多无人机协同应急搜索自主任务规划系统

多无人机协同应急搜索自主任务规划系统

简介：

无人机在应急搜索等任务中正呈现出广阔的应用前景。作品设计并开发了多无人机协同应急搜索自主任务规划系统，实现了无人机的自主任务管理和决策，并通过对多无人机的协同控制，使无人机之间能互相协作，信息共享，使无人机的智能水平更高。该系统的设计融合了协同控制技术、信息融合技术、任务分配技术和航迹规划技术，分为七个Agent单元进行实现。该作品具有自主知识产权，能产生明显的经济和社会效益，目前已实现市场推广。

1

2

3

4

详细介绍：

1 背景

无人机(Unmanned Aerial Vehicle, UAV) 具有体积小、造价低、使用方便、对作战环境要求低、战场生存能力较强等优点，能够代替人在战场、火灾、地质灾害等多种危险、恶劣和极限的环境下完成给定的工作任务。目前，无人机已经广泛地应用于军事、测绘、救灾等领域，并越来越受到广泛的关注。 自上世纪九十年代以来，无人机的研制与应用得到了快速的发展，美国、俄罗斯、法国、以色列等国家均大力发展无人机项目。

以美国为代表，先后研发了MQ-1掠夺者、RQ-4全球鹰、MQ-8火力侦察兵无人机、RQ-11A大乌鸦等型号，并先后投入实际应用。在2001年，五角大楼仅拥有50架无人机，而十年之后，这一数字已激增至8000架。2011年全年，美国在阿富汗发动了294起无人机袭击，而在2012年的前11个月，美军的无人机进攻达到447起。

与此同时，中国的无人机项目也正在快速的发展中，如最新的WJ-600无人机具备反应速度快、突防能力强的特点，能够全天时全天候执行任务，也可实施对地攻击、电子战、信息中继等军事任务。 除军事用途之外，无人机在各种突发灾害的救援过程中也发挥了积极的作用。经过汶川“5•12”大地震、舟曲泥石流、青海玉树地震等灾情的考验，我国无人机应急测绘工作已经能够在灾情发生后第一时间提供测绘信息保障，并能够在多云多雨、起降困难的等环境下实现了多架次的飞行。2013年4月20日四川雅安地震灾情发生后，国家测绘地理信息局派出的应急监测车系统和5架无人机迅速到达灾区，获取了核心灾区宝兴镇、太平镇0.16米分辨率低空无人机影像30平方千米，不仅测绘时间大大缩短，而且成本极大降低。

 在应急搜救等任务环境中，需要在复杂与恶劣的自然环境下对分布于大范围内的多个目标进行快速搜索与识别，无人机在此方面正呈现出广阔的应用前景。然而目前无人机执行搜索任务的过程仍然依赖于人工指挥和控制，缺少自主决策的能力，无法在具有高度的动态性与随机性的未知环境中进行高效的目标搜索。另一方面，也缺少对多架无人机进行协同管理的办法，无法在较大的空间内实现多架无人机的信息互联和协同搜索，搜索力的配置效率不高。 基于以上背景，本作品设计并实现了多无人机协同应急搜索自主任务规划系统。该系统面向应急搜索过程中涉及到的各种类型的任务需求，综合考虑不同无人机的能力、位置、载荷等因素，实现复杂环境下无人机的自主任务管理和自主决策，并且通过对多无人机的协同控制和统一规划，使无人机之间能够互相配合，互相协作，能力互补，信息共享，进一步提高无人机完成应急搜索任务的能力、效率和效果。

 2 概述 对于灾后测绘或救援等突发事件的应急响应，目前仍然是由单一无人机执行预先规划好的任务，对于应急搜索过程中的特殊情形仍然较多地通过地面站进行指挥；另一方面，单一无人机在携带载荷与搜索能力上均受到不同程度的限制，从而影响到应急搜索的效果，在分秒必争的黄金72小时内是极为重要的。 因此，本项目的多无人机协同应急搜索自主任务规划系统是面向应急搜索过程中涉及到的各种类型任务需求，综合考虑不同无人机的能力、位置、载荷等因素，实现对复杂环境下多无人机的协同与合作，从而更好地完成灾后救援等应急搜索任务。 无人机机载系统由通信系统、导航系统、控制系统、传感器系统以及任务规划系统五个部分组成。本作品是无人机机载系统的子系统，构建于通信系统、导航系统、控制系统以及传感器系统之上，是无人机的任务规划系统，可实现多无人机应急任务的协同、自主决策。

 2.1特征 无人机具有较好的协同合作能力，能够对复杂的搜索任务进行分解与分配，使得多个无人机能够通过相互协调，共同完成搜索任务。为此，本作品必须具有以下特点： （1）稳定性：在执行任务的过程中，能够顺利地完成所承担的任务。 （2）高效性：通过多机协作，提高无人机编队的总体效能。 （3）自适应性：能够适应地震、泥石流、火灾、水灾等突发灾害后的多种复杂环境，能够及时调整无人机自身的行为。 （4）智能性：通过引入人工智能等方法，提高无人机在进行自主决策和任务规划时的智能程度。 （5）协作性：无人机之间通过交互协议，保障多机协同合作。 2.2作品功能 作品应具有以下功能： （1）数据管理：无人机能够获取从传感器搜集到的各种数据，对传感器数据进行降噪、清洗、标准化、存储等 （2）多机编队管理：无人机能够对其所处编队进行智能管理。 （3）多源信息融合：无人机能够对来自内部及外部的信息进行融合，从而得到无人机对环境态势的感知。 （4）自主任务决策：无人机能够对其所执行的搜索任务进行自主决策。 （5）协同航迹规划：无人机能够与编队其他无人机一起进行飞行线路的规划。

3. 设计 系统共分为以下七个模块，分别为信息获取模块、数据存储模块、编队管理模块、信息融合模块、智能决策模块、航路规划模块、网络通信模块。 在多无人机任务规划方面，采用多Agent技术，对系统进行建模、设计与实现。 Agent理论与方法是近年来人工智能领域中迅速发展的一个分支,它是在分布式人工智能(DAI, Distribute Artificial Intelligence)研究的基础上发展起来的。在Agent理论与方法的研究过程中，逐渐形成了以个体Agent为基础，以多Agent系统为核心，以面向Agent的程序设计为应用工具的研究体系。在这个体系下，研究人员在Agent的建模与仿真、推理与学习、协商与协作、合作与竞争以及信息融合、通信协议等多个方面开展了广泛而深入的研究，并且这些研究内容中还涉及到了哲学、社会学、心理学、数学、逻辑学等多个领域的知识。 Agent具有下列基本特性： （1）自治性(Autonomy): Agent能根据外界环境的变化，而自动地对自己的行为和状态进行调整，而不是仅仅被动地接受外界的刺激，具有自我管理自我调节的能力。 （2）反应性(Reactive): 能对外界的刺激做出反应的能力。 （3）主动性(Proactive): 对于外界环境的改变，Agent能主动采取活动的能力。 （4）社会性(Social): Agent具有与其它Agent或人进行合作的能力，不同的Agent可根据各自的意图与其它Agent进行交互，以达到解决问题的目的。 （5）进化性: Agent能积累或学习经验和知识，并修改自己的行为以适应新环境。 Agent的上述特性较好地反应了多无人机协同应急搜索过程中的特点。

 3.1 多Agent系统 多Agent由多个Agent组成，多个Agent分布在四个不同的线程中： （1）传感器Agent线程，即CSensorsAgent（传感器Agent），它启动一个线程，专门负责通过传感器主动检测和保存环境信息。 （2）网络通信Agent线程，即CNetworkCommunicationAgent（网络通信Agent），它启动一个线程，负责在多个实体之间发送和接收网络消息。并提供一个公用函数接口AddNewMessageToSendQueue，以供其他Agent调用，以发送各自想发送的网络消息。 （3）信息获取Agent线程，即CInformationAccessAgent（信息获取Agent），启动一个线程，负责从传感器Agent和网络通信Agent中获取相关信息，并分析这些信息，将分析后的结果存放到“全局信息池（CGlobalInfoPool）”中。 （4）主线程，包含CFormationManageAgent（编队管理Agent），CInformationFusionAgent（信息融合Agent），CTacticalDecisionAgent（智能决策Agent），CRoutingPlanAgent（航迹规划Agent）。 （5）CGlobalInfoPool（全局信息池） 具体关系为： 编队管理Agent、信息融合Agent、智能决策Agent、航路规划Agent从全局信息池获取信息进行各自的处理，然后更新全局信息池，并且可以通过网络通信Agent将处理后的信息发送给其他无人机，信息获取Agent从网络通信Agent以及传感器Agent获取数据，进行解析后存储在全局信息池中。 3.1.1传感器Agent 启动一个线程（即传感器Agent线程），专门负责通过传感器主动检测和保存环境信息。传感器Agent获取ESM、SAR等传感器数据，并将数据存储在全局信息池中。传感器Agent线程的核心函数的流程为判断线程是否应该停止，否则获取传感器数据，并存入全局信息池中，是则直接结束。 3.1.2 网络通信Agent 启动一个线程（即网络通信Agent线程），负责在多个实体之间发送和接收网络消息。并提供一个公用函数接口AddNewMessageToSendQueue，以供其他Agent调用，以发送各自想发送的网络消息。网络通信Agent接受来自编队管理Agent、信息融合Agent、智能决策Agent、航迹规划Agent需要发送的数据，通过网络发送给其他无人机。网络通信Agent线程的核心函数的流程为首先判断线程是否应该停止，是则直接结束，否则从网络中接收一条消息，并存入消息接收队列中，然后从消息发送队列中取出一条消息，并通过网络发送出去，最后结束。 3.1.3 信息获取Agent 启动一个线程（即信息获取Agent线程），负责从“传感器Agent”和“网络通信Agent”中获取相关信息，并分析这些信息，将分析后的结果存放到“全局信息池（CGlobalInfoPool）”中。信息获取Agent线程的核心函数的流程为首先判断线程是否应该停止，是则直接结束，否则读取和分析传感器Agent中的信息，将结果存放到“全局信息池”中，接着判断“网络通信Agent”的“接收消息队列”是否为空，否则对其解码，结果存放到“全局信息池”中，最后结束。 3.1.4 编队管理Agent 此Agent对外提供一个公用函数FormationManage，供实体主线程循环调用，以实时地执行“编队管理”任务。编队管理Agent从全局信息池中获取编队命令、编队结构，解析处理后，更新全局信息池中的编队命令、编队状态，并通过网络通信Agent将编队命令发送给其他无人机。编队管理Agent的核心函数的流程为首先判断是否有上级的编队命令，如果没有则进行环境信息的分析。环境变化导致需要重新编队时，则判断自己是否为有上级，是则将自身状况报告给上级，否则判断是否为长机，如果是则对下级进行编队调整。如果有上级编队命令，自身调整后判断是否为长机，是则对下级进行编队调整。 3.1.5 信息融合Agent 此Agent对外提供一个公用函数InformationFusion，供实体主线程循环调用，以实时地执行“信息融合”任务。信息融合Agent从全局信息池中获取环境信息，进行融合后更新全局信息池中的环境威胁评估。信息融合Agent的核心函数的流程为首先对目标的信息进行融合，接着进行态势评估，最后进行威胁估计。 3.1.6智能决策Agent 此Agent对外提供一个公用函数TacticalDecision，供实体主线程循环调用，以实时地执行“智能决策”任务。智能决策Agent获取全局信息池中任务属性，进行任务决策后更新全局信息池中的分配结果，并通过网络通信Agent将任务分配命令发送给其他无人机。智能决策Agent的核心函数的流程为首先判断是否有上级下达的任务，如果有则判断是否为长机，是则针对下级对任务进行分解以及任务分配，如果没有上级命令则分析环境信息，决定是否重新决策，是则对下级进行任务分配。 3.1.7 航迹规划Agent 此Agent对外提供一个公用函数RoutingPlan，供实体主线程循环调用，以实时地执行“航迹规划”任务。航迹规划Agent根据全局信息池中的任务分配结果，进行航迹规划，生成航迹点，并存储在全局信息池中。航迹Agent的核心函数的流程为首先判断是否为长机，如果是长机则分析环境信息，决定是否需要重新航迹规划，是则运行航迹规划算法，并将航迹变更通知下级；如果不是长机，则判断是否有上级下达的航迹变更，有则进行航迹变更。 3.1.8 全局信息池 “全局信息池”是一个公共的信息交换场所，其他Agent的输入输出都可以存放在此处。全局信息池中的信息主要有位置信息，所属编队信息，搜索目标信息，任务信息，航迹点信息，编队命令。

 3.2通讯协议设计 为了多无人机能进行交互，设计了无人机间的通讯协议，将环境态势信息、决策信息进行编码。其中环境态势信息包括命令信息、自身状态信息、目标信息、队友信息、传感器状态信息。决策信息包括运动控制信息、通信控制信息。 无人机间进行信息交互时，发送者按照通讯协议格式将所要传送的信息进行编码打包后，形成数据包，通过UDP协议传送给接收方，接收方进行解码，获取信息后决策。 3.3 算法库设计 为了应对应急搜索场景的不同任务，基于相关领域最新的研究成果和我们的研究创新，设计并实现了Agent中的核心关键算法库，包括信息融合算法库，协同航迹规划算法库 ，协同任务分配算法库，协同目标搜索算法库。在系统运行的过程中，同一算法库中的算法可以根据需要有选择的动态切换。 信息融合算法库包括基于证据理论的信息融合算法、基于神经网络的信息融合算法等，协同航迹规划算法库包括粒子群算法，A*算法等，协同任务分配算法库有基于合同网和基于拍卖的任务分配算法，协同目标搜索算法库含基于机会学习和基于模型预测控制的协同目标搜索算法等。

 4. 运行 本作品的设计针对真实应急搜索场景，具体的运行过程如下： （1）首先，将系统安装在嵌入式开发板中，作为一个模块嵌入到无人机机载系统中，同时，调试使得该系统与无人机的通信系统、导航系统、控制系统、传感器系统等之间可以进行数据交换。 （2）设置每架无人机的参数，如油量，机载传感器类型，是否为长机等 （3）设置无人机搜索区域。 （4）无人机起飞，飞往搜索区域，飞行过程中，根据环境状况可以实时进行编队调整，信息融合，任务重规划，航迹规划，并将数据回传至地面控制中心，无人机之间进行数据交互。遇到突发状况，如长机丢失、通讯失败等情况，无人机根据相应规则进行调整。 （5）完成任务后飞回出发点。 （6）进行无人机搜索效能评估，根据评估结果，修正突发情况的调整规则。

 5. 仿真实验 由于硬件条件的限制，本系统目前仍然难以在实际中进行测试，因此采用仿真实验的方式。在仿真实验中，采用MAK公司的VR-Forces平台进行。 5.1 仿真实验设计 仿真实验系统共有4个部分组成，分别为控制中心、2D态势显示、3D态势显示、以及单机系统。控制中心用于操作者对仿真过程中的参数进行配置和修改，以及仿真运行控制和任务执行效能评估；2D态势显示和3D态势显示中分别展示了仿真过程中各实体在二维地图及三维场景下的运动过程；单机系统是单机功能的集合，可以显示当前任意一架无人机在应急搜索过程中的状态，包括雷达状态、剩余燃料、位置和姿态信息等。 5.2 搜救仿真实验参数 搜救仿真实验参数包括目标个数，无人机个数、无人机参数以及地形、环境参数四个部分。在系统的仿真实验开始前，通过仿真软件VR-Forces对参数加以设置。 5.3 仿真过程 在综合控制台程序点击“运行仿真”按钮后，在vrfGui程序中将看到我方UAV编队将朝着目标飞；在每个UAV对应的vrfSim程序中，点击“State”按钮后，程序界面上将实时地显示出每个UAV的各种状态信息，比如：X坐标、Y坐标、Z坐标、速度大小、所剩燃料百分比、加速度、俯仰角、偏航角、翻转角等。在UAV编队飞行过程中，如果遇到环境发生变化（比如遇到障碍物），每个UAV的vrfSim程序的自主决策算法将根据需要改变编队队形、改变飞行航迹等。当然，在运行过程中也可以使用综合控制台程序来手动改变编队的结构、控制仿真的暂停和继续。当敌我任何一方的实体完全被摧毁时，仿真将自动停止，综合控制台程序将展示出仿真的运行结果。 5.4 结果分析 结果表明，无人机能够自主决策，多无人机之间有效协同，全面地搜索了目标区域，不仅用时较短，而且发现目标个数较多。根据环境的变化，切换相应的算法，可以验证算法的效率。 

设计、发明的目的和基本思路、创新点、技术关键和主要技术指标

1. 设计、发明的目的 无人机在灾后搜救、森林火险识别等应急搜索过程中正呈现出广阔的应用前景。本作品设计并实现了多无人机协同应急搜索自主任务规划系统，实现了无人机的自主任务管理和决策，并通过对多无人机的协同控制，使无人机间能互相协作，从而更高效地完成搜索任务。 2. 基本思路 （1）采用分布式协同控制的思路，将多架无人机通过无线自组织网络组成分布式控制系统；（2）采用多Agent系统的设计思路，将系统分为七个Agent，各Agent具有其特定的功能，同时又相互配合；（3）基于相关领域的前沿知识，设计实现了Agent中的核心算法库。 3. 创新点 （1）实现了无人机的自主任务规划，使无人机能根据机载传感器采集到的外界信息，自主规划合理的搜索顺序和飞行航迹。（2）实现了多无人机协同任务规划。通过对多无人机协同控制和统一规划，使无人机间能自主实现互相协作，提高了无人机执行任务的效率和效果。 4. 技术关键 （1）自组织的多无人机编队管理技术：一种灵活可靠的无人机编队组织模式，能保证无人机编队以最优的工作模式执行任务；（2）多无人机信息融合技术：对来自不同机载传感器的信息进行综合处理，得到全局态势信息；（3）多无人机协同任务分配技术：从全局考虑无人机编队的各种情况，实现搜索力的最佳配置；（4）多无人机协同航迹规划技术：使无人机能在适当的时间内计算、选择最优的飞行航迹。 5.主要技术指标 可管理无人机数量≥ 8，信息交互频率≥ 2Hz，任务规划算法运行时间≤ 2s

科学性、先进性

（1）该作品综合运用了信息科学、系统科学、计算机科学、管理科学等领域的前沿知识，实现了多无人机协同应急搜索自主任务规划，使无人机具有了较高的智能水平，能摆脱依赖地面控制中心进行任务规划的工作模式，在任务执行过程中能够根据实时的情况进行自主决策。同时借助于无人机之间的配合，能产生系统的协同效应，从而提高应急搜索任务的执行效率和效果。该作品的实现推动了无人机任务规划领域的研究进展。 （2）该作品设计方式与核心算法科学先进。基于分布式控制和多Agent系统的设计思路，设计了系统的架构，使得系统具有较高的灵活性和可靠性。系统中的核心算法，如编队管理、信息融合、任务分配、航迹规划等算法，是基于相关领域的最新前沿知识而设计，算法性能良好，能够在短时间内给出满意的规划结果，满足在动态、不确定以及实时环境下对算法运行的速度和鲁棒性要求。在系统运行过程中，算法能够根据环境的变化而进行切换，使得系统能够适应复杂的应急搜索环境。

系统开发已完成，并通过实验环境进行了验证，目前已向中国航空工业集团公司等多家单位实现了技术转让。

技术转让方式

系统能够整体转让，也可以进行核心技术的转让。

使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测

使用说明：首先将系统嵌入到无人机机载系统中，并设置无人机参数信息以及目标区域；无人机起飞后，根据环境状况实时进行编队调整，信息融合，任务规划，航迹规划，无人机间进行信息交互；遇到突发状况，无人机根据相应规则进行调整；完成任务后返回出发点。 技术特点和优势：该作品提高了无人机的自主性和协同性水平，使无人机能够全面、智能、可靠地完成应急搜索任务，具有低成本，高效率等优势。 适应范围及推广前景：无人机具有体积小，起飞条件要求不高，可执行危险作业等特点，该作品是无人机的任务规划系统，适用于各种目标搜索任务中对无人机的指挥控制，能用于无人机设计、生产、服务单位，以及进行相关研究工作的科研院所，推广前景良好。 市场分析和经济效益预测：无人机的应用越来越广泛，因此对无人机任务规划系统的需求很大，该作品具有很大的市场潜力。同时该作品的核心技术也可用于其他无人机应用领域和多机器人的任务规划领域。目前该作品的关键技术已成功转让两套，价格均在45万以上，若能对该作品进一步推广，将产生可观的经济效益。

同类课题研究水平概述

无人机因具有机动灵活、高效快速、成本低、可执行危险作业等特点已广泛应用于应急搜索任务中。无人机应急搜索任务规划的作用也日益凸现出来，无人机任务规划技术的研究起源于一些发达国家，迄今为止以美国的任务规划研究成就最高。无人机单机任务规划系统研究始于上世纪60年代，70-80年代美国开始着手任务规划系统的理论研究并同步进行了大量实验工作，利用计算机进行无人机任务规划的自动辅助决策分析；上世纪80年代中期，开发出了当时任务规划领域较为先进的自动航迹规划模块和基于人工 智能的任务规划软件。进入90年代以后，要求任务规划系统能够适应更加复杂的飞行环境，针对外界动态态势环境进行无人机任务重规划。 由于应急态势场景的不确定性和搜索任务的复杂性，单无人机应急搜索已经无法满足应急搜索任务的需求，多无人机应急搜索成为国内外研究热点。在多无人机任务规划中，以美国防先进研究计划局主持的自主编队混合主动控制项目、自主协商编队项目，欧盟委员会资助的多类型无人机实时协调与控制项目以及美国麻省理工学院、科内尔大学、加州理工大学和加州大学洛杉矶分校联合发起的复杂环境下分布式自主平台协同控制项目等最具代表性。通过这些项目研究，国外无人机任务规划系统能够使得人能够更好地参与应急态势管理中，实现少量操作人员对大规模无人机编队控制，并且提供完善的人−系统接口，通过通信系统使得无人机、有人机、地面控制中心连成一个有机整体，同时对分布式多UAV协同控制中的底层路径规划、中层编队决策、高层资源管理以及网络通信方面开展了研究。 从上世纪90年代开始，我国的高校和科研院所开始组织研究团队对无人机任务规划技术展开研究，并取得了一定的成果，包括应急态势环境下的目标自主分配、信息融合、任务重规划等技术。但我国的无人机任务规划系统的研究大多局限于某个方向或某一项技术，还未出现功能完全、性能完善的任务规划系统。 对此，本作品提出的多无人机协同应急搜索自主任务规划系统，实现了无人机自主任务规划以及多无人机协同任务规划，在应急搜索场景中，可根据外界态势实现编队管理，信息融合、自主决策以及航迹规划，同时，在多架无人机之间，能够自主实现信息共享，协同完成应急搜索任务，从而满足应用的需要。