杜永浩1, 王 凌2, 邢立寧1(1.國防科技大學系統(tǒng)工程學院,湖南長沙410072;2.清華大學自動化系,北京100084)

摘要:鑒于以無人機群和多航天器為代表的航天無人系統(tǒng)的快速發(fā)展,以及任務要求的日益多樣化和復雜性,在分析空間無人系統(tǒng)智能規(guī)劃特點的基礎上,首先闡述了無人機群聚、編隊飛行、編隊維護和編隊重構(gòu)等智能航跡規(guī)劃策略,總結(jié)了無人機群任務智能規(guī)劃的建模和優(yōu)化方法.然后介紹了多航天器飛行和避碰軌道規(guī)劃的內(nèi)容和現(xiàn)狀,總結(jié)了多航天器集中和分布式任務規(guī)劃的主要研究成果.最后,對空間無人系統(tǒng)智能規(guī)劃技術(shù)的未來發(fā)展提出了一些建議.

1 引 言

隨著傳感器技術(shù)、控制技術(shù)、網(wǎng)絡通訊技術(shù)和智能規(guī)劃技術(shù)的快速發(fā)展,越來越多的無人系統(tǒng)在軍事斗爭、物流運輸、遙感測繪、農(nóng)林和畜牧業(yè)等領域得到了廣泛應用[1?4].無人系統(tǒng)指由人工個體組成的,在極少的人為干預下借助智能規(guī)劃與決策技術(shù)有序執(zhí)行任務的信息化系統(tǒng).無人系統(tǒng)具有較強的自主性、協(xié)同性和并行性,在遙遠、危險、任務時間長或控制人員不可達的工作環(huán)境中已逐步取代有人系統(tǒng),是未來信息化工業(yè)和軍事發(fā)展的必然趨勢.同時,受到無人系統(tǒng)復雜性、約束性以及工作環(huán)境不確定性的影響,無人系統(tǒng)的智能規(guī)劃水平對發(fā)揮無人系統(tǒng)優(yōu)勢、提升執(zhí)行任務效率和質(zhì)量起到舉足輕重的作用.

根據(jù)任務環(huán)境和執(zhí)行目的的不同,無人系統(tǒng)可分為陸面無人系統(tǒng)(unmanned ground system,UGS)、海域無人系統(tǒng)(unmanned maritime system,UMS)和空天無人系統(tǒng)(unmanned aerospace system,UAS).現(xiàn)階段,常見的空天無人系統(tǒng)主要表現(xiàn)為由無人機群組成的空中無人系統(tǒng)和多航天器組成天基無人系統(tǒng).與陸面和海域無人系統(tǒng)相比,空天無人系統(tǒng)研究的主要難點有: 1)系統(tǒng)處于復雜的三維運動環(huán)境.2)系統(tǒng)運動速率大,響應頻繁,容錯率低.3)系統(tǒng)受天氣等環(huán)境因素影響顯著.據(jù)統(tǒng)計,美國國防部空天無人系統(tǒng)的預算開支占無人系統(tǒng)預算總額的90%以上[5,6],可見空天無人系統(tǒng)的研究與應用需求顯著.本文面向空天無人系統(tǒng)的發(fā)展需求,按圖1 分類分別概述了無人機群和多航天器智能規(guī)劃技術(shù)的發(fā)展現(xiàn)狀,總結(jié)了無人機群和多航天器智能規(guī)劃技術(shù)的主要研究內(nèi)容,并指出未來空天無人系統(tǒng)智能規(guī)劃技術(shù)進一步發(fā)展方向.

圖1 空天無人系統(tǒng)智能規(guī)劃分類圖
Fig.1 Classification diagram of intelligent planning technologies for unmanned aerospace system

2 空天無人系統(tǒng)智能規(guī)劃技術(shù)的特點

智能規(guī)劃技術(shù)對空天無人系統(tǒng)發(fā)展的意義在其很好地迎合了空天無人系統(tǒng)發(fā)展趨勢,滿足了發(fā)展中的需求,解決了發(fā)展中遇到的難題,如圖2 所示: 1)系統(tǒng)功能方面,空天無人系統(tǒng)向著自主化與協(xié)同化的趨勢發(fā)展,如無人機群實時自主的避障功能、航天器組網(wǎng)的自主任務規(guī)劃功能等.2)個體行為方面,空天無人系統(tǒng)向著小型化與敏捷化的趨勢發(fā)展,如小體積的無人偵察機、小型敏捷化成像衛(wèi)星等.3)任務需求方面,空天無人系統(tǒng)向著復雜化與多樣化的趨勢發(fā)展,如復雜化的天地一體協(xié)同作戰(zhàn)、多樣化的衛(wèi)星成像、數(shù)傳與中繼任務等.

針對上述空天無人系統(tǒng)發(fā)展趨勢,智能規(guī)劃技術(shù)可以為空天無人系統(tǒng)的研究與應用帶來以下優(yōu)勢:

1)提升了空天無人系統(tǒng)的自主化與協(xié)同化水平

智能規(guī)劃技術(shù)能夠通過個體信息的通訊與融合,快速、充分地獲取系統(tǒng)的全局信息,維持多智能體之間協(xié)同合作關系,降低了系統(tǒng)反應與決策層級,極大地提升了系統(tǒng)的智能化水平[7].同時,智能規(guī)劃技術(shù)還能夠很好地應對系統(tǒng)環(huán)境的不確定性和任務的動態(tài)變更,有針對性地改善系統(tǒng)動態(tài)決策與自適應能力[8],對空天無人系統(tǒng)的自主性、協(xié)同性、魯棒性和容錯性[9]等方面起到至關重要的作用.

2)滿足了空天無人系統(tǒng)的小型化與敏捷化需求

小型化與敏捷化的個體行為為空天無人系統(tǒng)帶來了更充裕的規(guī)劃空間,但無疑也帶來了規(guī)劃精度和決策難度的增加,對系統(tǒng)的規(guī)劃水平提出了更高要求.多敏捷型衛(wèi)星成像任務規(guī)劃是空天無人系統(tǒng)小型化和敏捷化發(fā)展的典型.敏捷衛(wèi)星與傳統(tǒng)衛(wèi)星相比,擁有更強的軌道機動能力、更快的機動速度和更多的成像時間窗,同時,學者們也發(fā)現(xiàn)傳統(tǒng)的排序策略或啟發(fā)式算法已經(jīng)很難求解敏捷衛(wèi)星多維度的決策問題[10].由此,面向空天無人系統(tǒng)小型化與敏捷化的需求,充分考慮飛行或姿態(tài)控制約束,具有更高決策水平的智能規(guī)劃技術(shù)能夠取得傳統(tǒng)規(guī)劃策略無法企及的求解效果.

圖2 空天無人系統(tǒng)智能規(guī)劃技術(shù)的特點
Fig.2 The characteristics of the intelligent planning technology of aerospace unmanned systems

3)解決了空天無人系統(tǒng)的復雜化與多樣化難題

空天無人系統(tǒng)的復雜化與多樣化提升了系統(tǒng)執(zhí)行任務的能力,但也很大程度上增加了問題規(guī)模、沖突與約束規(guī)模以及建模難度.在傳統(tǒng)的無人機任務規(guī)劃中,旅行商模型常被用來描述無人機簡單的遍歷任務,但隨著無人機技術(shù)的不斷發(fā)展,油耗、動力學、避障、通訊和威脅等越來越多的約束與動態(tài)影響被實際考慮[11].在傳統(tǒng)的衛(wèi)星任務規(guī)劃中,成像任務與數(shù)傳任務往往分開執(zhí)行,且考慮的任務形式單一,而現(xiàn)如今高質(zhì)量的任務需求、龐大的任務規(guī)模和擁擠的星地鏈路通道要求系統(tǒng)不得不接受多樣化的任務格局和一體化的規(guī)劃模式.因此,針對空天無人系統(tǒng)復雜化與多樣化的難題,智能規(guī)劃技術(shù)運用合理的問題建模方式、針對性的智能優(yōu)化算法和分布式的優(yōu)化策略等往往能夠?qū)崿F(xiàn)系統(tǒng)功能的最大化利用,提升規(guī)劃速率與魯棒性,獲得滿意的規(guī)劃效果.

可見,智能規(guī)劃技術(shù)對空天無人系統(tǒng)的研究與發(fā)展起到了不可或缺的作用.下面,本文針對無人機群和多航天器智能規(guī)劃的特點,結(jié)合發(fā)展趨勢,分別介紹無人機群航跡規(guī)劃與任務規(guī)劃的研究內(nèi)容與現(xiàn)狀,多航天器軌道規(guī)劃與任務規(guī)劃的主要研究成果,并對空天無人系統(tǒng)智能規(guī)劃技術(shù)提出未來發(fā)展建議.

3 無人機群智能規(guī)劃

無人機系統(tǒng)在民用和軍用領域有著廣闊的應用前景,但單個無人機攜帶資源和執(zhí)行任務的能力有限,難以滿足日趨復雜的多樣化任務需求.因此,由多架無人機組成機群、協(xié)同執(zhí)行任務的智能規(guī)劃問題逐漸成為無人系統(tǒng)研究領域的熱點.無人機群智能規(guī)劃可分為航跡規(guī)劃和任務規(guī)劃兩大類.

3.1 無人機群航跡智能規(guī)劃

無人機群執(zhí)行任務的生命周期主要經(jīng)歷機群集結(jié)、機群以編隊形式向任務區(qū)域飛行、機群進入任務區(qū)域執(zhí)行任務、機群返回和機群解散等5 個階段,同時在機群飛行和執(zhí)行任務過程中伴隨著機群編隊的動態(tài)改變[12].因此,無人機群航跡智能規(guī)劃可分為集散規(guī)劃、編隊飛行規(guī)劃、編隊保持與重構(gòu)規(guī)劃三部分,如圖3所示.

圖3 無人機群生命周期航跡圖
Fig.3 Flight path in the life cycle of UAVs

3.1.1 集散規(guī)劃

集散規(guī)劃指無人機分別從準備機場起飛,通過航跡規(guī)劃與控制在指定時間內(nèi)到達編隊集結(jié)地點,或在任務完成后由解散地點獨立返回機場降落的過程.考慮到環(huán)境與機群協(xié)同因素,在無人機數(shù)量較多或起降機場較分散的情況下,集散規(guī)劃的計算量可能較大,可將集散規(guī)劃問題分為初始航跡規(guī)劃和飛行過程中的航跡控制兩個獨立部分[12].初始航跡規(guī)劃是無人機從準備機場起飛至集結(jié)地點的典型路徑規(guī)劃問題,可用經(jīng)典路徑規(guī)劃方法進行求解.航跡控制則指無人機沿既規(guī)劃的航跡飛行時,控制和調(diào)整無人機速度,以實現(xiàn)機群同時到達集合地點的目的.其中航跡控制又可分為集中式控制和分布式控制[9,12,13].前者雖可能獲得全局最優(yōu)解,但要求中心無人機對編隊所有成員進行交互,這對中心無人機計算性能、穩(wěn)定性和安全性要求較高;后者則僅需與鄰近無人機進行交互,控制穩(wěn)定性較好,效率較高,賦予機群一定的自主反應空間.

3.1.2 編隊飛行規(guī)劃

編隊飛行規(guī)劃指無人機群集結(jié)完畢后,以編隊形式向任務區(qū)域飛行并規(guī)避障礙和動態(tài)影響的過程,是無人機群航跡規(guī)劃的重要內(nèi)容.在保持編隊隊形的情況下,機群可視為一個具有更大幾何輪廓的無人機體.不過,與無人機集結(jié)前獨立的航跡規(guī)劃不同,集結(jié)后的航跡規(guī)劃不再是簡單的路徑規(guī)劃問題,而需同時考慮無人機群的速度控制和協(xié)同因素,以實現(xiàn)對飛行過程中的障礙物和動態(tài)擾動做出快速響應.無人機群編隊飛行規(guī)劃方法可采用采樣模型法、數(shù)值優(yōu)化法和智能優(yōu)化算法等[13].

采樣模型法指無人機群在連續(xù)空間中有限的候選解中選擇一條可行路徑.根據(jù)模型搜索算法的不同,采樣模型法可分為確定性模型法和概率性模型法.確定性模型將無人機群飛行空間劃分為有限的節(jié)點,將問題轉(zhuǎn)變?yōu)槟繕斯?jié)點間最短路徑規(guī)劃問題,可通過旅行商模型求解,但無法考慮無人機群避碰問題,只適用于無人機群航跡的初步規(guī)劃[14].概率性模型則基于快速隨機樹搜索算法確定機群距離目標的飛行路線[15],可針對障礙目標進行有效避讓[16],但算法的收斂性需進一步驗證和提升.

數(shù)值優(yōu)化法主要有混合整數(shù)線性規(guī)劃法[17,18]、非線性規(guī)劃法[19,20]、動態(tài)規(guī)劃法[21]和二次規(guī)劃法[22]等.智能優(yōu)化算法近年來得到了較多的研究和應用,譬如改進的遺傳算法能夠很好地實現(xiàn)無人機群線上/線下航跡和近地飛行的智能規(guī)劃[23];粒子群算法在求解考慮時序、環(huán)境和動力學混合約束的無人機群航跡規(guī)劃問題時,表現(xiàn)出良好的收斂性、魯棒性和求解效果[24,25];結(jié)合混沌理論的人工蜂群算法[26]和生物地理學優(yōu)化算法[27]提升了無人機群動態(tài)航跡規(guī)劃的種群多樣性,在復雜機群作戰(zhàn)環(huán)境下展現(xiàn)出較好的魯棒性.

3.1.3 編隊保持與重構(gòu)規(guī)劃

編隊保持規(guī)劃指無人機群飛行過程中保持編隊幾何形狀不變并避免相互碰撞的規(guī)劃過程.編隊重構(gòu)規(guī)劃指機群在編隊飛行過程中,遭遇障礙物,任務需求改變或編隊中個別無人機遭遇故障或損毀時,機群改變原有隊形并以較快速度重新編組的過程.在無人機群編隊飛行過程中,編隊保持與編隊重構(gòu)規(guī)劃往往交替進行.

編隊保持規(guī)劃策略主要來源于機器人編隊控制領域,主要分為領航–跟隨規(guī)劃策略、虛擬結(jié)構(gòu)規(guī)劃策略和基于行為規(guī)劃策略三類[12,28].

1)領航–跟隨規(guī)劃策略

領航–跟隨(leader-follower)規(guī)劃策略指定由編隊中某架無人機擔任領航機,嚴格依照航跡飛行;其余無人機作為跟隨機,與領航機進行實時信息交互并調(diào)整本機運動狀態(tài),始終保持與領航機相對位置不變,達到無人機編隊幾何形狀不變與避碰的效果.該策略的優(yōu)點在于信息交互單一,計算與控制簡單,但過于依賴領航機的航跡規(guī)劃精度.若領航機航跡規(guī)劃出現(xiàn)偏差,交互設備發(fā)生故障或跟隨機掉隊,可能導致整個無人機群的編隊失效.因此,學者們還提出了鏈式領航–跟隨策略,即機群采用鏈式的跟隨結(jié)構(gòu),每架無人機僅跟隨其前一架、距離最近或性能最好的一架無人機[12,29],但也會引發(fā)位置誤差迭代傳遞的問題.由此可見,增強無人機編隊的隊形反饋[30],提升領航機航跡與速度的智能規(guī)劃水平,對領航–跟隨規(guī)劃策略起著至關重要的作用.

2)虛擬結(jié)構(gòu)規(guī)劃策略

虛擬結(jié)構(gòu)(virtual structure)規(guī)劃策略將無人機群視為一個虛擬編隊結(jié)構(gòu),以結(jié)構(gòu)中某一固定的虛擬點作為領航點,編隊所有無人機均作為跟隨機.虛擬結(jié)構(gòu)規(guī)劃策略本質(zhì)上是一種領航–跟隨策略,但虛擬結(jié)構(gòu)不再以真實的無人機作為領航機,可避免領航機失效導致編隊崩潰的致命缺陷,但虛擬領航點的合成和傳輸也需要復雜計算和信息交互的支持.虛擬結(jié)構(gòu)規(guī)劃可分為剛性和柔性兩類[12,28].在剛性虛擬結(jié)構(gòu)航跡規(guī)劃中,編隊內(nèi)所有無人機與虛擬領航點保持一個恒定的直線矢量,對編隊幾何結(jié)構(gòu)的保持十分有效[31],但當機群轉(zhuǎn)向或避障時規(guī)劃效果欠佳.柔性虛擬結(jié)構(gòu)在虛擬領航位置外,還定義了機群曲率運動的虛擬參考點,可以達到機群在爬升、轉(zhuǎn)向等曲線運動時能夠平滑飛行并保持編隊結(jié)構(gòu)不變的效果[32].

3)基于行為規(guī)劃策略

基于行為(behavior-based)的規(guī)劃策略為無人機定義了目標搜索、目標追隨、隊形保持、躲避障礙和規(guī)避相互碰撞等基本行為,對行為加權(quán)合成的飛行速度作為控制動作[12,28].與機器人編隊行為策略相比,無人機處于三維的飛行環(huán)境,機體速度更快、運動更為復雜、碰撞風險更高.Kim 等[33]將一種基于微分同胚映射的線性化反饋技術(shù)應用于無人機三維運動學模型,實現(xiàn)了機群飛行過程中編隊的穩(wěn)定保持.

上述三種編隊保持規(guī)劃策略的特點對比如表1 所示[12].可見,三種規(guī)劃策略各有優(yōu)劣,因此設計混合的規(guī)劃策略有利于提升無人機群航跡規(guī)劃的智能化水平,增強機群避障能力,減少不必要的重復控制與規(guī)劃.

在無人機群航跡規(guī)劃的過程中,編隊重構(gòu)和編隊保持往往交替進行.針對二維環(huán)境中無人機群編隊重構(gòu)規(guī)劃問題,最小持久圖理論被用于設計重構(gòu)規(guī)劃算法[34,35],但未考慮機群三維編隊重構(gòu)問題.鄧婉等[36]針對兩架無人機的“長機–僚機”編隊結(jié)構(gòu)重構(gòu)問題,推導了編隊三維飛行動力學方程,并采用PID(proportion integral derivative)控制方法實現(xiàn)對編隊航跡、速度和高度的有效規(guī)劃,但編隊成員數(shù)量較小,不能很好地反映多機編隊重構(gòu)規(guī)劃問題.Zhang 等[37]結(jié)合差分進化和滾動時域控制方法對5 架無人機二維編隊進行了重構(gòu)規(guī)劃.Duan 等[38]給出了二維無人機群編隊重構(gòu)最短時間規(guī)劃模型,利用控制參數(shù)化和時間離散化的粒子群算法實現(xiàn)了機群靈活而有效的重構(gòu)效果.

目前無人機群航跡規(guī)劃得到廣泛的研究,但還是以二維環(huán)境和少量成員的機群編隊問題為主.未來機群編隊航跡規(guī)劃研究應該面向三維環(huán)境、復雜障礙環(huán)境、大型機群編隊和多機群耦合編組問題等.

表1 無人機編隊保持規(guī)劃策略的對比
Table 1 Comparison among the strategies of UAVs’formation maintaining

編隊保持規(guī)劃策略 示意圖 優(yōu)點 缺點領航–跟隨規(guī)劃策略images/BZ_135_667_1006_937_1137.png1)控制簡單,無人機僅需與領航機進行信息交互2)無人機的計算量小1)鏈式領航–跟隨規(guī)劃策略存在位置誤差的迭代傳遞2)無位置誤差反饋,跟隨機易掉隊3)領航機故障將導致編隊癱瘓?zhí)摂M結(jié)構(gòu)規(guī)劃策略images/BZ_135_667_1197_937_1328.png1)機群跟隨虛擬點,無位置誤差傳遞迭代2)避免了領航機故障引發(fā)編隊癱瘓的問題1)虛擬領航點位置的合成與傳輸需復雜計算和大量信息交互,2)虛擬領航點位置固定,機群避障和轉(zhuǎn)向能力欠佳基于行為規(guī)劃策略images/BZ_135_667_1416_937_1547.png1)通信量少2)有行為反饋3)可以自主快速響應1)機群全局行為受個體行為組合疊加影響缺乏準確定義或描述2)基本行為的數(shù)學描述困難3)編隊隊形穩(wěn)定性欠佳

3.2 無人機群任務智能規(guī)劃

無人機群任務智能規(guī)劃的目的是在戰(zhàn)術(shù)或技術(shù)指標的指導下,將不同類型、權(quán)重、難度、威脅程度和執(zhí)行時間的任務合理地分配給不同的無人機去執(zhí)行,使得機群有效遍歷所有任務目標,且執(zhí)行任務的收益最高,成本最小,風險最低.因此,無人機群任務智能規(guī)劃問題可映射為經(jīng)典問題模型,進而利用智能優(yōu)化算法進行求解.

3.2.1 任務規(guī)劃建模

1)旅行商模型

旅行商模型是無人機群任務規(guī)劃問題最基本且常用的描述模型.Alemayehu 等[39] 將無人機群任務規(guī)劃問題映射為多旅行商問題,即將每架無人機作為具有一定任務執(zhí)行能力的旅行商,以機群在復雜約束條件下遍歷所有目標點且成本最小為優(yōu)化目標.杜于飛等[40]針對無人機作戰(zhàn)的實際需求,將機群任務規(guī)劃分為偵察任務規(guī)劃和轟炸任務規(guī)劃兩部分,其中偵察任務本質(zhì)上是滿足各項約束的路徑規(guī)劃問題,而轟炸任務則是可選派多人多類的單雙循環(huán)混合旅行商問題.

2)車輛路徑規(guī)劃模型

車輛路徑規(guī)劃模型也是求解NP難問題的經(jīng)典建模方法之一,其時間約束和任務約束特征明顯,與無人機群任務規(guī)劃問題十分相似[41].Rourke 等[42]以美軍無人機群作戰(zhàn)任務為背景,針對機群執(zhí)行任務過程中可能出現(xiàn)的突發(fā)狀況,提出了一種動態(tài)三維車輛路徑規(guī)劃模型,有效應對了傳統(tǒng)靜態(tài)無人機群任務規(guī)劃靈活性差、突發(fā)事件響應慢的問題.Guerrer 等[43] 綜合考慮無人機群能量約束和風速影響,將任務規(guī)劃問題分別映射為車輛路徑規(guī)劃和旅行商問題,開展了仿真對比與驗證研究.美國空軍研究實驗室建立了多時間窗車輛路徑規(guī)劃模型,并成功運用于“全球鷹”和“捕食者”等無人機偵察任務規(guī)劃中[44].

3)線性規(guī)劃模型

李煒等[45]、梁國偉等[46]建立了拓展的混合整數(shù)型線性規(guī)劃模型,利用改進的智能優(yōu)化算法實現(xiàn)了無人機群任務的有效規(guī)劃.Alighanbari[47]認為旅行商和路徑規(guī)劃問題雖極大簡化了模型,但對于機群實時動態(tài)任務的優(yōu)化速度偏低,因而建立了基于滾動時域的混合整數(shù)線性規(guī)劃模型,綜合考慮了任務風險、飛行噪音和不確定性環(huán)境等影響因素,開展了復雜環(huán)境下無人機群任務規(guī)劃研究.李大東等[48]將無人機群的動態(tài)任務規(guī)劃問題近似處理為線性數(shù)學模型,提出了將敵方威脅隨我方機群狀態(tài)變化的雙向動態(tài)規(guī)劃模型,并以執(zhí)行任務時間最短為優(yōu)化目標實現(xiàn)了機群任務的有效規(guī)劃.

3.2.2 任務規(guī)劃智能算法

近些年智能算法在無人機群任務規(guī)劃中應用廣泛,下面介紹一些代表性方法的研究.

1)蟻群算法

Cekmez 等[49]構(gòu)建了無人機群執(zhí)行任務過程中的無線傳感網(wǎng)絡, 結(jié)合CUDA(compute unified device architecture)平臺設計了一種并行蟻群算法,在求解多目標復雜任務規(guī)劃問題中表現(xiàn)出較好的收斂性.黃偉民等[50]提出了針對大密度任務目標區(qū)域的規(guī)劃優(yōu)化方法,通過優(yōu)化蟻群算法的搜索條件,有效降低了蟻群算法求解多目標任務規(guī)劃問題的時間和空間復雜度.Perez-Carabaza 等[51]針對無人機不確定環(huán)境中搜索時間優(yōu)化問題,在蟻群算法引入了時間概率和空間屬性信息,取得了良好的收斂速度和規(guī)劃效果.

2)粒子群算法

針對海上無人機群與艦艇之間協(xié)調(diào)作戰(zhàn)問題,馬華偉等[52]利用自適應式粒子群算法對無人機群協(xié)同任務規(guī)劃進行求解,算法能夠自適應調(diào)整粒子群的慣性權(quán)重,很好地防止算法陷入局部最優(yōu).杜繼永等[53]通過位置飽和策略構(gòu)造粒子搜索空間,并采用自適應慣性權(quán)重提高算法收斂速度和全局尋優(yōu)能力.此外,粒子群算法與蟻群[54]、蜂群[55]等算法的混合使用也具有不俗的效果.

3)遺傳算法

Choi 等[56]設計了一種基于遺傳算法的無人機群分布式任務規(guī)劃模型,通過成員間的交互協(xié)商策略進一步提高任務規(guī)劃效果,在動態(tài)任務環(huán)境中表現(xiàn)出良好的全局尋優(yōu)能力.Roberge 等[57]對比了并行遺傳算法和粒子群算法在無人機群三維動態(tài)偵察任務中的規(guī)劃效果.楊尚君等[58]借鑒遺傳變異思想改進了魚群算法,獲得了無人機群任務分配的多目標最優(yōu)解集,并根據(jù)決策偏好選擇最佳的任務規(guī)劃方案.Wang 等[59]利用雙染色體編碼和多變異算子的遺傳算法有效地提高了種群多樣性,在大規(guī)模無人機偵察任務規(guī)劃中表現(xiàn)出優(yōu)越的全局尋優(yōu)能力.

4)合同網(wǎng)協(xié)議算法

合同網(wǎng)協(xié)議算法可通過成員間的協(xié)商和競爭提高尋優(yōu)能力,在無人機群任務規(guī)劃中也得到廣泛應用.Liu 等[60]在合同網(wǎng)協(xié)議算法的基礎上,考慮無人機在軍事任務中的優(yōu)先級、攻擊效率和被擊毀概率,從目標分配的收益和成本兩方面構(gòu)造任務分配的總體目標函數(shù).劉宏強等[61]在合同網(wǎng)協(xié)議算法的基礎上引入了熟人庫和公共消息機制,有效縮小了任務合同網(wǎng)招標范圍,提高了無人機感知和接受任務的主動性.Meng等[62]研究了考慮通信距離的無人機群持續(xù)動態(tài)任務規(guī)劃問題,通過基于合同網(wǎng)協(xié)議算法和無人機動力學模型的混合三維仿真系統(tǒng)對機群任務規(guī)劃效果進行了評估.

5)分布式算法

基于并行、協(xié)同、通信和多Agent 策略的分布式算法具備較強的問題導向性和可拓展性,有助于降低系統(tǒng)響應層級,提高規(guī)劃速率和魯棒性等[63].Kingston 等[64]設計了一種基于共識與協(xié)商策略的分布式算法,可以靈活地增減無人機數(shù)量,具有較好的收斂性和優(yōu)化能力.Johnson 等[65]針對大規(guī)模無人機任務規(guī)劃問題,設計了一種基于異步通訊和共識策略的分布式算法,通過實驗驗證了該算法在收斂速度和優(yōu)化質(zhì)量上較一般的分布式算法均有顯著提升.曹攀峰等[66]提出了一種基于分布預測模型的分布式算法,通過引入緩沖周期和協(xié)商機制,有效應對了無人機通訊延遲問題,在惡劣多變的任務環(huán)境中表現(xiàn)出較強的魯棒性和靈活性.晉一寧等[67]考慮了無人機飛行動力學約束,提出了基于局部感知和局部通信策略的在線分布式覆蓋算法,促進了無人機系統(tǒng)對動態(tài)目標覆蓋行為的持續(xù)涌現(xiàn),在機群和任務規(guī)模持續(xù)增加的情況下保持了良好的穩(wěn)定性和規(guī)劃效果.

綜上,無人機群任務規(guī)劃的問題建模與優(yōu)化算法相輔相成,缺一不可.只有綜合考慮實際環(huán)境和各類約束,準確描述問題并合理建模,有針對性地設計高效的智能優(yōu)化算法,才能取得理想的任務規(guī)劃結(jié)果.

4 多航天器智能規(guī)劃

隨著航天任務需求和多樣性的不斷提升,越來越多的航天器通過組合的形式執(zhí)行任務.多航天器組合運行具有協(xié)同性能好、運行成本低、飛行效率高、執(zhí)行任務可靠性高和適應性強等優(yōu)點,是未來航天器在軌服務形式的發(fā)展趨勢.同時,多航天器以組合形式執(zhí)行任務也對航天器智能規(guī)劃技術(shù)提出了新的挑戰(zhàn).多航天器智能規(guī)劃問題主要分為軌道規(guī)劃和任務規(guī)劃兩大部分.軌道智能規(guī)劃是在航天器任務需求的驅(qū)動下,規(guī)劃多航天器成員的飛行軌道,并規(guī)避飛行過程中風險因素的規(guī)劃問題.任務規(guī)劃則是將地面管控中心發(fā)布的任務需求進行分層、分解,智能地分配給多航天器執(zhí)行的規(guī)劃過程.由于地面管控中心無法對所有航天器不確定性任務變更、環(huán)境影響等進行實時快速的響應,因此如何充分發(fā)揮多航天器軌道與任務規(guī)劃的智能化水平、降低多航天器組合運行風險、提高協(xié)同執(zhí)行任務效率是多航天器智能規(guī)劃技術(shù)的研究重點.

4.1 多航天器軌道智能規(guī)劃

多航天器軌道智能規(guī)劃的核心思路與無人機群航跡規(guī)劃相近,均是以最大限度訪問目標、實現(xiàn)個體功能、避免碰撞與障礙為目的的路徑規(guī)劃問題.但多航天器軌道規(guī)劃具有以下難點: 1)飛行速率與慣性大、靈活性低.2)軌道約束性強、機動能力有限.3)航跡具有不可逆性、重訪周期長等.因此,多航天器軌道智能規(guī)劃一直以來都是航天技術(shù)的熱點問題.

多航天器軌道智能規(guī)劃可分為飛行軌道規(guī)劃和避碰軌道規(guī)劃兩種.前者是指多航天器編組完成后,以整體的形式在軌飛行并執(zhí)行任務的規(guī)劃過程,是一種長距離路徑規(guī)劃問題;后者則是指航天器在執(zhí)行任務過程中避免與其他合作成員或非合作障礙物發(fā)生碰撞的短途路徑規(guī)劃問題.

4.1.1 飛行軌道規(guī)劃

上世紀90 年代起,基于衛(wèi)星技術(shù)的多航天器組合飛行概念受到重視.根據(jù)航天器相對運動狀態(tài)的不同,多航天器飛行軌道規(guī)劃可分為組網(wǎng)飛行軌道規(guī)劃和編隊飛行軌道規(guī)劃,如圖4 所示.

圖4 多航天器軌道規(guī)劃示意圖
Fig.4 Diagram of orbit planning for multi-spacecraft

1)組網(wǎng)飛行軌道規(guī)劃

組網(wǎng)飛行軌道規(guī)劃是指多航天器在不同軌道平面飛行,各航天器軌道有所重疊以實現(xiàn)有效增大航天器作用覆蓋范圍、縮短目標重訪周期的目的[68].組網(wǎng)飛行軌道規(guī)劃的主要因素[69]如表2 所示.

多航天器組網(wǎng)飛行軌道規(guī)劃以衛(wèi)星組網(wǎng)為主,又稱“星座”,典型技術(shù)有GPS 導航規(guī)劃技術(shù)、銥星星座規(guī)劃技術(shù)和Orbcomm 星座規(guī)劃系統(tǒng)等.GPS 導航規(guī)劃目前較為成熟,其智能規(guī)劃系統(tǒng)和優(yōu)化算法的研究一直以來得到廣泛關注.銥星星座規(guī)劃技術(shù)較早實現(xiàn)了航天器組網(wǎng)中的星鏈技術(shù),打通了多航天器間的通信交互鏈路,為多航天器航跡智能規(guī)劃提供了重要前提.Orbcomm 星座規(guī)劃系統(tǒng)[70]將多航天器組網(wǎng)飛行軌道規(guī)劃分為軌道保持、在軌操作和軌道確定三部分,通過地面監(jiān)控和全球網(wǎng)絡控制中心對組網(wǎng)航天器進行軌道規(guī)劃,能夠?qū)崿F(xiàn)多航天器間相對距離的穩(wěn)定保持和任務需求變更時的軌道重規(guī)劃.

表2 多航天器組網(wǎng)飛行軌道規(guī)劃中主要因素
Table 2 Major factors in constellation orbit planning for multi-spacecraft

因素 影響 規(guī)劃準則航天器數(shù)量 任務成本和任務覆蓋能力 以較少的航天器滿足任務需求軌道高度 發(fā)射、任務覆蓋變軌成本 成本與組網(wǎng)性能相互權(quán)衡軌道平面數(shù)量 靈活性和任務覆蓋能力 以較少的軌道數(shù)量滿足任務覆蓋需求軌道傾角 任務覆蓋的緯度分布 任務覆蓋的維度分布和成本相互權(quán)衡,軌道平面相位 任務覆蓋的均勻程度 以在各項獨立相位中實現(xiàn)最優(yōu)覆蓋偏心率 任務的復雜性、可達高度 除特殊任務需求外一般取零

2)編隊飛行軌道規(guī)劃

編隊飛行軌道規(guī)劃是指多航天器組成并保持一定幾何形狀,共同圍繞地球周期性運轉(zhuǎn)的軌道規(guī)劃問題,具有成本低、性能與靈活性高,編隊成員協(xié)同性好等優(yōu)點.多航天器編隊結(jié)構(gòu)復雜、航天器功能齊全、任務性能和任務需求均較高,已在國內(nèi)外取得許多研究成果,如美德合作的重力與氣候?qū)嶒炐l(wèi)星(GRACE)[71]、德國Tandem-TerraSAR 編隊衛(wèi)星[72]、我國天宮二號伴隨小衛(wèi)星等[73].

從規(guī)劃參照系的角度來看,編隊飛行軌道規(guī)劃可分為絕對軌道規(guī)劃和相對軌道規(guī)劃兩種.絕對軌道規(guī)劃是一種導航式軌道規(guī)劃方法,主要通過GPS 等位置跟蹤與測量系統(tǒng)對航天器編隊成員進行獨立軌道規(guī)劃,這要求編隊內(nèi)所有航天器都具備精準的導航與規(guī)劃能力.而相對飛行軌道規(guī)劃是指在編隊中主航天器絕對軌道規(guī)劃的基礎上,伴隨航天器相對于主航天器進行軌道規(guī)劃的問題,是目前航天器編隊規(guī)劃的主要手段[74].相對飛行軌道規(guī)劃通常借助C-W 方程[75]等動力學模型或軌道根數(shù)差法[76]的運動學模型進行求解和優(yōu)化.

此外,在多航天器組網(wǎng)或編隊飛行的同時,航天器往往會受到諸如地球非球形攝動、大氣阻力攝動和太陽光壓攝動等因素的干擾[68].林來興等[77]提出了一種多航天器編隊同步軌道規(guī)劃方案,在地球同步軌道攝動的影響下實現(xiàn)了編隊動力學的穩(wěn)態(tài)仿真.Bevilacqua 等[78]分析了攝動對編隊中主航天器絕對軌道和伴隨航天器軌道的影響,改進了編隊相對軌道規(guī)劃動力學方程,取得了良好的規(guī)劃效果.

4.1.2 避碰軌道規(guī)劃

根據(jù)多航天器編隊飛行過程中避碰對象的不同,可以將多航天器避碰軌道規(guī)劃問題分為防編隊內(nèi)航天器相互碰撞(防碰)和防與編隊外障礙物發(fā)生碰撞(避障)兩類.

1)防碰軌道規(guī)劃

防碰軌道規(guī)劃指多航天器飛行過程或隊形調(diào)整的過程中,編隊內(nèi)航天器之間避免相互碰撞的規(guī)劃問題.由于航天器質(zhì)量大、飛行絕對速度快、軌道機動響應速度較慢、碰撞成本高等特點,多航天器編隊防碰規(guī)劃研究一直是編隊飛行軌道規(guī)劃中的重要內(nèi)容.

王輝等[79]指出多航天器編隊在隊形重構(gòu)和隊形失效重組時是航天器之間發(fā)生碰撞概率最高的兩種機動工況,并利用數(shù)學規(guī)劃方法研究了多航天器避碰準則、規(guī)避策略和規(guī)劃方法,實現(xiàn)了避碰路徑規(guī)劃中燃料消耗最小的性能指標.Amico 等[80]運用相對偏心率和相對軌道傾角矢量來描述多航天器編隊相對運動方法,通過令二者平行來保證航天器在法向和徑向安全距離,實現(xiàn)防止航天器編隊成員相互碰撞的目的,進而開發(fā)了一種被動式航天器編隊避碰規(guī)劃系統(tǒng)[81].Izzo 等[82]在國際太空站的MIT Spheres 平臺內(nèi)建立了基于行為的航天器模型,通過粒子群算法開展航天器模型編隊規(guī)劃,在距離與角度方面均取得了微米級的精度效果.

2)避障軌道規(guī)劃

避障軌道規(guī)劃指多航天器在飛行過程中,遇到非合作的其它航天器、太空垃圾或禁飛區(qū)域等不確定性障礙物時,通過調(diào)整軌道和飛行狀態(tài)以躲避障礙物的規(guī)劃問題.由于非合作障礙物運動和結(jié)構(gòu)的偶然性和不確定性,會對多航天器編隊帶來較大的碰撞風險,因此避障軌道規(guī)劃近年來也受到廣泛關注.多航天器開展避障軌道規(guī)劃前首先需要判定障礙物碰撞風險,目前航天器障礙物碰撞風險評估主要有Box 區(qū)域判定法和碰撞概率判定法.

Box 區(qū)域判定法是以航天器為中心,以一定的長方體范圍定義航天器不同程度的碰撞警報區(qū),當監(jiān)測到障礙物進入航天器警報區(qū)內(nèi)則觸發(fā)航天器必要的規(guī)避響應[83].該方法可降低障礙物監(jiān)測誤差帶來的影響,具有較高的安全性,但缺乏對碰撞風險的準確評估,預警虛報率高,易導致航天器頻繁的軌道機動,降低了航天器燃料使用率和任務執(zhí)行效率.由此,學者們引入了航天器障礙碰撞概率評估方法,在Box區(qū)域判定的基礎上通過隨機分析方法實現(xiàn)對障礙物碰撞概率較為準確的判定,為航天器避障軌道規(guī)劃提供了可靠依

據(jù)[84,85].

王濤等[86]指出目前多航天器避障規(guī)劃研究主要集中于2～3 航天器編隊任務中,對多航天器復雜構(gòu)型編隊的協(xié)同避障研究還較少,并提出了一種基于聚集、駐留、避讓行為的多航天器編隊避障規(guī)劃模型,在動態(tài)障礙影響下表現(xiàn)出良好的避障規(guī)劃效果,但該模型僅適用于對稱航天器編隊.Izzo 等[87]等分析了多航天器編隊通訊受限情況下的避障問題,基于多種行為策略實現(xiàn)了航天器編隊分布式避障軌道的智能規(guī)劃.

可見,學者們對多航天器飛行軌道與避碰軌道規(guī)劃開展了廣泛的研究.在多航天器軌道規(guī)劃技術(shù)的基礎上,航天器合理編組、相互協(xié)同,實現(xiàn)在軌精準與安全飛行,為多航天器任務的智能規(guī)劃提供了有力保障.

4.2 多航天器任務智能規(guī)劃

多航天器任務智能規(guī)劃指在多種約束條件下為各航天器智能分配任務、規(guī)避沖突的過程.與無人機群任務規(guī)劃不同的是,多航天器任務智能規(guī)劃包含了更多與實際問題有關的特定約束,如航天器連續(xù)執(zhí)行任務的時間間隔、航天器與地面目標可見時間窗口、航天器姿態(tài)調(diào)整次數(shù)和能量限制、航天器信息存儲量以及航天器氣象環(huán)境條件等,具有更大的問題規(guī)模和約束復雜性.從問題規(guī)模的處理方式上看,多航天器任務智能規(guī)劃技術(shù)可分為集中式任務規(guī)劃和分布式任務規(guī)劃兩類.

4.2.1 集中式任務規(guī)劃

集中式任務規(guī)劃是綜合考慮問題模型中的各項因素,在全局范圍內(nèi)搜索最優(yōu)解的傳統(tǒng)規(guī)劃模式.集中式的規(guī)劃方法有利于搜尋到全局最優(yōu)解,在中小規(guī)模的任務規(guī)劃問題中表現(xiàn)出良好的規(guī)劃效率和規(guī)劃質(zhì)量,是多航天器任務智能規(guī)劃的常用方法.

在傳統(tǒng)對地觀測系統(tǒng)規(guī)劃問題中,Wolfe 等[88]對比了三種方法,研究表明,基于優(yōu)先級方法可以簡單快速產(chǎn)生可行解, 前瞻算法在有限的時間內(nèi)提升結(jié)果質(zhì)量, 遺傳算法可以產(chǎn)生近似最優(yōu)結(jié)果但求解速度較慢.美國國家航空航天管理局將多航天器協(xié)同規(guī)劃抽象為約束滿足問題,設計了多航天器協(xié)同規(guī)劃系統(tǒng)[89].Globus 等[90]認為多航天器任務規(guī)劃問題的主要特點是需要考慮多種復雜約束且搜索空間巨大,故以執(zhí)行較多的高優(yōu)先級任務為優(yōu)化目標,并比較了遺傳算法、爬山法和模擬退火在小規(guī)模航天器任務規(guī)劃問題中的效果.

在充分考慮復雜用戶需求和航天器高敏捷性等因素的基礎上,Bianchessi 等[91]構(gòu)建了多航天器多載荷多圈次聯(lián)合任務規(guī)劃模型,考慮了航天器姿態(tài)轉(zhuǎn)換時間、用戶需求時效性、多用戶間公平性等因素,采用改進型禁忌搜索算法進行求解,并用列生成方法得到算例的上限,但該模型忽略了航天器信息存儲和能量約束.Wu 等[92]針對敏捷衛(wèi)星多軌成像觀測任務,考慮了星上固存約束和能量約束,并通過自適應的模擬退火算法和動態(tài)任務聚斂策略實現(xiàn)了良好的規(guī)劃效果.Liu 等[93]還引入了成像質(zhì)量和姿態(tài)轉(zhuǎn)換間隔約束,利用一種自適應式的鄰域搜索策略有效應對了密集觀測任務的規(guī)劃問題,但只是預留了40%的軌道時間供數(shù)傳任務規(guī)劃,沒有進行全局考慮.經(jīng)飛等[94]考慮了衛(wèi)星數(shù)傳過程中記錄、實傳、回放等多種數(shù)傳任務模式,建立了成像數(shù)傳一體化的約束滿足模型.張忠山等[95]綜合考慮了姿態(tài)轉(zhuǎn)換時間、固存和電量約束等,設計了一種基于資源預留的啟發(fā)式方法,在大規(guī)模成像數(shù)傳一體化任務規(guī)劃中保持良好的魯棒性.

在集中式智能規(guī)劃的模式下,多航天器在地面管控中心的統(tǒng)一規(guī)劃和組織管理下執(zhí)行任務,地面管控中心能夠在平臺信息、數(shù)傳資源信息的基礎上統(tǒng)籌安排、統(tǒng)一規(guī)劃,具備了獲取任務規(guī)劃全局最優(yōu)解的條件.但是,隨著資源與任務規(guī)模不斷擴大,資源約束日益復雜,地面離線式的集中式任務規(guī)劃方法已無法應對多航天器在軌任務的各項挑戰(zhàn).由此,綜合考慮航天器高敏捷性、協(xié)同性和自主性特點的分布式任務規(guī)劃技術(shù)成為了未來多航天器任務規(guī)劃研究的重要方向.

4.2.2 分布式任務規(guī)劃

分布式任務規(guī)劃是相對集中式規(guī)劃模式而言,通過MAS(multi-agent system)技術(shù)和自主協(xié)同技術(shù),分布式完成任務分配的新興規(guī)劃模式.在多航天器智能規(guī)劃領域,分布式任務規(guī)劃方法的優(yōu)勢主要體現(xiàn)在: 1)自主性,減少了航天器對地面管控中心的依賴;2)并行性,降低了問題規(guī)模和響應層級,提高了快速服務能力;3)實用性,提升了資源配置的合理性,增強了系統(tǒng)拓展性和魯棒性[96].因此,多航天器分布式任務規(guī)劃研究近年來得到諸多學者的關注.

開放地理空間聯(lián)盟提出了傳感器網(wǎng)絡整合架構(gòu), 構(gòu)建了基于傳感器網(wǎng)絡“即插即用”的標準平臺[97].Morris 等[98]研究了復雜觀測需求分解方法和約束關系描述模型,提出了一種基于分布式規(guī)劃的多星協(xié)同觀測方法,并建立了由環(huán)境配置、規(guī)劃器、需求管理器和規(guī)劃數(shù)據(jù)庫組成的原型系統(tǒng).Herold[99]提出一種異步分布優(yōu)化的空天協(xié)同任務規(guī)劃框架,在各子類觀測資源與用戶間加入?yún)f(xié)調(diào)器,可以將任務需求分解成具體觀測任務并有序地分配給子規(guī)劃器.

同時,多航天器分布式任務規(guī)劃技術(shù)的發(fā)展離不開航天器自主能力的不斷提升.高黎等[100]針對分布式多航天器自主協(xié)作的運行模式,通過集覆蓋理論將任務規(guī)劃問題轉(zhuǎn)化為集覆蓋問題,并提出了一種基于合同網(wǎng)的嚴格啟發(fā)式優(yōu)化算法.Bonnet 等[101]通過敏捷衛(wèi)星編隊分布式的信息交互與自主行為,建立了一種自適應動態(tài)任務規(guī)劃模型,并驗證了模型的規(guī)劃效率和魯棒性.韓道軍等[102]提出一種多航天器任務規(guī)劃算法聯(lián)合使用的單機方案,搭建了分布式航天器編隊環(huán)境,很好解決了大量航天器數(shù)據(jù)計算資源不足和傳統(tǒng)分布式算法同步性差的問題.

雖然分布式任務規(guī)劃技術(shù)具備良好的自主性、并行性、規(guī)劃效率以及較低的容錯率,但其難點與不足也較為明顯: 1)分布式規(guī)劃沒有全局考慮問題的所有因素,很難獲得全局最優(yōu)解;2)需要多航天器之間以及地面管控中心之間大量信息交互與計算的支持;3)規(guī)劃效果受分布式策略與算法影響顯著;4)故障診斷與排除的難度大等.可見,合理分析多航天器任務規(guī)劃問題的特點,選擇合適的或組合使用集中式/分布式任務規(guī)劃策略,對任務規(guī)劃質(zhì)量、效率和穩(wěn)定性起到不可或缺的作用.

綜上,得益于航天器自主性水平和智能優(yōu)化算法的快速發(fā)展,多航天器軌道與任務智能規(guī)劃技術(shù)得到不斷推進.面向未來無人系統(tǒng)更高自主性、協(xié)同性和敏捷性的需求,多航天器軌道與任務規(guī)劃應向著一體化的趨勢發(fā)展,形成“任務規(guī)劃驅(qū)動軌道規(guī)劃,軌道規(guī)劃服務任務規(guī)劃”的高協(xié)同無人系統(tǒng)智能規(guī)劃模式.

5 結(jié)束語

以無人機群和多航天器為主的空天無人系統(tǒng)智能規(guī)劃是一個涉及自動化控制、傳感技術(shù)、網(wǎng)絡通訊、空氣/軌道動力學、決策優(yōu)化等多學科的復雜路徑與任務規(guī)劃問題.通過對空天無人系統(tǒng)智能規(guī)劃技術(shù)的綜述,可見智能規(guī)劃技術(shù)為無人機群和多航天器帶來了: 1)更高的資源利用率、任務完成率和多目標的優(yōu)化質(zhì)量;2)更快的規(guī)劃速率;3)更好的并行性、協(xié)同性和魯棒性;4)更強的自主響應、動態(tài)響應和自適應能力等.所以,智能規(guī)劃水平對充分發(fā)揮無人系統(tǒng)優(yōu)勢、提升任務執(zhí)行能力起到了舉足輕重的作用.

與此同時,面向未來不斷提升的任務需求、任務復雜性和環(huán)境復雜性,現(xiàn)有的空天無人系統(tǒng)智能規(guī)劃研究還存在任務與環(huán)境模擬理想化、路徑與任務規(guī)劃分離化、系統(tǒng)模式單一化等問題.因此,未來無人系統(tǒng)智能規(guī)劃的研究與發(fā)展應重視如下方面:

1)任務與環(huán)境模擬復雜化

空天無人系統(tǒng)在真實的任務中,執(zhí)行任務的方法可能不是簡單的點對點的追擊問題,執(zhí)行任務的效果也并非單純的0-1 事件或概率事件.例如:在無人機群執(zhí)行空中動態(tài)目標打擊的任務中,除了采用直接追擊目標的方式,還可通過“前置追擊”、“后滯追擊”等有效戰(zhàn)術(shù)機動來完成.在真實的工作環(huán)境中,空天無人系統(tǒng)不僅可能遇到點狀或區(qū)域性的可預測障礙,還可能面臨大量的或離散的難預測障礙,例如無人機群飛行過程中氣流和風速擾動,機群飛行過程中鳥群障礙,電磁干擾導致的系統(tǒng)通訊中斷等.這些難預測的突發(fā)性動態(tài)影響,往往不能通過傳統(tǒng)的任務與路徑規(guī)劃策略得以有效解決,需要在進一步提升對無人機和航天器飛行動力學與控制技術(shù)研究的基礎上,結(jié)合實際無人機戰(zhàn)術(shù)機動和航天器姿態(tài)調(diào)整常用方法,發(fā)展無人系統(tǒng)離散化的和自適應的快響式智能規(guī)劃策略,實現(xiàn)空天無人系統(tǒng)在復雜任務和環(huán)境中分布式與集中式、協(xié)同式與自主式和短期規(guī)劃與長期規(guī)劃交替結(jié)合的動態(tài)智能規(guī)劃技術(shù).

2)路徑與任務規(guī)劃一體化

無人機群的航跡規(guī)劃和多航天器的軌道規(guī)劃均屬于路徑規(guī)劃范圍,而路徑規(guī)劃的目的本質(zhì)上是為任務規(guī)劃提供有效的執(zhí)行環(huán)境.目前大部分研究都將空天無人系統(tǒng)的路徑與任務規(guī)劃分開進行,這樣雖可大幅減少系統(tǒng)計算量,提升規(guī)劃速率,但很難獲取規(guī)劃的全局最優(yōu)解,造成了一定程度的資源和任務可執(zhí)行窗口的浪費.因此,在傳感技術(shù)、網(wǎng)絡技術(shù)和計算機技術(shù)的牽引下,未來空天無人系統(tǒng)路徑與任務規(guī)劃應向著一體化的趨勢發(fā)展,通過滾動式、交替式和協(xié)商式的規(guī)劃方法,逐步形成“任務規(guī)劃驅(qū)動路徑規(guī)劃,路徑規(guī)劃服務任務規(guī)劃”動態(tài)智能規(guī)劃格局.

3)空天無人系統(tǒng)與體系多元化

發(fā)展空天無人系統(tǒng)的初衷是單一無人機和航天器執(zhí)行任務的能力有限,故通過無人機群和航天器編組的方式來提高任務能力、范圍和效率.同時,在空天無人系統(tǒng)中,單一類型的無人機群或多航天器可能也無法很好滿足未來日益復雜的任務需求.例如,以預警機、偵察機、攻擊機和加油機組成的無人機混合作戰(zhàn)編隊能夠?qū)崿F(xiàn)單一機群無法完成的遠距離偵察、打擊和保障任務.此外,無人機群與多航天器系統(tǒng)也具備一體化的發(fā)展前景,如遙感衛(wèi)星與無人機群相互輔助開展測繪任務[103],無人機承擔星地鏈路中動態(tài)中繼任務[104],衛(wèi)星承擔機群通訊任務等.由此,發(fā)揮系統(tǒng)成員的獨有優(yōu)勢,實現(xiàn)成員間優(yōu)劣互補,發(fā)展多元化、一體化的空天無人系統(tǒng)具有非常重要價值.進而,在系統(tǒng)協(xié)同性和智能規(guī)劃技術(shù)發(fā)展的基礎上,設計多角度的動態(tài)評價與組合評價方法[105],構(gòu)建由多系統(tǒng)組成的空天無人體系可以最大程度地提升任務執(zhí)行能力,解決未來任務的復雜性與多元性問題.未來,遙感衛(wèi)星與導航衛(wèi)星、偵察機與轟炸機和攻擊梯隊與保障梯隊相互協(xié)同的無人體系智能規(guī)劃將成為現(xiàn)實.

參考文獻:

[1] Zhang T, Li Q, Zhang C S, et al.Current trends in the development of intelligent unmanned autonomous systems.Frontiers of Information Technology and Electronic Engineering,2017,18(1): 68–85.

[2] Colomina I,Molina P.Unmanned aerial systems for photogrammetry and remote sensing:A review.Journal of Photogrammetry and Remote Sensing,2014,92(2): 79–97.

[3] Kim B O,Yun K H,Chang T S,et al.A preliminary study on UAV photogrammetry for the hyanhocoast near the military reservation zone,eastern coast of Korea.Ocean and Polar Research,2017,39(2): 159–168.

[4] Goodbody T R H,Coops N C,Marshall P L,et al.Unmanned aerial systems for precision forest inventory purposes: A review and case study.Forestry Chronicle,2017,93(1): 71–81.

[5] Department of Defense.The Unmanned System Integrated Roadmap.Washington: Department of Defense,FY 2011–2036,2011.

[6] 祁圣君,張立豐.美國軍用無人系統(tǒng)綜述.飛航導彈,2015,45(7): 21–24.

Li S J,Zhang L F.Reviews on military unmanned systems in the United States.Aerodynamic Missile Journal,2015,45(7): 21–24.(in Chinese)

[7] Stolba M, Komenda A.The MADLA planner: Multi–agent planning by combination of distributed and local heuristic search.Artificial Intelligence,2017,252: 175–210.

[8] Guo W L,Luo W Q.Pinning adaptive–impulsive consensus of the multi-agent systems with uncertain perturbation.Neurocomputing,2018,275: 2329–2340.

[9] 張民強,宋建梅,薛瑞彬.通信距離受限下多無人機分布式協(xié)同搜索.系統(tǒng)工程理論與實踐,2015,35(11): 2980–2986.

Zhang M Q, Song J M, Xue R B.Multiple UAVs cooperative search under limited communication range.Systems Engineering:Theory and Practice,2015,35(11): 2980–2986.(in Chinese)

[10] She Y C,Li S,Zhao Y B.Onboard mission planning for agile satellite using modified mixed–integer linear programming.Aerospace Science and Technology,2018,72: 204–216.

[11] Ramirez-Atencia C, Bello-Orgaz G, R-Moreno M D, et al.Solving complex multi-UAV mission planning problems using multiobjective genetic algorithms.Soft Computing,2017,21(17): 4883–4900.

[12] 王國強,羅 賀,胡笑旋,等.無人機編隊管理的研究綜述.電光與控制,2013,20(8): 48–53.

Wang G Q, Luo H, Hu X X, et al.A survey on coordinated UAV formation management.Electronics Optics and Control, 2013,20(8): 48–53.(in Chinese)

[13] Yu X, Zhang Y M.Sense and avoid technologies with applications to unmanned aircraft.Progress in Aerospace Sciences, 2015,74(4): 152–166.

[14] Techy L, Woolsey C A.Minimum–time path planning for unmanned aerial vehicle in steady uniform winds.Journal of Guidance Control and Dynamics,2009,32(6): 1736–1746.

[15] Kothari M, Postlethwaite I.A probabilistically robust path planning algorithm for UAVs using rapidly–exploring random trees.Journal of Intelligent and Robotic System,2013,71(2): 231–253.

[16] Yu H, Beard R, Byrne J.Vision–based navigation frame mapping and planning for collision avoidance for miniature air vehicles.Control Engineering Practice,2010,18(7): 824–836.

[17] Kim J, Morrison J R.On the concerted design and scheduling of multiple resources for persistent UAV operations.Journal of Intelligent and Robotic Systems,2014,74(1/2): 479–498.

[18] Radmanesh M, Kumar M.Flight formation of UAVs in presence of moving obstacles using fast–dynamic mixed integer linear programming.Aerospace Science and Technology,2016,50: 149–160.

[19] Tisdale J,Kim Z,Hedrick J K.Autonomous UAV path planning and estimation.Robotics and Automation Magazine,2009,16(2):35–42.

[20] Zhang Z,Wang J,Li J.Lossless convexification of nonconvex MINLP on the UAV path–planning problem.Optimal Control Applications and Methods,2017,39(2): 845–859.

[21] Helbig M,Engelbrecht A P.Population–based metaheuristics for continuous boundary–constrained dynamic multi-objective optimisation problems.Swarm and Evolutionary Computation,2014,14(1): 31–47.

[22] Jung D,Tsiotras P.On–line path generation for unmanned aerial vehicles using B–spline path templates.Journal of Guidance Control and Dynamics,2013,36(6): 1642–1653.

[23] Pehlivanoglu Y V.A new vibrational generic algorithm enhanced with a voronoidiagram for path planning of autonomous UAV.Aerospace Science and Technology,2012,16(1): 47–55.

[24] Karimi J,Pourtakdoust S H.Optimal maneuver–based motion planning over terrain and threats using a dynamic hybrid PSO algorithm.Aerospace Science and Technology,2013,26(1): 60–71.

[25] Liu Y,Zhang X J,Guan X M,et al.Adaptive sensitivity decision based path planning algorithm for unmanned aerial vehicle with improved particle swarm optimization.Aerospace Science and Technology,2016,58: 92–102.

[26] Xu C,Duan H B,Liu F.Chaotic artificial bee colony approach to uninhabited combat air vehicle(UCAV)path planning.Aerospace Science and Technology,2010,18(4): 535–541.

[27] Zhu W R,Duan H B.Chaotic pblueator-prey biogeography-based optimization approach for UCAV path planning.Aerospace Science and Technology,2014,32(1): 153–161.

[28] 張明中.基于粒子群優(yōu)化算法的多機器人編隊控制技術(shù).長沙: 中南大學,2011.

Zhang M Z.PSO-based Multi-robot Formation Control.Changsha: Central South University,2011.(in Chinese)

[29] Kownacki C,Ambroziak L.Local and asymmetrical potential field approach to leader tracking problem in rigid formations of fixedwing UAVs.Aerospace Science and Technology,2017,68: 465–474.

[30] He L L,Bai P,Liang X L,et al.Feedback formation control of UAV swarm with multiple implicit leaders.Aerospace Science and Technology,2018,72: 327–334.

[31] 邵 壯,祝小平,周 洲,等.三維動態(tài)環(huán)境下多無人機編隊分布式保持控制.控制與決策,2016,31(6): 1065–1072.

Shao Z,Zhu X P,Zhou Z,et al.Distributed formation keeping control of UAVs in 3D dynamic.Control and Decision,2016,31(6):1065–1072.(in Chinese)

[32] Chang B L,Ng Q S.A flexible virtual structure Formation keeping control for fixed-wing UAVs//Proceedings of the IEEE International Conference on Control and Automation.Santiago: IEEE,2012: 621–626.

[33] Kim S,Kim Y.Optimum design of three-dimensional behavioral decentralized controller for UAV formation flight.Engineer Optimization,2009,41(3): 199–224.

[34] Hendrickx J M,Fidan B,Yu C,et al.Formation reconfiguration by primitive operations on directed graphs.Transactions on Automatic Control,2008,53(4): 968–979.

[35] Cao H,Bai Y,Chen J,et al.Control of 2D minimally persistent formations with three co–leaders in a cycle.International Journal of Advanced Robotic Systems,2013,21(10): 1–9.

[36] 鄧 婉,王新民,王曉燕,等.無人機編隊隊形保持變換控制器設計.計算機仿真,2011,28(10): 73–77.

Deng W,Wang X M,Wang X Y,et al.Controller design of UAV’s formation keep and change.Computer Simulation,2011,28(10):73–77.(in Chinese)

[37] Zhang X Y, Duan H B.Differential evolution–based receding horizon control design for multi-UAVs formation reconfiguration.Transactions of the Institute of Measurement and Control,2012,34(2/3): 165–183.

[38] Duan H B, Ma G J, Luo D L.Optimal formation reconfiguration control of multiple UCAVs using improved particle swarm optimization.Journal of Bionic Engineering,2008,5(4): 340–347.

[39] Alemayehu T S,Kim J H.Efficient nearest neighbor heuristic TSP algorithms for blueucing data acquisition latency of UAV relay WSN.Wireless Personal Communications,2017,95(3): 3271–3285.

[40] 杜于飛,覃太貴,鄧秀方,等.多無人機協(xié)同任務規(guī)劃問題.數(shù)學的實踐和認識,2017,47(14): 52–62.

Du Y F, Qin T G, Deng X F, et al.Mission planning of multiple unmanned aerial vehicles.Mathematics in Practice and Theory,2017,47(14): 52–62.(in Chinese)

[41] 侯玉梅,賈震環(huán),田 歆,等.帶軟時間窗整車物流配送路徑優(yōu)化研究.系統(tǒng)工程學報,2015,30(2): 240–250.

Hou Y M,Jia Z H,Tian X,et al.Research on the optimization on the vehicle logistics distribution with soft time windows.Journal of Systems Engineering,2015,30(2): 240–250.(in Chinese)

[42] Rourke K P O, Carlton W B, Bailey T G, et al.Dynamic routing of unmanned aerial vehicles using reactive tabu search.Military Operations Research,2001,6(1): 5–30.

[43] Guerrero J A, Bestaoui Y.UAV path planning for structure inspection in windy environments.Journal of Intelligent and Robotic Systems,2013,69(1/4): 297–311.

[44] 胡中華,趙 敏.無人機任務規(guī)劃系統(tǒng)研究及發(fā)展.航天電子對抗,2009,25(4): 49–54.

Hu Z H,Zhao M.Research and development of UAV mission planning system.Aerospace Electronic Warfare,2009,25(4): 49–54.(in Chinese)

[45] 李 煒,張 偉.基于粒子群算法的多無人機任務分配方法.控制與決策,2010,25(9): 1359–1368.

Li W, Zhang W.Method of tasks allocation of multi-UAVs based on particles swarm optimization.Control and Decision, 2010,25(9): 1359–1368.(in Chinese)

[46] 梁國偉,王社偉,趙雪森.多無人機協(xié)同任務分配方法.火力與指揮控制,2014,39(11): 13–17.

Liang G W,Wang S W,Zhao X L.Method research on cooperative task allocation for multiple UCAVs.Fire Control and Command Control,2014,39(11): 13–17.(in Chinese)

[47] Alighanbari M.Task Assignment Algorithms for Teams of UAVs in Dynamic Environments.Massachusetts:Massachusetts Institute of Technology,2004.

[48] 李大東,孫秀霞,孫 彪,等.基于混合整數(shù)線性規(guī)劃的無人機任務規(guī)劃.飛行力學,2010,28(5): 88–91.

Li D D,Sun X X,Sun B,et al.Mission planning for UAVs based on MILP.Flight Dynamics,2010,28(5): 88–91.(in Chinese)

[49] Cekmez U,Ozsiginan M,Sahingoz O K.A UAV path planning with parallel ACO algorithm on CUDA platform//Proceedings of the International Conference on Unmanned Aircraft Systems.Florida: IEEE,2014: 347–354.

[50] 黃偉民,王亞剛.一種基于蟻群算法的無人機協(xié)同任務規(guī)劃優(yōu)化算法.軟件導刊,2017,16(7): 131–134.

Wang W M, Wang Y G.Cooperative task allocation for multiple UAVs using ACO.Software Guide, 2017, 16(7): 131–134.(in Chinese)

[51] Perez-Carabaza S, Besada-Portas E, Lopez-Orozco J A, et al.Ant colony optimization for multi-UAV minimum time search in uncertain domains.Applied Soft Computing,2018,62: 789–806.

[52] 馬華偉,朱益民,胡笑旋.基于粒子群算法的無人機艦機協(xié)同任務規(guī)劃.系統(tǒng)工程與電子技術(shù),2016,38(7): 1583–1588.

Ma H W,Zhu Y M,Hu X X.Cooperative task planning for ship and UAVs based on particle swarm optimization algorithm.Systems Engineering and Electronics,2016,38(7): 1583–1588.(in Chinese)

[53] 杜繼永,張鳳鳴,楊 驥,等.多UCAV 協(xié)同任務分配模型及粒子群算法求解.控制與決策,2012,27(11): 1752–1755.

Du J Y,Zhang F M,Yang J,et al.Cooperative task assignment for multiple UCAV using particle swarm optimization.Control and Decision,2012,27(11): 1752–1755.(in Chinese)

[54] Tan H, Li Y, Wang J, et al.AC-PSO algorithm for UAV mission planning.Transactions of Nanjing University of Aeronautics and Astronautics,2005,22(3): 264–270.

[55] Senthilnath J,Omkar S N,Mani V,et al.Cooperative communication of UAV to perform multi-task using nature inspiblue techniques//Proceedings of the IEEE Symposium Series on Computational Intelligence.Singapore: IEEE,2013: 45–50.

[56] Choi H,Kim Y,Kim H.Genetic algorithm based decentralized task assignment for multiple unmanned aerial vehicles in dynamic environments.International Journal of Aeronautical and Space Sciences,2011,12(12): 163–174.

[57] Roberge V,Tarbouchi M,Labonte G.Comparison of parallel genetic algorithm and particle swarm optimization for real-time UAV path planning.Transactions on Industrial Informatics,2012,9(1): 132–141.

[58] 楊尚君,孫永維,龐 宇.基于改進魚群算法的多無人機任務分配研究.計算機仿真,2015,32(1): 69–72.

Yang S J,Sun Y W,Fang Y.Research on multi-UAV cooperative task allocation based on improved fish swarm algorithm.Computer Simulation,2015,32(1): 69–72.(in Chinese)

[59] Wang Z,Liu L,Long T,et al.Multi-UAV reconnaissance task allocation for heterogeneous targets using an opposition:Based genetic algorithm with double-chromosome encoding.Chinese Journal of Aeronautics,2018,31(2): 339–350.

[60] Liu Y F,Zou J,Sun H J.Task allocation method of manned/unmanned aerial vehicle formation based on extended CNP//Proceedings of the IEEE Chinese Guidance,Navigation and Control Conference.Nanjing: IEEE,2016: 1975–1979.

[61] 劉宏強,魏賢智,付昭旺,等.有人機/無人機編隊協(xié)同攻擊任務分配方法研究.電光與控制,2013,20(6): 16–19.

Liu H Q,Wei X Z,Fu Z W,et al.Cooperative task assignment of manned/unmanned aerial vehicle formation in air combat.Electronics Optics and Control,2013,20(6): 16–19.(in Chinese)

[62] Meng W,He Z R,TeoR,et al.Integrated multi-agent system framework: Decentralized search,tasking and tracking.Control Theory and Applications,2014,9(3): 493–502.

[63] 姜 雪,全雄文,陳秋雙,等.基于真實吐露貪婪機制的多Agent 單機調(diào)度問題.系統(tǒng)工程學報,2016,31(3):423–430.

Jiang X,Quan X W,Chen Q S,et al.Multi-agent single machine scheduling based on truthful greedy mechanism.Journal of Systems Engineering,2016,31(3): 423–430.(in Chinese)

[64] Kingston D B,Beard R W,Holt R S.Decentralized perimeter surveillance using a team of UAVs.Transactions on Robotics,2008,24(6): 1394–1404.

[65] Johnson L,Ponda S,Choi H,et al.Improving the efficiency of a decentralized tasking algorithm for UAV teams with asynchronous communications//Proceedings of the Guidance,Navigation,and Control and Co-located Conferences.Toronto:AIAA,2010:1–22.

[66] 曹攀峰,崔 升.考慮信息延遲的無人機分布式協(xié)同搜索算法.電光與控制,2010,17(3): 27–29.

Cao P F,Cui S.A cooperative search algorithm for multi-UAV with time-delays.Electronics Optics and Control,2010,17(3):27–29.(in Chinese)

[67] 晉一寧,吳炎烜,范寧軍.群無人機動態(tài)環(huán)境分布式持續(xù)覆蓋算法.北京理工大學學報,2016,36(6): 588–592.

Jin Y L,Wu Y X,Fan N J.Distributed cooperative control of swarm UAVs for dynamic environment persistent coverage.Transactions of Beijing Institute of Technology,2016,36(6): 588–592.(in Chinese)

[68] 李 亮,王 洪,劉良玉,等.微小衛(wèi)星星座與編隊技術(shù)發(fā)展.空間電子技術(shù),2017,14(1): 1–3.

Li L,Wang H,Liu L Y,et al.Development of micro–satellite constellation and formation technologies.Space Electronic Technology,2017,14(1): 1–3.(in Chinese)

[69] 林來興,張小琳.星群、星座與編隊飛行的概念辨析.航天器工程,2012,21(5): 97–102.

Lin L X,Zhang X L.Discussion on conception of cluster,constellation and formation flying.Spacecraft Engineering,2012,21(5):97–102.(in Chinese)

[70] Mazur S.A description of current and planned location strategies within the ORBCOMM network.International Journal of Satellite Communications,1999,17(4): 209–223.

[71] Sheard B S, Heinzel G, Danzmann K, et al.Intersatellite laser ranging instrument for the GRACE follow-on mission.Journal of Geodesy,2012,86(12): 1083–1095.

[72] Hong S H,Wdowinski S,Kim S W,et al.Evaluation of TerraSAR-X observations for wetland in SAR application.Transactions on Geoscience and Remote Sensing,2015,48(2): 864–873.

[73] 魯建全.天宮二號伴飛小衛(wèi)星的幾種伴隨模式分析.物理教學,2017,39(3): 54–57.

Lu J Q.Analysis on accompanying models of the small satellite of TiangongⅡ.Physics Teaching,2017,39(3): 54–57.(in Chinese)

[74] 張 偉,杜耀珂,李東俊,等.基于星間測距增強的衛(wèi)星編隊GPS 相對導航研究.上海航天,2017,34(3): 95–101.

Zhang W,Du Y K,Li D J,et al.Inter-satellite ranging augmented GPS relative navigation for satellite formation flying.Aerospace Shanghai,2017,34(3): 95–101.(in Chinese)

[75] 李今飛,王園園,元朝鵬.基于CW 方程的衛(wèi)星編隊飛行相對運動分析.測繪科學與工程,2017,37(2): 62–66.

Li J F,Wang Y Y,Yuan Z P.Relative movement analysis of satellite formation flying based on CW equations.Geomatics Science and Engineering,2017,37(2): 62–66.(in Chinese)

[76] Gaias G,Amico S D.Impulsive maneuvers for formation reconfiguration using relative orbital elements.Journal of Guidance,Control and Dynamics,2015,38(6): 1036–1049.

[77] 林來興,張洪華,車汝才.編隊飛行區(qū)域性導航衛(wèi)星和位置保持.宇航學報,2004,25(1): 82–88.

Lin L X, Zhang H H, Che R C.The formation flying satellites for the regional navigation and their station-keeping.Journal of Astronautics,2004,25(1): 82–88.(in Chinese)

[78] Bevilacqua R, Romano M.Rendezvous maneuvers of multiple spacecraft using differential drag under J2 perturbation.Journal of Guidance Control and Dynamics,2008,31(6):1595–1607.

[79] 王 輝,顧學邁.編隊衛(wèi)星防碰撞規(guī)避路徑規(guī)劃方法與控制研究.中國空間科學技術(shù),2009,29(5): 67–74.

Wang H,Gu X M.Autonomous determination of relative orbit for satellite formation flying using radio-only measurement.Chinese Space Science and Technology,2009,29(5): 67–74.(in Chinese)

[80] Amico S D,Montenbruck O.Proximity operations of formation-flying spacecraft using an eccentricity/inclination vector separation.Journal of Guidance Control and Dynamics,2005,29(3): 554–563.

[81] Amico S D, Montenbruck O.Relative orbit control design for the PRISMA formation flying mission // Proceedings of the AIAA Guidance,Navigation,and Control Conference and Exhibit.Colorado: AIAA,2006: 21–24.

[82] Izzo D,Simoes L F,Croon G D.An evolutionary robotics approach for the distributed control of satellite formations.Evolutionary Intelligence,2014,7(2): 107–118.

[83] Foster J L.A 160 Days Simulation of Space Station Debris Avoidance Operation with the United States Space Command.JSC-DM-3-95-2.Washington: NASA,2006.

[84] Jones B A,Doostan A.Satellite collision probability estimation using polynomial chaos expansions.Advances in Space Research,2013,52(11): 1860–1875.

[85] Chobotov V A,Johnson C G.Effects of satellite bunching on the probability of collision in geosynchronous orbit.Journal of Spacecraft and Rockets,2015,31(5): 895–899.

[86] 王 濤,許永生,張迎春,等.基于行為的非合作目標多航天器編隊軌道控制.中國空間科學技術(shù),2017,37(1): 19–25.

Wang T, Xu Y S, Zhang Y C, et al.Trajectory planning for non–cooperative target multi-spacecraft formation based on behavior strategy.Chinese Space Science and Technology,2017,37(1): 19–25.(in Chinese)

[87] Izzo D, Pettazzi L.Autonomous and distributed motion planning for satellite swarm.Journal of Guidance Control and Dynamic,2007,30(2): 449–459.

[88] Wolfe W J,Sorensen S E.Three scheduling algorithms applied to the earth observing systems domain.Management Science,2000,46(1): 148–166.

[89] Frank J,Jonsson A,Morris P,et al.Planning and scheduling for fleets of earth observing satellites//Proceedings of the International Symposium on Artificial Intelligence,Robotics and Automation in Space.Montreal: ESA,2002.

[90] Globus A, Crawford J, Lohn J, et al.A comparison of techniques for scheduling earth observing satellites // Proceedings of the National Conference on Artificial Intelligence and the Sixteenth Conference on Innovative Applications on Artificial Intelligence.California: AAAI,2004: 836–843.

[91] Bianchessi N, Cordeau J F, Desrosiers J, et al.A heuristic for the multi-satellite, multi-orbit and multi-user management of earth observation satellites.European Journal of Operational Research,2007,177(2): 750–762.

[92] Wu G H,Wang H L,Pedrycz W,et al.Satellite observation scheduling with a novel adaptive simulated annealing algorithm and a dynamic task clustering strategy.Computers and Industrial Engineering,2017,113: 576–588.

[93] Liu X L, Laporte G, Chen Y W, et al.An adaptive large neighborhood search metaheuristic for agile satellite scheduling with time-dependent transition time.Computers and Operations Research,2017,86(1): 41–53.

[94] 經(jīng) 飛,王 鈞,李 軍,等.考慮多數(shù)傳模式組合的衛(wèi)星數(shù)傳調(diào)度方法.系統(tǒng)工程學報,2012,27(2): 160–168.

Jing F,Wang J,Li J,et al.Approach considers multiform data transmission mode for satellite data transmission scheduling problem.Journal of Systems Engineering,2012,27(2): 160–168.(in Chinese)

[95] 張忠山,譚躍進,義余江,等.基于資源預留的成像衛(wèi)星魯棒性任務規(guī)劃方法.系統(tǒng)工程理論與實踐,2016,36(6): 1544–1554.

Zhang Z S,Tan Y J,Yu Y J,et al.A robustness task planning method for imaging satellite based on resources reservation.Systems Engineering: Theory and Practice,2016,36(6): 1544–1554.(in Chinese)

[96] 王 凌,鄧 瑾,王圣堯.分布式車間調(diào)度優(yōu)化算法研究綜述.控制與決策,2016,31(1): 1–11.

Wang L,Deng J,Wang S Y.Survey on optimization algorithms for distributed shop scheduling.Control and Decision,2016,31(1):1–11.(in Chinese)

[97] Broring A,Echterhoff J,Jirka S,et al.New generation sensor web enablement.Sensors,2011,11(2): 2652–2699.

[98] Morris R,Dungan J,Votava P,et al.Coordinated data acquisition on sensor webs//Proceedings of the IEEE Aerospace Conference.Montana: IEEE,2008: 1–7.

[99] Herold T M.Asynchronous, distributed optimization for the coordinated planning of air and space assets.Massachusetts: Massachusetts Institute of Technology,2010.

[100] 高 黎,周利安,沙基昌.分布式衛(wèi)星系統(tǒng)協(xié)作任務分配模型及優(yōu)化算法.系統(tǒng)工程學報,2009,24(4): 445–450.

Gao L,Zhou L A,Shang J C.Task allocation model and algorithm for DSS cooperation mechanism.Journal of Systems Engineering,2009,24(4): 445–450.(in Chinese)

[101] Bonnet J,Gleizes M P,Kaddoum E,et al.Multi-satellite mission planning using a self-adaptive multi-agent system//Proceedings of the IEEE International Conference on Self-adaptive and Self-organizing Systems.Cambridge: IEEE,2015: 11–20.

[102] 韓道軍,吳曉洋,沈夏炯.一種分布式遙感衛(wèi)星對地覆蓋仿真分析方案.河南大學學報(自然科學版),2017,47(2): 177–184.

Han D J,Wu X Y,Shen X T.A simulation analysis on ground coverage of the distributed remote sensing satellite.Journal of Henan University(Natural Science Edition),2017,47(2): 177–184.(in Chinese)

[103] Mauro B D, Fava F, Ferrero L, et al.Mineral dust impact on snow radiative properties in the European Alps combining ground,UAV,and satellite observations.Journal of Geophysical Research Atmospheres,2015,120(12): 6080–6097.

[104] Mrema D D, Oh W, Liu J, et al.Long range wireless sensor network employing cooperative relaying-UAVs via LEO satellite.Journal of Control Science and Engineering,2013,40(1): 46–54.

[105] 張發(fā)明,劉志平.組合評價方法研究綜述.系統(tǒng)工程學報,2017,32(4): 557–569.

Zhang F M,Liu Z P.Combined evaluation methods: A literature review.Journal of Systems Engineering,2017,32(4): 557–569.(in Chinese)

杜永浩(1993—),男,江蘇儀征人,博士生,研究方向:智能優(yōu)化理論,方法與應用,Email: duyonghao15@163.com;

王 凌(1972—), 男, 江蘇武進人, 博士, 教授, 研究方向: 智能優(yōu)化理論, 方法與應用, 復雜生產(chǎn)過程建模, 優(yōu)化與調(diào)度,Email: wangling@tsinghua.edu.cn;

邢立寧(1980—),男,陜西臨潼人,博士,研究員,研究方向:智能優(yōu)化理論,方法與應用,Email: xinglining@gmail.com.