無人機蜂群關鍵技術發展綜述

李軍, 陳士超

(1.中國兵器科學研究院, 北京 100089; 2.西安現代控制技術研究所, 陜西 西安 710065)

0 引言

伴隨著人工智能、自主系統、網絡通信等技術的發展,無人機裝備任務譜系日益完善,發展出的低成本可消耗無人機逐步衍生出“無人機蜂群”概念,無人機蜂群由成本較低的小型無人機平臺組成,機動性高、魯棒性好,且具有抗毀性好的特點[1-2]。

相對簡單、單體能力有限的無人機構成的蜂群,通過個體平臺之間的局部協作,可實現全局行為的能力“涌現”,完成動態任務規劃、高效快速突防、集群協同組網、長時巡飛監視、持續時空封控、電子偵察對抗、持久跟蹤監視、精準火力引導、即時精確打擊、自主協同攻擊、實時效果評估等作戰能力,實施對嚴密設防目標、時敏集群目標,以及灰色拒止區域的偵察、干擾、誘騙、打擊、評估等一體化作戰任務,可形成“偵-控-抗-突-打-評”于一體的智能化火力打擊武器和網絡化協同攻擊系統,實現靈活高效的智能化集群對抗、網絡化協同攻擊和分布式協同封控等作戰任務,提高任務完成的效率和成功率。由于無人機蜂群作戰不需要在發射前即確定攻擊目標,即便沒有詳細的目標情報也可以進行發射,可以根據戰場態勢靈活選擇目標進行打擊,也可以在任務執行過程中改變飛行任務或飛行航跡,具有強機動飛行能力,戰術靈活性更強。無人蜂群使得無人機蜂群實戰化和主戰化趨勢日益明顯,為謀求構筑高強度作戰環境下的規?；瘍瀯萏峁┝诵滦妥鲬鹉Ｊ絒3-4]。

對集群的最初研究源于科學家對昆蟲行為的觀察和研究,雖然單個昆蟲行為相對簡單,且完成特定任務的能力相對有限,然而當多個單體聚集到一起形成集群后,通過集體協同分工與合作,即可響應復雜的任務需求,例如蜂群、狼群、蟻群、鳥群等,如圖1所示。事實上,集群作戰的方式由來已久,冷兵器時代的人海戰術、騎兵時代的馬群戰術、二戰時期的狼群戰術都是集群作戰的典型運用形式,其核心要義在于創造出局部空間的以量取勝、協同取勝,通過成體系對抗和低成本作戰獲勝[5-6]。

圖1 典型生物集群

無人機蜂群的節點平臺類型豐富、研制周期短、新技術迭代快,具備遂行偵察監視、誘餌欺騙、電子對抗、飽和攻擊等能力,可以大幅度提升作戰效能,而且部分節點的損耗不會顯著影響整體的系統功能。

美軍先后啟動了“小精靈”、“灰山鶉”、“蝗蟲”等項目,驗證了無人機蜂群多樣化作戰任務執行能力[7-9]。美軍曾在2014年啟動了拒止環境中的協同作戰“CODE”項目,實現弱連通、強干擾條件下無人集群的自主協同作業,美國國防高級研究計劃局(DARPA)通過一系列試驗進行了驗證。美軍的“小精靈”項目通過大型空中運輸平臺,從空中發射無人機集群實施偵察、干擾等任務,未被打擊的無人機具有再回收能力,可大幅度節約成本。之后,DARPA于2017年啟動了進攻性蜂群使能戰術“OFFSET”項目,通過組建無人機蜂群作戰系統來支援城市環境下的地面作戰部隊,并針對該項目開展了多次場地試驗。國外典型集群作戰系統如圖2所示。

圖2 國外典型集群作戰系統

近年來,無人裝備在實戰中的應用愈加頻繁,作用日益突出。2020年9月,阿塞拜疆與亞美尼亞兩國在納卡地區爆發激烈沖突[10],無人機在此次沖突中發揮了重要作用,被認為是一場無人機的戰爭。以色列國防軍在攻擊加沙地帶時,第一次使用了人工智能引導巡飛彈集群投入戰斗,這是世界上無人機集群第一次被投入實戰中。被無人機集群、精確武器和C4I綜合電子信息系統賦能的單個連隊完成了30多項任務,摧毀了邊界外數公里的幾十個敵方目標。無人機集群可在幾分鐘內在復雜地區確定敵方位置、指示目標,并讓指揮所評估目標、打擊選定的目標、進行戰斗損傷評估。2022年2月開始的俄烏沖突中,俄烏雙方均投入并持續加強了對無人機作戰的使用頻率和力度。無人機的長時間制空監視、壓制、時敏打擊的優勢,增強了戰場態勢感知和高效打擊能力。同時,長時間消耗作戰亦考驗著雙方國家的低成本武器研制和生產能力。

總之,無人機蜂群利用大量功能簡單的無人飛行器模擬自然界蜂群行為,通過信息共享、自組織編隊、自適應飛行、智能決策和協同合作,形成高級群體智能涌現現象和完成多樣化任務的能力,以應對瞬息萬變的復雜戰場環境,具有高抗毀性、低成本、智能化和功能分布的新質特點。本文針對現實需求,剖析無人機蜂群的決策體制、協同機理、涌現效應等,探索研究無人機蜂群技術發展現狀和瓶頸難點,以期達到推動無人機蜂群技術進步和走向實用的目的。

1 無人機蜂群的分類

無人機蜂群按照使命任務、節點特征、投放方式、節點質量等,可以分成不同的類型:

1) 按照無人機蜂群的使命任務,可分為干擾型無人機蜂群、誘餌型無人機蜂群、偵察型無人機蜂群、打擊型無人機蜂群等作戰形態。

攜帶干擾載荷的無人機蜂群可對敵防空系統產生巨大震懾,迫使敵防空資源飽和崩潰;攜帶誘餌載荷的無人機蜂群可成梯隊對防空陣地進行欺騙干擾;攜帶不同類型偵察載荷的無人機蜂群可以進行廣域全方位的戰場敵情偵察感知;攜帶毀傷載荷的無人機蜂群可以對敵目標進行精確打擊或飽和攻擊,還可以輔助有人裝備,顯著增強我方作戰力量,完成復雜作戰任務。

2) 按照無人機蜂群的本體特征,可以分成旋翼式無人機蜂群、固定翼無人機蜂群、混合翼無人機蜂群和仿生撲翼無人機蜂群等。

多旋翼無人機蜂群具有體型小、打擊精準以及行動突然的特點,造價相對低廉,可以定點懸停,攜帶不同的任務載荷,分工協作,組成誘、偵、擾、打多功能異構蜂群作戰體系,完成復雜作戰任務。旋翼無人機垂直升降對起飛場地要求低,但速度相對較慢,續航時間相對短,適用于城市作戰等場景。固定翼無人機在飛行原理上與飛機類似,具有續航時間長、飛行速度快、運載能力大的特點,適用于精確打擊和飽和攻擊等作戰場景?；旌弦頍o人機采用固定翼與旋翼結合的混合翼布局形式,可兼具旋翼無人機的垂直起降功能和固定翼無人機的航時長、速度快、距離遠的優點[11]。撲翼無人機(仿生鳥)由于外形、飛行方式等與自然生物非常類似,用于作戰場景時具有很強的欺騙性,在抵近偵察、突然襲擊等方面具有重要的應用前景[12]。

3) 按照無人機蜂群的搭載和釋放方式(蜂巢形式),可以分為機載空投型無人機蜂群(包括戰斗機拋灑、直升機拋灑)、陸基運載/發射無人機蜂群、水中運載/發射無人機蜂群等。

機載平臺投放無人機蜂群后,載機可在無人機蜂群的掩護下執行突防、打擊等特定任務,載機平臺可以進行有人/無人協同指揮控制和火力分配。為使得無人機蜂群能夠快速到達預定區域,可將無人機蜂群置于大型導彈、火箭等運載平臺內部,依靠運載平臺本身的速度特性快速到達威脅區域,釋放無人機蜂群執行偵察、干擾和打擊等任務。

4) 按照節點的質量(參考國外典型無人機蜂群作戰系統),可分為十克級、百克級、千克級、百千克級的無人機蜂群序列[13],圖3給出了多型不同質量的無人機。

圖3 多型不同質量無人機

依據不同的作戰任務使命,無人機蜂群所需的節點平臺類型不一,節點質量差別很大。近戰隱蔽自主的CICADA無人機質量約為35 g,組成的編隊可實現大區域監測覆蓋,由于價格便宜,CICADA無人機在釋放后不需要回收[14]?！盎疑靳嚒睙o人機質量290 g,可以在低空偵察敵情,也可干擾敵人的防空系統,掩護我方戰機和導彈?！敖祭恰睙o人機質量6 kg,具備一定殺傷能力,可對地面人員、普通建筑和裝甲目標實施攻擊?！靶【`”無人機加滿油后質量超過700 kg,通過機載平臺發射并可重復回收使用。不同質量的典型無人機如圖3所示。

5) 按照無人機蜂群系統的節點數量,可分為大規模無人機蜂群系統與中小規模無人機蜂群系統。中小規模無人機蜂群系統中的平臺節點數量較少。大規模無人機蜂群系統中的平臺節點數量通常在數十個,直至數百、上千個,節點數量的提升將顯著提升無人機蜂群作戰系統的復雜度,其指揮操作、控制、通信的難度將呈現出指數級別的上升。典型無人機蜂群的分類方式如圖4所示。

圖4 典型無人機蜂群的分類方式

2 無人機蜂群的特點

無人機蜂群由多個低成本無人機節點單元組成,節點之間協同配合完成特定的作戰任務,作戰方式靈活,戰場適應性強。不同的作戰任務需求決定了平臺類型、載荷形式、組網規模等無人機蜂群形態,無人機蜂群的各個節點既可以是同構型無人機,也可以是異構型無人機。無人機蜂群的人員低傷亡、非接觸、殺傷效果好、容錯性強和抗毀傷等特點強力支撐了其執行多樣化作戰任務能力,其通常以數量優勢對目標區域進行高密度偵察、干擾與飽和式打擊。下面分別從成本優勢、高密度作戰任務執行和強突防能力3個角度出發,介紹無人機蜂群系統的特點。圖5給出了無人機蜂群的典型工作樣式。

圖5 無人機蜂群的典型工作樣式

2.1 成本優勢

單體高技術裝備系統集諸多先進技術于一身,性能優越,但往往成本較高。無人機蜂群由于不追求單體卓越性能,其單一節點的開發成本遠低于單體復雜系統,無人機蜂群的節點平臺成本通常在幾百美元至幾千美元,10 000架“蝗蟲”無人機的價格和1架F22相當,1架“全球鷹”無人機的單價超過了1億美元,而1架“小精靈”大型無人機的價格大約只有100萬美元左右。實戰表明,無人機蜂群的成本優勢使其可以與敵方進行火力交換,具有很高的效費比,實現以小博大、以量取勝的作戰意圖。

2.2 高密度、多樣化作戰任務執行

無人機蜂群個體之間可以協調工作,具有高度的自組織和自適應性,通常采用“無中心”分布式作戰方式,通過機動多變的構型,表現出聚集涌現性系統特征,避免了系統對單一節點的過分依賴,節點之間協同工作,完成高密度、多樣化復雜作戰任務。例如,通過節點平臺的信息共享與融合,可對威脅區域進行廣域偵察;搭載不同毀傷載荷的無人機蜂群(攜帶戰斗部的無人機蜂群此時即變身為自殺式無人機,或稱之為巡飛攻擊彈藥),可對敵方目標實施精確打擊和飽和攻擊,如俄烏沖突中使用廣泛的“彈簧刀”-300和“彈簧刀”-600自殺式無人機(見圖6)?！皬椈傻丁?300的作戰距離為10 km,續航時間為15 min,自殺式無人機/巡飛彈質量為2.5 kg?！皬椈傻丁?300配裝彩色相機和紅外攝像機,用來識別、跟蹤感興趣目標,配裝全球定位系統(GPS)用來確定平臺自身位置?！皬椈傻丁?300除了打擊地面目標外,還能夠攔截敵方無人機?！皬椈傻丁?600巡飛彈質量23 kg,作戰半徑40 km,續航時間40 min,戰斗部威力相當于“標槍”反坦克導彈,可以打擊主戰坦克等裝甲目標。

圖6 “彈簧刀”-300和“彈簧刀”-600自殺式無人機

無人機小巧輕便,附帶損傷小,便于單兵便攜使用。當無人機蜂群的規模超出對方防御系統攔截能力時,可完成對敵方感興趣多種類目標的高效毀傷。無人機蜂群協同工作可為偵察監視、飽和攻擊、電子對抗、精確打擊等作戰任務提供保障。

2.3 強突防能力

無人機蜂群多由小型、微型、微納型無人機組成,體積小、數量多,可采用多種手段靈活協同工作?？纱钶d雷達、光電、聲音等多種類傳感器進行信息感知。目前國內外無人機實時感知環境的手段包括激光雷達、超聲波、紅外線、深度相機、雙目攝像頭等傳感器,可在短時間內在作戰區域形成大量部署,達到高效突防效果,極大地提升突防成功率。結合無人機蜂群特點,圖7給出了無人機蜂群協同突防作戰(圖中為偵察)的典型工作模式。

圖7 無人機蜂群的典型工作樣式

蜂巢(圖7中為大型飛機)裝載多架無人機蜂群子機,根據作戰任務和目標區域,蜂巢在設定位置釋放無人機蜂群,無人機蜂群子機按照事先規劃好的航跡編隊飛行,多機協同組網形成蜂群,抵近突防,完成偵察、誘騙、打擊等多樣化任務,集群作戰效果可通過遠程測控鏈路回傳目標指示信息和打擊效果等信息。結合圖7,以蜂群偵察任務為例進行說明,典型的無人機蜂群工作流程可分為4個階段:蜂群準備、蜂群釋放、蜂群出動和蜂群偵察。

1) 蜂群準備。在執行集群作戰任務之前,確定無人機蜂群的組合配置方式,明確無人機蜂群的節點數量、類型、任務載荷種類及配置等;通過地面控制站完成對蜂巢和無人機蜂群子機的任務航線、任務編隊的初步預規劃,完成對無人機蜂群子機的任務預分配。

2) 蜂群釋放。蜂巢飛行至設定的投放區域后,保持或根據實際環境動態制定蜂群子機投放策略,完成蜂群子機投放;地面控制站監控無人機蜂群子機的飛行狀態、通信狀態和載荷狀態等。

3) 蜂群出動。無人機蜂群子機開始工作后,進行姿態和位置穩定控制;在組網通信下,無人機蜂群子機彼此交互狀態信息,觸發編隊控制邏輯,調整高度和航跡,蜂群編隊完成態勢感知、防撞檢測、隊形集結,突防抵近;在前往目標區域的過程中,根據任務區域情報信息、外界環境態勢、危險源分析,以及蜂群自身狀態變化,蜂群自主動態地任務分配、航路規劃和隊形生成。

4) 蜂群偵察。蜂群子機可搭載多種不同類型的任務載荷,相互協作實現協同偵察?？衫秒娮觽刹燧d荷開始遠距離目標偵察和協同定位,利用合成孔徑雷達載荷對目標進行中距離目標偵察識別,利用光電偵察載荷對目標進行近距離偵察、識別和截獲,獲取目標實時精確情報信息,并通過組網鏈路、中繼鏈路、衛星鏈路等傳輸至地面控制站和指揮中心。

3 無人機蜂群關鍵技術分析

3.1 無人機蜂群協同組網技術

無人機蜂群實現自組網的目的在于提高無人機蜂群的作戰效能。實際作戰中,單個無人機往往只能根據作戰使命任務來配裝特定的任務載荷,以完成特定的作戰任務,作戰效能較低。而無人機蜂群可配裝多類型任務載荷,利用自組網絡協同工作,形成可同時響應多樣化任務的有機系統,大幅度提高蜂群的作戰效能。同時,自組網可實現系統的可控性。無人機蜂群的自組網由蜂群中的全部無人機節點聯網組成,地面任務管控系統可實現對每個網絡節點的控制。除此之外,通過自組網可以提高無人機系統的抗干擾能力。自組網絡下的無人機蜂群間系統不是簡單的鏈式結構,當其中一個節點出現故障時,整個系統也不會癱瘓。無人機蜂群組網的關鍵技術主要包含:

1) 網絡分簇技術。網絡分簇算法包括最低ID、最高節點度、基于權重的分簇等。面對不同場景、不同任務以及不同環境,可選擇基于移動性的、基于鏈的、基于能耗的、基于任務的不同分簇算法。針對高動態大規模自組織無人機網絡中傳統分簇算法難以應對高速移動節點的問題,文獻[15]提出了一種基于綜合移動預測的分簇算法。文獻[16]提供了一種任務驅動的無人飛行器自組網簇首選擇方案,旨在確保無人機編隊與地面控制站無中斷連接的時間能夠滿足任務和通信時長的需求。

近年來,基于聯盟的無人機蜂群自組網分層架構作為一種新的方法,在軍事作戰領域、多智能以及空中管制領域得到了廣泛應用。在無人機蜂群自組網中,無人機通常根據任務進行結盟,形成針對任務需求的一個聯盟。執行完任務后,特定的聯盟即可解散,當再次有新任務時,再重新聚合成新聯盟,共同執行全新的任務。

2) 拓撲優化技術。網絡拓撲結構優化的主要目的是提高網絡的穩定性和可靠性,通過優化網絡節點的通信功率、連接方式、距離來減少擁塞、降低內部干擾、提高容錯性、增強抗毀傷能力等,從而優化網絡通信效率和質量?，F有研究成果中常見的4種針對網絡的拓撲優化方法有功率調節、休眠模式調節、分簇調節及混合調節。

功率調節可以通過調節增加或減少某些節點的發射功率以及中繼節點轉發時的功率等,來改變信號傳輸的距離和路徑,進而改變網絡拓撲結構。此外,調節節點功率可以降低節點之間的干擾、提高通信質量,同時也能減小網絡中存在的瓶頸區域及鏈路擁塞,最大限度地提高網絡帶寬利用率。統一功率分配(COMPOW)[17]為一種簡單的將功率分配與路由協議聯合考慮的算法框架。該算法特點為在保證網絡連通的前提下,所有傳感器節點采用一致且最小的發射功率,即發射功率恰好滿足信道最差節點的網絡不中斷要求。然而,由于各節點采用相同的發射功率,當節點分布不均時會出現能效降低、網絡壽命減少。局部最小生成樹(LMST)算法[18]可用于單獨調整每個節點的發射功率,該算法通過構造連接所有節點的最小生成樹,得到每條路徑的信道信息,以調整每個節點的傳輸功率,使其滿足最遠鄰居的傳輸需求,從而降低設備功耗。LMST的不足在于每個節點能耗不等、網絡壽命有限等。最低能耗通信網絡(MECN)以及改進的小型最低能耗通信網絡(SMECN)算法是利用節點定位信息,構建最小能量子圖的路由協議,該算法可降低數據傳輸的能耗,從而滿足無線傳感器網絡對于節能和網絡壽命的需求[19-21]。

網絡休眠通過調節網絡中節點的休眠/喚醒機制,可以使得節點在不用時進入休眠狀態,降低功耗,進而延長網絡壽命,并在需要時迅速喚醒以響應網絡服務請求。合理的休眠調度策略能夠更加高效地利用網絡資源,在減少能量消耗的同時盡可能地保持網絡整體的連接性和穩定性。CCP算法針對K覆蓋與K連通的場景,分析了如何最大化睡眠傳感器數量。地形自適應高保真度(GAF)算法[22]是一種基于位置和能量信息的路由協議,其分為發現階段、睡眠階段和活動階段3個階段。該算法將網絡監控區域劃分成多個虛擬單元格,通過相鄰節點之間的協調來保持較少數量的節點處于激活狀態,同時讓大多數節點進入休眠狀態,以降低不必要的能耗并延長無線傳感器網絡整體的使用壽命。與其他類似的算法相比,GAF算法需要每個節點精確地知道自己的位置信息,這限制了其在某些應用場合的實際使用。此外,GAF算法還存在一些缺點,例如網絡的分割容易產生對決策靈敏的邊界問題,節點之間相互協作的開銷較大,且難以適應網絡的動態變化等。

分簇調節通過將網絡中的節點分成不同的簇,然后對不同簇之間的連接關系進行調整,從而達到優化網絡性能和可靠性的目的。首先,將網絡節點按一定規則或算法分為若干個簇。在進行分簇操作后,可以針對每個簇內部的通信特點和網絡負載狀況進行相應的調整。將不同簇之間的聯系調整為跨簇聯通,在保證網絡正確性和延遲限制的前提下,讓數據信息在不同簇之間流動,滿足網絡的應用需求。通過分簇調節,能夠有效控制網絡中的廣播風暴、擁塞等問題,并提高網絡的容錯性和魯棒性。低功耗自適應集簇分層型協議(LEACH)算法[23]是一個經典的無線傳感器網絡分簇路由協議。該算法將網絡周期性地劃分為建簇階段和通信階段,并通過循環對簇頭節點隨機選舉的方式實現了負載均衡,延長了網絡壽命以及降低了能量消耗。LEACH算法提供了一種有效的解決方案,讓網絡中各個節點平等地成為簇頭,從而使得能量消耗更加平衡,進而提高整個網絡的性能和生存壽命?；旌瞎澞芊植际椒执貐f議(HEED)[24]算法采用概率競爭的方式來選擇簇頭節點,從而提高了分簇過程的效率。此外,考慮到簇頭節點在數據聚合與傳輸中會消耗更多能量,將節點剩余能量作為簇頭選取的依據之一,進而實現讓各個節點負載均衡、延長網絡生存周期。

3.2 無人機蜂群協同感知技術

復雜場景下的目標精準探測識別一直是制約武器效能發揮的瓶頸技術。通過基于目標位置與參數特征的無人機蜂群多平臺、多傳感器深度融合關聯,可有效克服單體無人機平臺偵察感知區域小,偵察動態目標難度大、適應性弱的缺陷,可實現大面積區域和動態目標的實時偵察,提高偵察感知的覆蓋率和實時性。無人機蜂群具有分布式探測能力、自愈合能力,與單體感知相比,無人機蜂群中的單體平臺功能相對簡單,造價低廉,部分個體的犧牲不會對蜂群產生致命影響。由于無人機蜂群的動態網絡自愈合能力,使得蜂群可遂行單體飛行折損率高的危險區域的偵察感知。無人蜂群可適用于多種偵察任務。由于蜂群的探測器分布較分散而且蜂群整體具有智慧行為,在控制好蜂群的隊形變換的同時可以對點目標、線目標、面目標進行偵察,而且對于部分重點區域還可以進行全面覆蓋實時偵察,對于動態目標還可以進行多機聯合跟蹤偵察。

無人機蜂群具有多源、異構、多維和動態等特點,其態勢感知一般包含數據、信息以及特征等多個層面,實現探測感知信息的多源異構融合和精確目標識別。環境感知的任務是利用集群中雷達、光電等任務載荷收集環境信息,從數據中發現規律和挖掘目標,在目標環境中進行目標識別、引導偵察,提高無人機蜂群系統對目標環境態勢的認識與理解。另外,采用虛擬中心技術,將態勢信息通過組網共享給其他無人機,以增強蜂群任務實現的可靠性。

1) 數據層面?？刹捎梅植际娇柭鼮V波算法,將紅外、雷達等異構傳感器數據融合,提升對目標的跟蹤精度。隨著多源傳感器網絡的快速發展,兩種基于多源傳感器網絡的數據處理框架受到廣泛關注。一種是各傳感器將數據傳輸至一個融合中心進行處理的集中式框架,集中式框架的優勢在于,當所有觀測器穩定工作時,計算獲得的目標狀態估計結果在某些性能標準下是最優的,然而這種方式需要大量的通信和計算資源,魯棒性和可靠性較差。另一種是分布式框架,各個觀測器根據本地測量數據,計算得出局部的目標估計結果并經由通信鏈路與鄰居共享,通過融合本地與鄰居的估計信息,最終獲得符合性能標準的全局最優或次優的目標狀態估計結果。分布式方法的數據并行處理結構使其具有更優的魯棒性、可靠性和可擴展性,但通常精確度不如集中式融合。近年來,分布式框架備受關注。

3) 特征層面。目標的精確分類識別是無人機蜂群實現威脅目標精準探測的核心關鍵,是實現目標定位、精確制導等應用的重要前提[30-31]。多機協同目標識別旨在通過多無人機協同工作提供更豐富的目標關聯信息,提升相對于單體探測的高精度目標識別結果。目標識別算法主要包括基于模板的識別算法和基于模型的識別算法[32-34]。目標高精度識別,尤其是陸地背景的高精度識別面臨巨大的挑戰。一是同一類別內的目標差異較大,同類型內的目標特征也不盡相同。二是屬于不同類別的目標,有時卻表現出很大的相似性。三是復雜的背景干擾,在實際的目標識別應用場景中往往存在著大量的背景干擾,會對識別精度產生不利影響。近年來,隨著深度學習技術在計算機視覺、語音處理、圖像處理等領域的廣泛應用,圖像目標自主識別技術取得了重大突破。采用卷積神經網絡作為基本網絡結構,研究小型化、輕量化深度模型以用于實用化硬件平臺,是實現無人機蜂群快速目標識別的核心關鍵[35-36]。

3.3 無人機蜂群協同決策技術

無人機蜂群協同決策涵蓋的內容十分豐富,是集群系統協同作業/作戰的核心與關鍵。協同決策規劃一般包含以下兩方面:

1) 協同目標分配。為了解決多對多打擊過程中的沖突消解問題,需要進行無人機蜂群系統的協同目標分配。一般針對多目標的分配問題,構建攻擊代價與攻擊收益函數,建立分配過程中的位置約束、方向約束、能量約束,通過求解混合整數規劃問題,獲得M武器對N目標的分配結果。單純利用傳統算法,很難適應未來戰爭中不斷動態變化的復雜作戰場景。由于實際作戰場景中無法知曉敵方全部作戰信息,僅依靠初始的任務分配結果很難達到預期的毀傷目標要求。與此同時,武器-目標分配問題是非確定性多項式(NP)完全問題,智能算法的引入十分必要[37-40]。國內外學者提出了基于交叉熵的多無人機協同任務分配方法,用以解決資源約束下多類型無人機的任務分配問題。解決任務分配的另一種思路是將無人機多任務分配問題歸結為多約束條件下的組合優化問題,采用遺傳算法等進行求解,以降低計算復雜度。

2) 協同航跡規劃。航跡規劃是無人機蜂群運用的關鍵環節,由于無人機節點數量多,使得編隊飛行器的協同航跡規劃極具挑戰。無人機蜂群的航跡規劃要綜合考慮敵方探測跟蹤、電子干擾、偽裝欺騙與毀傷攔截等威脅,在全方位考慮最優突防策略及蜂群系統生存率的前提下,結合集群游走、召喚及圍攻等行為,設計無人機編隊構型和飛行航跡。從集群起飛集結、巡航飛行到任務執行的全過程無人機蜂群的飛行航跡均屬航跡規劃的范疇[41-44]。

3.4 無人機蜂群協同控制技術

多無人機協作過程中,協同控制系統需要具備高可靠性、強魯棒性、快速響應和快速重組等能力[45]。集群的編隊控制方法主要包括基于行為的編隊控制方法、基于虛擬結構的編隊控制方法、基于領導者-跟隨者的編隊控制方法、基于一致性的編隊控制方法以及基于人工勢場法的編隊控制方法等[46-51]?；谛袨榈木庩牽刂品椒?將編隊控制任務分解成起飛、避障、隊形保持等基本行為,并通過加權行為融合實現無人機蜂群的編隊控制?；谔摂M結構的編隊控制方法,將無人機蜂群視作一個包含多個節點的整體虛擬結構,無人機與虛擬結構節點保持同步運動,完成編隊飛行。

基于領導者-跟隨者的編隊控制方法將無人機蜂群分為領航者和跟隨者兩種不同的角色類型,領航者沿著預定或者臨時設定的路徑運動,跟隨者根據相對于領航者的距離和方位等信息進行運動,協同工作實現編隊控制。

基于一致性的編隊控制方法通過圖來描述無人機蜂群節點間的關系,通過局部的協同作用使得無人機的狀態與編隊參考的向量偏差趨于一致。

基于人工勢場法的編隊控制通過構造目的地引力勢場與周邊障礙斥力勢場特性實現編隊。模糊人工勢場法應用于無人機蜂群協同控制中時,具有更高的執行效率。人工勢場法主要通過構建人工勢場函數來實現隊形控制,在人工勢場法中,當兩架無人機之間的距離較遠時,相互吸引會使得兩架無人機彼此靠近,當兩架無人機之間的距離較近時,相互排斥會使得兩架無人機彼此分離,即基于人工勢場法可實現無人機之間的防碰撞,當無人機之間的距離過近時,相互排斥會使得無人機節點彼此分離,避免碰撞。

4 無人機蜂群技術發展的重點、難點和方向

4.1 無人機蜂群系統的主要技術指標和能力需求

無人機蜂群系統的主要技術指標和能力需求如下:

2005年前簽訂的農村土地流轉合同由于期限長、價格低，沒有價格調節機制，且土地流轉手續不規范，出現糾紛難以調解，所以簽訂農村土地流轉合同的比例很小。但是隨著土地流轉合同的簽訂工作走向規范化，農戶的法律意識加強，比例逐年增加。59.92%的農戶在農村土地流轉時簽訂了書面合同，只有8.95%的農戶依然以口頭協議的方式非規范化進行流轉。

1) 任務類型:誘餌、干擾、偵察、制導、打擊、通信中繼等。

2) 通信帶寬:無人機蜂群節點通信帶寬越大,支持的節點數量和信息傳輸容量越大,越能響應更復雜的作戰任務。

3) 節點數量(規模):無人機蜂群節點數量越多,作戰運用方式越靈活多樣,執行任務種類越多,協同工作能力越強。足夠的節點數量還可以保障抗毀動態重組能力生成,不會因為部分節點的損毀導致系統喪失作戰任務執行能力。

4) 作用距離或威力:無人機蜂群節點載荷的作用距離越遠或威力越大,無人機蜂群的任務執行成功率越高。

5) 決策時間:決策時間體現了無人機蜂群系統的智能化程度和實戰化能力,決策時間越短,系統智能化程度越高,實戰化能力越強。

4.2 無人機蜂群技術的發展重點和難點

無人機蜂群是一種集光電探測、通信組網、協同控制、任務規劃等多學科于一體的復雜作戰系統形態。對于不同類型的無人機蜂群系統,其研發重點和難點既有相同之處又各具差異:

1) 復雜不確定場景下無人集群自組織行為因果機理不清晰,智能體建模和交互規則難以設計,涌現行為難以調控,缺乏系統性群體智能激發匯聚演化機理,可解釋的群體智能行為生成訓練方法欠缺,這些因素成為制約蜂群系統在復雜任務中應用的關鍵瓶頸。

2) 如何充分、協同地運用當前有限的蜂群系統領域知識和數據,在非理想通信、非精確感知等不確定性條件下突破大規模無人機蜂群的協同控制,實現自組織協同作戰體系,是群體智能系統走向實用化的關鍵問題。

3) 缺乏面向實際任務的通用化軟硬件集成平臺與測試驗證手段,亟待構建群體智能驗證的開放性標準測試環境,研制與開發具有開放式接口的軟硬件平臺,對不同的任務、算法進行面向應用的快速集成、測試和驗證。

4) 在強對抗、瞬息萬變的復雜動態環境下,如何實現兼顧精確性和快速性的動態決策和任務規劃,是無人機蜂群智能決策面臨的挑戰性難題。

5) 實戰化復雜作戰任務條件下的調度與管理技術仍處于探索階段,而且可能會受到非技術因素如戰爭倫理、法律、開火權控制等因素影響。

4.3 無人機蜂群技術的發展方向

近年來,各種類型的無人機蜂群正以前所未有的速度迅猛發展,進入了創新發展的新時期。多樣化的智能需求和發展趨勢給無人機蜂群技術的發展帶來了前所未有的機遇和挑戰,催生出一系列新興技術領域。無人機蜂群的技術體系主要包括單體飛行平臺技術、集群協同技術以及總體設計技術等,圖8所示為無人機蜂群武器系統涉及的主要技術體系框架。

由圖8可見,較之于單體飛行平臺,無人蜂群技術的體系框架較為復雜。然而,隨著國內外學者和科研人員的努力攻關,部分關鍵技術已經得到解決,并通過了試驗驗證。然而,仍有諸多制約無人機蜂群任務執行效能發揮的關鍵技術亟需突破,筆者結合自身的工作和研究經歷,總結了未來無人機蜂群的重點發展方向,將主要體現在:生物集群自組織智能決策技術、無人機蜂群監視偵察技術、無人機蜂群低成本渦噴發動機技術、無人機蜂群任務載荷技術和智能芯片技術等方面。

4.3.1 生物集群自組織智能決策技術

建立生物群體智能與無人機蜂群的映射關系,揭示無人機蜂群“群智涌現”機理,提高無人機蜂群在復雜作戰環境條件下的自主決策能力。無人機單體平臺通過與集群中其他無人機個體的相互交互進行歷史經驗學習和進化學習,獲得比單體更強的生存能力以及對環境的適應性。

通過對生物群集中的空間聚集性、運動有序性、環境適應性進行深入研究,建立集群運動理論模型,分析個體行為與群體特性之間的關系,通過個體設計使得整個群體產生期望的行為,魯棒性強、自適應度高、可擴展性好[52]。通過生物群集行為研究,將其映射到無人機集群協調自主控制領域中,提高無人機蜂群復雜環境條件下的自主決策。挖掘生物群集內部的作用機理和協調機制,賦予無人機蜂群自主學習和主動進化能力,解決無人機蜂群智能決策難題,實現全自主的無人機蜂群系統設計。

4.3.2 無人機蜂群監視偵察技術

圍繞無人機蜂群在戰場監視、情報處理、態勢融合等方面的作戰運用,綜合利用光學、紅外、雷達傳感器開展基于人工智能的信息處理與融合方法研究,突破多類型多尺度目標檢測、目標影像融合、戰場態勢在線融合等關鍵技術,大幅度提高戰場目標的檢測精度和信息融合效率。

無人機蜂群監視偵察克服了單個無人機偵察區域小的缺陷,可實現對大面積區域的實時偵察,提高了偵察的覆蓋率和實時準確性。分布式的去中心化無人機集群利用組網技術可實現無人機之間的信息高速共享,提高無人機蜂群探測與偵察的抗故障與自愈能力。

4.3.3 無人機蜂群低成本渦噴發動機技術

動力先行是發展武器裝備的重要原則。研制和開發成本可控、耗油率佳、質量受控、可靠性高的渦噴發動機是無人機蜂群需要重點攻關的研究方向。針對無人機蜂群任務使命對動力系統的需求,重點突破低成本加工設計與材料選擇、重油燃燒、寬包線制式起動等關鍵技術,為無人機蜂群實戰化發展提供動力基礎。

此外,亟需開發發動機健康管理算法,建立發動機健康級別與無人機蜂群任務等級的映射關系,無人機蜂群的飛行控制系統根據發動機的健康信息完成任務優化配對,提高發動機的智能化水平,增強無人機蜂群遂行多樣化任務能力。

4.3.4 無人機蜂群任務載荷技術

針對無人機蜂群執行協同感知、對抗等任務,綜合蜂群無人機平臺對任務載荷的約束,開展輕量化、低功耗、低成本、模塊化、型譜化的任務載荷研究,研制中繼型、制導型、干擾型無人機蜂群載荷。事實上,3.2節所述無人機蜂群協同偵察也是一種特定的感知型任務載荷。以制導型載荷為例,亟需突破高精度、強魯棒性、強實時目標檢測與跟蹤算法,使得制導型載荷在給定指令下具有對典型目標自動識別、截獲、跟蹤的功能,指引無人機蜂群系統對典型目標進行自主攻擊。

強化載荷樣機部組件的共用性,盡量采購商用貨架產品,減少外部接口和連接件;強化個性化部組件的標準化模塊化,形成不同規格的系列化標準化模組;提高集成度,芯片化設計核心模塊,降低成本、提高可靠性并減輕質量。

4.3.5 智能芯片

人工智能專用加速芯片通常具有數百個甚至上千個計算核心,相較于傳統芯片在計算架構和芯片算力上發生了顛覆性變革,具有海量數據并行計算能力,性能和訪存帶寬等指標明顯優于CPU,可提高無人機平臺的整體運算能力和運算效率。IBM公司構建了深度學習框架System ML、類腦芯片TureNorth,以及神經突觸計算機芯片SyNAPSE,谷歌開發了第二代深度學習芯片TPU、Intel研制了Xeon-FPGA芯片、NVIDIA的多GPU集群處理和CUDA框架則可用于MapReduce/Hadoop、數據挖掘、數據庫搜索方面的加速。智能芯片可為無人機蜂群真正意義上實現群智涌現實戰化進程提供堅實的技術支撐。

5 無人機蜂群技術發展的途徑和舉措

綜合上述無人機蜂群分類、組成、特點、研發重點和難點,以及無人機蜂群技術的發展方向,形成無人機蜂群技術發展的途徑和舉措如下:

1) 著眼未來發展,前瞻性地謀劃好制約和影響無人機蜂群革命性發展的新型隱身、自主等前沿技術研究和應用工作,發展覆蓋高中低空、大中小型、戰略戰術戰役級的無人機蜂群裝備體系。

2) 抓住核心關鍵,有目的地籌劃好制約和影響無人機蜂群創新性發展的智能決策與任務規劃、導航拒止環境下的協同控制、干擾環境下的協作規避、強對抗環境下的組網通信等關鍵技術的研究和應用工作。

3) 重視試驗測試,有針對性地開展標準化試驗驗證與測試接口研究,建立規范化和統一化的交互協議,使得無人機蜂群技術與方法能以模塊化方式匯聚形成知識庫、模型庫、方法庫,為蜂群算法訓練、測試、評估以及典型蜂群任務的演示驗證提供試驗床。

4) 大力推進數字工程,從論證分析、總體方案、詳細設計到生產制造全面采用數字模型,實現降本增效。

5) 大量使用成熟任務載荷,根據任務需求,使用成熟的貨架產品和商用軟件降低升級和損耗成本,實現低成本化、輕小型化、功能分解化、型譜系列化、組網協同化、標準化、通用化、開放式軟件化的無人機蜂群系統生態環境。

6) 結合和利用自身優勢,強化頂層設計,深入研究先進無人機蜂群作戰特點,同時緊密關注反蜂群技術發展,組織科研人員加強技術攻關,先于對手形成實戰能力。

6 結論

不同于機群的概念,無人機蜂群是以智能化無人控制技術和網絡信息系統為支撐的集群式無人作戰武器裝備,通過單個節點平臺的行為自主決策和節點平臺間的行為協同實現能力涌現,是形成新質作戰能力的核心關鍵技術之一,以無人機蜂群為代表的智能群體作戰將深刻影響戰法變革、力量編成,成為未來戰場的新形態。當下和未來,誰擁有和突破了無人機蜂群核心關鍵技術、誰把握了無人機蜂群技術的發展方向,誰就站在了無人機蜂群領域的制高點,就意味著誰將在競爭日趨激烈的未來戰場中占據優勢地位。