)主要針對單一載體上的多傳感器，或者是由同類型的靜止/低速運動的傳感器構(gòu)成的無線傳感器網(wǎng)絡,多載體(比如有人機/無人機航空綜合體)多類型傳感器信息融合問題還沒有完全成熟的設計方案，還需進一步深入研究。

2 協(xié)同任務分配

2.1 混合編隊任務分配原則

有人機與無人機組成系統(tǒng)協(xié)同作戰(zhàn)可以相互取長補短，利用各自優(yōu)勢充分發(fā)揮二者最大的綜合作戰(zhàn)效能。無人機機動性強，可以長時間遠距離進入危險區(qū)域，有人機可以充分發(fā)揮核心指揮角色，飛行員甚至不需親臨戰(zhàn)場危險區(qū)域就可以通過無人機上的遠程探測設備全面感知戰(zhàn)場態(tài)勢，并指揮無人機進行作戰(zhàn)。協(xié)同目標分配任務一般由有人機完成，飛行員根據(jù)態(tài)勢評估結(jié)果和作戰(zhàn)目標以及無人機的狀態(tài)信息，考慮各項戰(zhàn)術(shù)和技術(shù)指標要求以及滿足有人機/無人機裝備限制、飛行約束等情況,對無人機分配攻擊方向或打擊點，進行武器配置和編隊配置，武器投放區(qū)域設計等。使整個作戰(zhàn)編隊收益最大，代價最小[7-10]。協(xié)同作戰(zhàn)中的流程可以參考文獻[11]中圖2。

圖2 協(xié)同作戰(zhàn)流程[11]

2.2 組合優(yōu)化問題求解

有人/無人機協(xié)同目標分配是組合優(yōu)化問題，屬于多參數(shù)、多約束的多項式復雜程度的非確定性問題(Nondeterministic Polynomial， NP)。目前NP問題的求解有2種思路：1)精確搜索；2)啟發(fā)式搜索。窮舉法屬于前者，后者指在搜索過程中加入一定啟發(fā)因子，來縮小搜索范圍，比如模擬退火、神經(jīng)網(wǎng)絡和遺傳算法等[12-13]。另外，一些學者把先進的理論算法應用到目標分配問題中，獲得了不錯的效果，如Hopfield神經(jīng)網(wǎng)絡、動態(tài)網(wǎng)絡流、粒子群算法、蟻群算法、拍賣理論、市場調(diào)配理論以及合同網(wǎng)算法等。文獻[14]采用合同網(wǎng)算法，但只限于單個編隊內(nèi)的多無人機任務分配，未考慮多編隊之間協(xié)同執(zhí)行任務的情況。文獻[15]中提出了以合同網(wǎng)協(xié)議為基本框架，通信結(jié)構(gòu)、信息結(jié)構(gòu)和協(xié)同機制三維一體的目標分配模型求解策略。雖然基于擴展合同網(wǎng)協(xié)議的分布式目標分配算法計算時間少，時效性好，但是在尋優(yōu)質(zhì)量上不如集中式遺傳算法。

這些先進的算法計算量較小，在緊迫的動態(tài)戰(zhàn)場環(huán)境中可以實現(xiàn)實時協(xié)同目標分配。但是，這些文獻多限于單機分配單任務問題，很少涉及基于代數(shù)圖論和“鄰居”思想的建模和設計方法，對任務執(zhí)行過程中隨機出現(xiàn)的新任務處理能力有限。故通過求解網(wǎng)絡節(jié)點局部優(yōu)化問題來得到全局優(yōu)化目標是目前十分具有挑戰(zhàn)性的課題。

3 協(xié)同航路規(guī)劃

3.1 航路規(guī)劃原則

通過協(xié)同態(tài)勢感知，作戰(zhàn)編隊對目標特性有了清晰全面的認識，有人機需要根據(jù)作戰(zhàn)任務確定其余無人機的任務、協(xié)同編隊隊形以及協(xié)同編隊飛行航路等。其中，有人機/無人機協(xié)同航路規(guī)劃是指在滿足飛行任務、單機性能以及戰(zhàn)場環(huán)境等各種約束條件下，在協(xié)同任務規(guī)劃方案基礎(chǔ)上規(guī)劃各機可行有效的協(xié)同航路，滿足多機在空間和時間上的協(xié)調(diào)一致關(guān)系，使其整體作戰(zhàn)效能最優(yōu)或近似最優(yōu)。另外，有人機/無人機作戰(zhàn)優(yōu)先級高低、多機協(xié)同飛行的規(guī)避以及敵方攔截威脅等因素也需作為約束因素考慮。具有高度不確定性和突發(fā)性的戰(zhàn)場環(huán)境下的協(xié)同航路規(guī)劃具有高動態(tài)性，要求飛行員能根據(jù)感知結(jié)果隨機應變迅速決策，所以高動態(tài)協(xié)同航路規(guī)劃是有人機/無人機協(xié)同編隊協(xié)同作戰(zhàn)制勝的關(guān)鍵。

3.2 航路規(guī)劃關(guān)鍵技術(shù)

高動態(tài)協(xié)同航路規(guī)劃的本質(zhì)是實現(xiàn)快速多約束多目標協(xié)同優(yōu)化與協(xié)同制導，是為了在滿足協(xié)同任務規(guī)劃方案要求下，兼顧各種約束協(xié)同設計各戰(zhàn)機的航跡。航路規(guī)劃本身是一個約束條件多且相互耦合的多目標優(yōu)化與決策問題，需要綜合利用運籌學、智能計算以及計算幾何等理論，而混合系統(tǒng)協(xié)同航路規(guī)劃問題更加復雜，十分具有挑戰(zhàn)性。

國內(nèi)外學者在航路規(guī)劃上已作了大量的研究工作，獲得了一些研究成果。文獻[16]把三維最優(yōu)路徑設計問題轉(zhuǎn)換成求解水平和垂直方向的路徑規(guī)劃問題。文獻[17]介紹了一種新的D*算法，在不斷知識學習中能夠?qū)崟r動態(tài)規(guī)劃路徑，持續(xù)修正當前路徑并規(guī)劃新路徑。馬向玲等[18]采用A*算法和線性權(quán)值自適應方法生成航跡路線,使包含危險和航路長度的代價函數(shù)最小。D*優(yōu)化算法[19]應用圖論理論持續(xù)修正路徑并生成一條新的優(yōu)化路徑,可以實現(xiàn)動態(tài)規(guī)劃。文獻[20]中，Kambara提出了一種根據(jù)用戶的需要盡可能多通過指定區(qū)域的路徑規(guī)劃方法，使用了Voronoi圖中的鄰居節(jié)點構(gòu)造Delaunay圖，并在子圖上使用A*方法進行最短路徑搜索。韓昕鋒等[21]提出了一種基于擴展Voronoi圖模型和協(xié)同進化算法的多無人機協(xié)同航路規(guī)劃方法，降低了以往航路規(guī)劃問題的求解難度。

雖然已有許多學者研究過路徑規(guī)劃問題，但從相關(guān)文獻來看，針對有人機/無人機混合編隊的相關(guān)研究很少，現(xiàn)有的機器人、單架無人機及同類無人機編隊航路規(guī)劃成果不能直接應用到本文討論的異類協(xié)同編隊航路規(guī)劃問題上。此外，現(xiàn)有文獻成果多把戰(zhàn)場環(huán)境簡化處理，或者僅考慮避讓敵方火力集中點、有人機/無人機間交互、繞開敵方雷達監(jiān)測設備和系統(tǒng)總體能耗最小等因素其中之一，沒有綜合考慮這些因素，導致理論假設和實際環(huán)境相差甚遠。

4 編隊飛行與跟蹤控制

4.1 協(xié)同編隊飛行過程

有人機/無人機混合編隊準確快速地協(xié)同跟蹤是作戰(zhàn)成功的基本保障?；旌暇庩犞袘?zhàn)機接到命令后，同時到達指定區(qū)域集結(jié)后進行編隊，準備好開始協(xié)同作戰(zhàn)，作戰(zhàn)過程中，混合戰(zhàn)機系統(tǒng)根據(jù)飛行員指令沿設計好的航路軌跡保持特定編隊隊形，為實時保持編隊隊形，需要采用跟蹤控制技術(shù)。戰(zhàn)場形式時刻變化，敵方目標也在時刻機動，混合編隊也應該根據(jù)戰(zhàn)術(shù)需要時變和機動，這要求編隊隊形方案在系統(tǒng)可接受時間內(nèi)迅速做出調(diào)整，快速成形并保持指定的編隊隊形。

4.2 協(xié)同編隊控制技術(shù)

編隊控制在機器人控制領(lǐng)域已取得豐碩成果，目前應用到無人機編隊控制上的是以下幾種思想。

(1) Behavior Based編隊控制

Behavior Based編隊控制方法是分布式的，在多機編隊飛行中，每架飛機子系統(tǒng)有4種控制行為[22-24]: 避免碰撞、回避障礙物、獲取目標以及保持隊形。根據(jù)所有子系統(tǒng)行為響應控制的加權(quán)平均值來指揮編隊中各架飛機采取的行為響應方式。它的優(yōu)點是適應性強，而且編隊中無人機不會發(fā)生碰撞；缺點是設計子系統(tǒng)的行為較為困難。

(2) Leader-follower Based編隊控制

Leader-follower Based編隊控制目前在多無人機編隊中很常用，方法是將某架無人機指定為Leader，編隊中的其它無人機為Followers。Leader根據(jù)航路規(guī)劃結(jié)果按預定軌跡飛行，F(xiàn)ollowers按一定的控制策略跟隨Leader的航向速度、航向角和高度飛行，從而達到協(xié)同編隊的目的。

Leader-follower Based編隊法直觀易懂，但缺點是一旦Leader出現(xiàn)問題，編隊將不能正常執(zhí)行。為了解決這個問題，很多學者采用魯棒控制、極值搜索、自抗擾控制和自適應控制等方法[25-26]，取得較好效果，但同時也存在受到干擾后所有戰(zhàn)機的位置需重新計算，對機載計算機的要求很高。

(3) Virtual Structure Based編隊控制

Virtual Structure Based編隊控制是集中式的控制方法，首先由Lewis M A[27]提出，編隊中無實體Leader戰(zhàn)機，它將隊形看作一個虛擬的剛體結(jié)構(gòu)，每架戰(zhàn)機看成是虛擬結(jié)構(gòu)上相對位置固定的點，設定一個虛擬幾何中心，當隊形移動時，每個成員參照這一虛擬幾何中心運動。虛擬領(lǐng)航法可以避免Leader-follower Based編隊控制的干擾問題，控制精度較高[28-30]。但是該方法是集中式的控制方法，可靠性較差，合成虛擬Leader需要以高通信質(zhì)量和高計算能力為代價。

(4)其他控制策略

上面3種編隊控制方法目前應用最多，各有優(yōu)缺點。Behavior Based編隊控制方法可以同時兼顧隊形保持、避開障礙和獲取目標等行為模式，但是行為難以定義，實現(xiàn)復雜。Leader-follower Based的編隊控制方法簡單易于實現(xiàn)，但抗干擾性差，Leader對整個編隊影響重大，一旦失效編隊就散了。Virtual Structure Based的編隊控制方法抗干擾性較好，編隊精度高，但是采用集中式結(jié)構(gòu)不利于結(jié)構(gòu)拓展，且通信量和計算量過大。

近年，采用分布式結(jié)構(gòu)的基于一致性策略[31-32]的編隊控制方法引起了學者的重視。這種方法僅使用鄰居的相對信息，編隊中可以沒有明確的中心節(jié)點,通過對編隊收斂的時間進行指定可以滿足編隊快速收斂性的要求。整個編隊按照指定的航跡飛行,本質(zhì)是混合系統(tǒng)在編隊的同時實現(xiàn)對航跡的強一致跟蹤。朱旭在文獻[33-34]中提出了基于一致性的三維編隊控制策略，以預定速度和航線作為參考狀態(tài)，控制精度比較高，抑制了測量誤差、協(xié)同誤差和通信延遲。除了上述編隊控制方法之外，Shin J在文獻[35]中基于模型預測控制技術(shù)設計了Leader-follower based編隊控制策略，采用分布式通信結(jié)構(gòu)提升了通信效率，而且文中方法實現(xiàn)了有效避障。段海濱在文獻[36]中針對非線性系統(tǒng)提出了一種非線性雙模滾動時域控制方法進行無人機編隊控制，并采用粒子群優(yōu)化方法求解得到所有飛行器的控制輸入。田八林[37]采用了補償模糊神經(jīng)網(wǎng)絡控制方法，實現(xiàn)編隊飛行中速度控制、隊形結(jié)構(gòu)保持和避開障礙物。

5 結(jié)論與展望

有人機/無人機混合編隊協(xié)同空戰(zhàn)具有極大的作戰(zhàn)潛力和應用前景。雖然國內(nèi)外學者在此領(lǐng)域中開展了一些研究工作，取得了一些成果，但仍需深入研究?；旌暇庩爡f(xié)同作戰(zhàn)未來的研究方向可以考慮以下幾個方面。

(1)協(xié)同任務分配方面

多約束條件下網(wǎng)絡化任務規(guī)劃建模研究：針對具有多約束、多目標的有人機/無人機混合編隊，基于代數(shù)圖論和分布式思想進行網(wǎng)絡化任務規(guī)劃系統(tǒng)建模與設計，進而通過各個網(wǎng)絡節(jié)點局部優(yōu)化問題的求解得到全局優(yōu)化目標。

考慮任務優(yōu)先權(quán)的影響：目標是實現(xiàn)預先任務分配和執(zhí)行過程中動態(tài)任務分配，保證動態(tài)環(huán)境下編隊整體分配效能較優(yōu)。

多機多任務分配和動態(tài)環(huán)境下編隊整體分配優(yōu)化問題，提高預先任務分配和執(zhí)行過程中動態(tài)任務的分配能力，提高任務執(zhí)行過程中隨機出現(xiàn)的新任務的處理能力。

(2)協(xié)同態(tài)勢感知與數(shù)據(jù)融合方面

提升戰(zhàn)場態(tài)勢感知與鑒別能力，提升對戰(zhàn)場對方制造假象的識別能力。提高快速獲取和全面綜合環(huán)境大數(shù)據(jù)的能力，包括地形地理數(shù)據(jù)、專家知識經(jīng)驗和武器裝備特性數(shù)據(jù)等。

有人機/無人機多層次感知建模研究：單機作為節(jié)點建立感知網(wǎng)絡，包括單點態(tài)勢感知與數(shù)據(jù)融合、無人機層次以及有人機/無人機層次態(tài)勢感知與數(shù)據(jù)融合。

目標特征認知和分類、威脅等級建模和協(xié)同評估等理論研究。

(3)多機協(xié)同航路規(guī)劃方面

考慮空戰(zhàn)環(huán)境中不同威脅程度的潛在目標，依據(jù)威脅程度進行航路優(yōu)化設計，使暴露自身可能性最小，攻擊效能最大。

基于協(xié)同制導原理的航路生成方法研究：根據(jù)優(yōu)化結(jié)果和各機資源配置情況，生成優(yōu)化后的編隊飛行航跡及各機的飛行航跡。

(4)編隊飛行與跟蹤控制方面

不同用途、不同類型的無人機協(xié)同組合，發(fā)揮各自優(yōu)勢，不局限于戰(zhàn)斗機，還可以是偵察機、空中預警機、電子干擾機/對抗機和空中加油機等。大部分編隊控制研究均采用簡化的運動模型或把三維問題轉(zhuǎn)換為2個二維平面的思路，不適用于空間大機動的協(xié)同運動，所以應研究適用于三維運動模型的編隊控制律。戰(zhàn)場態(tài)勢瞬息萬變，對協(xié)同編隊有收斂時間限制，有必要研究有收斂時間限制和拓撲變化情況下的協(xié)同編隊飛行控制與一致跟蹤的方法。

總之，混合編隊協(xié)同作戰(zhàn)是復雜的過程，需要綜合應用大量先進技術(shù)，要達到在戰(zhàn)場實際應用還需要大量的理論研究和工程實踐。

[1] Endsley M R. Toward a Theory of Situation Awareness in Dynamic Systems[J]. Human Factors the Journal of the Human Factors & Ergonomics Society, 1995, 37(1):32-64.

[2] 胡洪波,郭徽東. 通用作戰(zhàn)態(tài)勢圖的構(gòu)成與實現(xiàn)方法[J]. 指揮控制與仿真, 2006, 28( 5): 28-32. (Hu Hongbo, Guo Huidong. Architecture and Techniques of Command Operational Situation Picture[J]. Command Control & Simulation , 2006, 28( 5): 28-32.)

[3] 胡杰, 黃長強, 趙輝,等. 基于變精度粗糙集理論的UCAV態(tài)勢評估方法研究[J]. 電光與控制, 2010, 17(3):23-26.(Hu Jie, Huang Changqiang， Zhao Hui, et al. On UCAV’s Situation Assessment Method Based on Variable Precision Rough Set Theory[J]. Electronics Optics & Control , 2010, 17(3):23-26.)

[4] 楊萬海. 多傳感器數(shù)據(jù)融合及其應用[M]. 西安電子科技大學出版社, 2004. (Yang Wanhai. Multi-sensor Data Fusion and its Application[M]. Xidian University Press, 2004.)

[5] 孔燕. 無人機多傳感器數(shù)據(jù)融合算法研究[C]// 第五屆中國無人機大會論文集, 2014.(Kong Yan. Research on Information Fusion Algorithm of UAV Sensor[C]// The 5th UAS Conference China, 2014.)

[6] 王林, 王楠, 朱華勇,等. 一種面向多無人機協(xié)同感知的分布式融合估計方法[J]. 控制與決策, 2010, 25(6):814-820. (Wang Lin, Wang Nan, Zhu Huayong, et al. Distributed Fusion Estimation Algorithm for Multi-UAVs Cooperative Sensing[J].Control & Decision, 2010, 25(6):814-820.)

[7] Hathaway D C, Hathaway D C. Germinating a New SEAD: The Implications of Executing the SEAD Mission in a UCAV [D].Alabama: School of Advaced Airpower Studies Air University, 2001.

[8] Wellman M P. Market-aware Agents for a Multi-agent World [J]. Robotics & Autonomous Systems, 1997, 24(3):115-125.

[9] Schumacher C , Chandler P R, Rasmussen S J .Task Allocation for Wide Area Search Munitions via Network Flow Optimization [C] ∥AIAA Guidance, Navigation, and Control Conference and Exhibit .Montreal: AIAA Press , 2001:1-8.

[10] Chandler P, Pachter M. Hierarchical Control for Autonomous Teams [J]. Aiaa Journal, 2013.

[11] 馬向玲, 雷宇曜, 孫永芹,等. 有人/無人機協(xié)同空地作戰(zhàn)關(guān)鍵技術(shù)綜述[J]. 電光與控制, 2011, 18(3):56-60. (Ma Xiangling, Lei Yuyao, Sun Yongqin, et al. Key Technologies for Cooperation of Manned/Unmanned Aerial Vehicles in Air-to-ground Attacking[J]. Electronics Optics & Control, 2011, 18(3):56-60.)

[12] 葉文,朱愛紅,潘長鵬,等. 多UCAV協(xié)同目標分配算法研究[J]. 系統(tǒng)工程與電子技術(shù), 2010, 32(1) , 105-108. (Ye W, Zhu A H, Pan C P, et al. Cooperation Mission Assignment Algorithm for Multi-UCAV[J]. Systems Engineering and Electronics, 2010, 32(1), 105-108.)

[13] 葉媛媛, 閔春平, 沈林成.多UCAV任務分配的混合遺傳算法與約束處理[J] .控制與決策, 2006 , 21(7):781 -786. (Ye Yuanyuan, Min Chunping, Shen Lincheng. Hybrid Genetic Algorithm and Constraint Handling for Multiple UCAV Mission Assigning[J]. Control & Decision, 2006 , 21(7):781-786.)

[14] 劉躍峰, 張安. 有人機/無人機編隊協(xié)同任務分配方法[J]. 系統(tǒng)工程與電子技術(shù), 2010, 32(3):584-588. (Liu Yuefeng, Zhang An. Cooperative Task Assignment Method of Manned/Unmanned Aerial Vehicle Formation[J]. Systems Engineering and Electronics, 2010, 32(3):584-588.)

[15] 萬路軍, 姚佩陽, 周翔翔,等. 有人/無人作戰(zhàn)智能體分布式協(xié)同目標分配方法[J]. 系統(tǒng)工程與電子技術(shù), 2014, 36(2):278-287. (Wan Lujun, Yao Peiyang, Zhou Xiangxiang, et al. Distributed Cooperative Target Assignment Method of Manned Combat Agents and Unmanned Combat Agents[J]. Systems Engineering and Electronics，2014, 36(2):278-287.)

[16] Deton R V, Jones J E, Froeberg P L. A New Technique for Terrain Following/Terrain Avoidance Guidance Command Generation, AGARD-cp-387 [R].New York: IEEE, 1985.

[17] Stentz A. Optimal and Efficient Path Planning for Partially Known Environments[M]// Intelligent Unmanned Ground Vehicles. Springer US, 1997:203-220.

[18] 馬向玲, 陳旭, 雷宇曜. 基于數(shù)據(jù)鏈的無人機航路規(guī)劃A*算法研究[J]. 電光與控制, 2009, 16(12):15-17. (Ma Xiangling, Chen Xu, Lei Yuyao. The Data Link Based A* Algorithm Used for UCAV Path Planning [J]. Electronics Optics & Control, 2009, 16(12):15-17.)

[19] Stentz A. Optimal and Efficient Path Planning for Partially Known Environments[C]// IEEE International Conference on Robotics and Automation, 1994. Proceedings. IEEE, 1994:3310 - 3317.

[20] Kambara T, Kibe H, Nishide R, et al. Context-dependent Route Generation Scheme Using Network Voronoi Diagrams[C]// IEEE International Workshop on Databases for Next Generation Researchers. IEEE, 2007:111-115.

[21] 韓昕鋒, 葉文, 陳海生,等. 多UCAV協(xié)同航路規(guī)劃算法[J]. 海軍航空工程學院學報, 2010, 25(5):535-541. (Han Xinfeng, Ye Wen, Chen Haisheng, et al. Multi-UCAV Cooperation Path Planning Algorithm[J]. Journal of Naval Aeronautical Engineering Institute, 2010, 25(5):535-541.)

[22] 王祥科, 李迅, 鄭志強. 多智能體系統(tǒng)編隊控制相關(guān)問題研究綜述[J]. 控制與決策, 2013(11):1601-1613. (Wang Xiangke, Li Xun, Zheng Zhiqiang. Survey of Developments on Multi-agent Formation Control Related Problems[J]. Control and Decision, 2013(11):1601-1613.)

[23] Balch T R, Arkin R C. Behavior-based Formation Control for Multiagent Robot Teams[J]. IEEE Transactions on Robotics & Automation, 1998.

[24] Lawton J R T, Beard R W, Young B J. A Decentralized Approach to Formation Maneuvers [J]. IEEE Transactions on Robotics & Automation, 2003, 19(6):933-941.

[25] Napolitano M R, Napolitano M R. Development of Formation Flight Control Algorithms Using 3 YF-22 Flying Models[J]. AFOSR Report A994434, Apr. 2005.

[26] Campa G, Napolitano M R, Seanor B, et al. Design of Control Laws for Maneuvered Formation Flight[C]// American Control Conference, 2004. Proceedings of the. IEEE, 2004:2344-2349 vol.3.

[27] Lewis M A, Tan K H. High Precision Formation Control of Mobile Robots Using Virtual Structures[J]. Autonomous Robots, 1997, 4(4):387-403.

[28] Ghommam J, Mehrjerdi H, Saad M, et al. Formation Path Following Control of Unicycle-type Mobile Robots[C]// IEEE International Conference on Robotics and Automation. IEEE, 2008:1966-1972.

[29] Beard R W, Lawton J, Hadaegh F Y. A Coordination Architecture for Spacecraft Formation Control[J]. IEEE Transactions on Control Systems Technology, 2001, 9(6):777-790.

[30] 邵壯, 祝小平, 周洲,等. 無人機編隊機動飛行時的隊形保持反饋控制[J]. 西北工業(yè)大學學報, 2015(1):26-32. (Shao Zhuang, Zhu Xiaoping, Zhou Zhou, et al. A Formation Keeping Feedback Control for Formation Flight of UAVs[J]. Journal of Northwestern Polytechnical University, 2015(1):26-32.)

[31] McLain T. Cooperative Rendezvous of Multiple Unmanned Air Vehicles [C] // AIAA Guidance, Navigation and Control Conference. Reston: AIAA, 2000.

[32] Seo J, Ahn C, Kim Y. Controleer Design for UAV Formation Floight Using Consensus Based Decentralized Approach [C] // AIAA Info-tech Aerospace Conference. Reston: AIAA, 2009: 1-11.

[33] 朱旭, 張遜遜, 閆茂德,等. 基于一致性的無人機編隊控制策略[J]. 計算機仿真, 2016,(8):30-34. (Zhu Xu, Zhang Xunxun, Yan Maode, et al. UAV Formation Control Dtrategy Based on Consensus [J]. Computer Simulation, 2016,(8):30-34.)

[34] 朱旭, 張遜遜, 尤謹語,等. 基于信息一致性的無人機緊密編隊集結(jié)控制[J]. 航空學報, 2015, 36(12):3919-3929. (Zhu Xu, Zhang Xunxun, You Jinyu, et al. Swarm Control of UAV Close Formation Based on Information Consensus[J]. Acta Aeronautica et Astronautica Sinica , 2015, 36(12):3919-3929.)

[35] Shin J, Kim H J. Nonlinear Model Predictive Formation Flight[J]. Systems Man & Cybernetics Part A Systems & Humans IEEE Transactions on, 2009, 39(5):1116-1125.

[36] Duan H B, Liu S Q. Non-linear Dual-mode Receding Horizon Control for Multiple Unmanned Air Vehicles Formation Flight Based on Chaotic Particle Swarm Optimization[J]. Iet Control Theory & Applications, 2010, 4(11):2565-2578.

[37] 田八林, 葉正寅, 張中荃. 無人機自由編隊飛行的補償模糊神經(jīng)網(wǎng)絡控制[J]. 中國民航大學學報, 2005, 23(6):10-13. (Tian Balin, Ye Zhenyin, Zhang Zhongquan. Free Formation Flight of UAV Using Compensatory Fuzzy Neural Network Control[J]. Journal of Civil Aviation University of China ,2005, 23(6):10-13.)

Review and Prospect of Cooperative Combat of Manned/ Unmanned Aerial Vehicle Hybrid Formation

Li Wen1，Chen Jian2

1. Beijing Aerospace Automatic Control Institute, Beijing 100854, China 2. College of Engineering, China Agricultural University, Beijing 100083, China

Inthefuture,cooperativecombatofmanned/unmannedaerialvehicles(MAV/UAVs)hybridformationisoneofthemostimportantformsofaircombat.ThecommandandcontrolfromMAVcanbedirectlyacceptedbyUAVs.Thetwocanberegardedasagiantvirtualfighterwhichareseparatedfromeachotherbutlogicallyunified.TheMAVsendsoutcentralcommandandUAVsareresponsibleforbattlefieldsituationawareness,targetstrikeandsoon.Thetwocomplementeachother,thus,theoverallperformanceisfullydevelopedatthesametime,andtheviabilityofMAVisimprovedandthedetectionrangeandattackdistanceofUAVsarebothextended.Inthispaper,thedevelopmentofcooperativecombatofMAV/UAVshybridformationisbrieflydescribed.Then,thekeytechnicalprinciplesandthedomesticandinternationalresearchresultsareemphaticallysummarized,includingcooperativeawarenessandassessmenttechnology,cooperativetaskallocationtechnology,cooperativerouteplanningtechnology,formationflightandtrackingcontroltechnology.Finally,ashortdiscussionsectionispresentedtoproposeseveralpromisingresearchdirectionsforfurtherinvestigation.

Manned/unmannedaerialvehicle;Hybridformation;Cooperativecombat;Guidanceandcontrol

2016-12-07

李 文(1990-)，女，西安人，博士研究生，主要研究方向為協(xié)同制導控制；陳 建(1982-)，男，山東人，博士，副教授，主要研究方向為飛行器制導控制。

V279

A

1006-3242(2017)03-0090-07