有人/无人机编队指挥控制系统结构设计

无人机10086

2021年2月25日 11:53

吴立尧1, 韩维1, 张勇1, 熊瑶2

(1. 海军航空大学航空基础学院, 山东烟台 264001;2. 空军航空大学教学考评中心, 吉林长春 130022)

摘要: 针对有人/无人机(manned aerial vehicle/unmanned aerial vehicle, MAV/UAV)编队指挥控制系统结构设计问题进行了研究。以未来空中作战为背景,结合MAV/UAV编队作战流程和特征,基于人机合作机制，设计了MAV/UAV编队协同三层递阶式指挥控制结构,分别为任务规划层、协调控制层和功能实现层。在此基础上,分析了系统结构中关键模块如辅助决策模块、人机交互系统、编队控制管理系统和航迹规划路径跟踪系统的内容。最后，设计了人机交互系统指挥界面,并针对典型控制任务进行了仿真验证。

关键词: 有人/无人机编队; 指挥控制系统; 人机合作; 三层递阶式

0 引言

近年来,无人机(unmanned aerial vehicle,UAV)凭借其结构简单、成本低和无人员危险等优点,在局部战争中被广泛应用,UAV编队在执行军事探测、防御和攻击任务扮演着重要角色。但是随着战场环境日趋复杂,UAV智能水平并未真正达到自主决策,传统UAV编队将无法满足独立完成作战任务需求,有人机(manned aerial vehicle, MAV)/UAV编队执行任务将成为未来战争的一种必然趋势。与传统UAV编队相比,MAV/UAV编队既提高了MAV的生存能力,又延伸了UAV探测距离和攻击距离,充分发挥了飞行员在整个回路中的智慧与综合判断能力,大大提高了编队作战效能。因此,MAV/UAV编队技术成为各军事强国的研究热点。

英国国防部与QinetiQ公司共同进行MAV/UAV编队飞行实验,“狂风”战斗机飞行员同时指挥控制4架BAC1-11模拟UAV,实现了MAV对UAV编队战术层次的协调和控制[1];美国麻省理工学院研发了MAV与UAV的遥控指挥系统,利用F-15战斗机和T33 UAV进行飞行试验,UAV在飞行员语音指令指挥下作出反应,执行任务[2];美国陆军航空应用技术部(aviation application technology department, AATD)开展了MAV/UAV通用结构计划,利用“阿帕奇”直升机和“影子-200”UAV进行了飞行试验,验证了MAV和UAV的互操作性[3];美国空军研究实验室(air force research laboratory, AFRL)启动了“忠诚僚机”项目,通过第五代战斗机飞行员控制UAV,实现了以UAV代替战斗机在危险战场中进行巡逻、侦查、攻击等任务,大幅度提升了美国空军战斗机/UAV协同作战能力[4]。2014年,舰载机F/A-18大黄蜂和X-47B UAV在罗斯福号核动力航母上共同完成飞行演示,验证了舰载机和UAV在航母甲板和空域内安全、协调互操作能力[5]。

MAV/UAV编队指挥控制系统是涉及编队支撑网络、人机交互与编队控制等多领域多学科交叉的新型综合系统,底层基于链路通信网络进行信息的互通互操作,通过飞行员对编队的决策和管理,使编队具有智能群体意识,实现任务规划、编队控制、航迹规划和轨迹跟踪,保证编队完成复杂的作战任务。

本文以MAV/UAV编队执行空中任务为背景,设计了三层递阶式编队指挥控制系统结构,详细讨论了每层结构中关键模块系统功能,逐层实现飞行员决策、任务指令转化、编队控制、航路规划、执行任务的过程,最后完成了人机交互系统中指挥界面的设计和典型编队控制任务仿真。

1 指挥控制系统总体设计

MAV/UAV编队指挥控制系统是由飞行员、MAV和UAV平台共同组成的复杂人机系统,飞行员负责复杂、高级的功能如监视、指挥控制、授权决策等,系统基于高度智能化功能完成信息的获取、传输、显示,任务载荷的控制等,UAV将指令转化为动作,实现期望的飞行航迹。其指挥控制效能应最大限度地发挥人、MAV和UAV的各自优势,实现人机协同最佳。然而,人机协同并非人和飞行器简单组合,而是按照一定的系统结构、逻辑关系和控制模式结合成一个整体。MAV/UAV编队指挥控制系统必须建立灵活的人机交互和精确的编队控制,将飞行员的经验和判断与指挥控制系统的快速数据处理和精确推理相结合,以实现人机合作最优化。

1.1 MAV/UAV编队作战任务流程

以一架MAV和4架UAV组成编队对空打击为例,如图1所示,从地面指控中心接收上级任务开始,整个作战过程可分为以下5个阶段。

有人/无人机编队指挥控制系统结构设计的图1

图1 作战流程示意图
Fig.1 Diagram of operational flow

(1) 任务预规划阶段。MAV与各UAV根据指挥部下达的作战任务和临战前获得情报制定飞行计划,将任务逐级分解,生成子任务序列,完成子任务预分配,依次准备执行。

(2) 编队集结阶段。飞行员接到起飞命令后,MAV与各UAV依次从基地上起飞,在规定时间内到达指定区域后,形成相应队形,实现编队集结。

(3) 航迹飞行阶段。编队朝着任务区域飞行,飞行过程中,根据任务变换、态势变化,MAV控制整个编队变换队形,如巡航阶段,编队队形为紧密楔形编队;搜索目标阶段,编队队形为平行编队等。

(4) 任务区域阶段。到达任务区域,MAV和UAV实时共享战场态势信息并由飞行员进行评估。根据子任务序列进行航迹规划,依次执行子任务。在攻击阶段,飞行员通过局势判断向UAV下达攻击指令,完成目标摧毁任务。当MAV被敌方锁定时,必要时UAV以机身阻挡来袭导弹。战斗后期,飞行员评估编队毁伤效能。

(5) 返航退出阶段。任务完成后,飞行员下令编队退出战斗空域,以编队形式迅速返航。到达基地附近后,根据基地指挥员指令,编队中各型飞机依次着陆。

1.2 系统要求

针对上述编队作战任务流程,MAV/UAV编队控制主要是表现在飞行员对编队的飞行航迹、任务规划和载荷等多方面进行决策和控制。因此,MAV/UAV编队指挥控制系统应满足以下要求。

(1) 编队具有良好的互操作性。稳定、顺畅的通信链路是编队间互操作的基础,MAV与UAV共享态势信息、编队状态,飞行员能够将任务指令传达给UAV,控制整个编队飞行。

(2) 简单、全面、灵活的人机交互模块。飞行员不仅面临高速飞行的生理压力,还有紧张战场态势下的精神压力,因此简单、灵活和便于理解的人机接口能够降低飞行员工作负荷,不会带来额外负担。

(3) UAV系统智能化。在飞行员未下达指令时,UAV面对复杂环境能够自主规划、智能避障防撞、智能决策。

(4) 性能优良的编队控制算法。整个编队作战过程包括编队集结、队形保持、编队重构等阶段,为及时安全地实现编队,稳定、有效、响应迅速的控制算法尤为关键。

1.3 系统可行性分析

传统UAV编队飞行依赖地面基站控制,由指挥人员根据战场态势和UAV传回编队数据操控编队或单机执行任务。MAV/UAV编队指挥控制系统可直接理解为将地面控制基站移至MAV上,飞行员不仅操纵MAV,而且指挥控制整个编队,解决了传统UAV编队指挥控制范围和通信时延的问题,同时飞行员可根据战场态势变化进行快速准确的战术决策,大大提高了UAV编队作战效能。

MAV/UAV编队指挥控制系统的设计可借鉴成熟的UAV编队控制系统和UAV集群体系作战项目,如拒止环境中协同行动(collaborative operations in denied environment, CODE)项目[6]、系统的系统集成技术和试验(system of systems integration technology & experimention, SoSITE)项目[7]和分布式作战管理(distributed battle management, DBM)项目[8]等,通过相关软件系统、硬件平台和信息传输将MAV和UAV整合,实现了飞行员对整个编队的指挥控制。针对上述分析,本文将编队指挥控制系统结构和人机界面设计作为研究的重点。

2 人机合作机制

人机合作就是人和机器综合发挥智能优势的表现形式。其基本思想是充分综合人和机器的智能,发挥人和机器的各自优势,达到最佳的性能。在人机合作的MAV/UAV编队指挥控制系统中,以飞行员作为中心,编队指挥控制系统与UAV系统完成各自工作。飞行员的介入体现在4个方面:前馈介入、反馈介入、多模式介入和多层次介入。通过这几种人机合作方式,能够综合利用人的感知、决策能力与计算机的精度计算、操作能力,保证MAV/UAV编队在未来空中战场上安全、高效地完成任务。

2.1 前馈介入

前馈介入主要是指操作人员(飞行员和地面相关技术人员)根据战场环境的先验情报和UAV传感器信息,以人机合作的方式进行MAV/UAV编队的任务规划、路径规划和遥控命令序列的生成与发送等功能。在前馈介入中,飞行员通过多模态的人机交互接口与数据处理系统交互,如显示器、话筒、操纵杆等,并在控制系统的协同下进行在线或离线方式的规划和决策。具体包括任务规划阶段和航迹规划阶段。

(1) 任务规划阶段。地面指挥官与飞行员根据编队飞行任务(如侦查或打击目标等),在全局范围内规划编队飞行航迹和相关操作,以生成一系列任务点。该阶段,飞行员是主要决策者,指挥控制系统作为辅助工具。

(2) 航迹规划阶段。根据之前给定的任务点和实际环境,飞行员根据任务类型下达编队队形集结、队形变换、队形保持和队形重构等命令，指挥控制系统根据任务指令、编队类型和环境模型规划出满足多种约束和性能指标的最优协同航迹。该阶段人是上层决策者,指挥控制系统作为主要完成工具。

2.2 反馈介入

反馈介入主要指地面指挥人员根据雷达监视MAV/UAV编队的实际运行情况,通过将编队实际路线与飞行前规划的预测仿真相比较,对飞行员临场决策能力、MAV/UAV编队的导航和控制性能进行分析和评估,为飞行员的任务规划和控制系统的航迹规划提供技术支持,为以后飞行提供数据参考经验。同月球车和无人车的反馈介入相比,地面操作人员可通过实际与预测对比实时修正路径,保证路径规划的精确性,但考虑到战场形势瞬息万变、MAV/UAV编队飞行速度快、飞行员操作压力大等因素,航迹对比修正环节交由地面指挥人员,由指挥人员提醒飞行员,便于飞行员在指令下达时更加精确,日后改进指挥控制系统中控制策略的稳定性与准确性。

2.3 多模式介入

多模式介入是指飞行员根据实际作战任务与战场环境复杂性,在任务阶段选择一种或多种驾驶控制模式,保证MAV/UAV编队能够高效、安全地完成各种既定任务。考虑到目前UAV智能技术水平,全自主UAV在短期内难以走向实用,所以考虑无人驾驶和有人驾驶两种情况。

(1) 无人驾驶模式。所谓无人驾驶，是指飞行员仅通过操纵MAV实现编队安全飞行,依靠编队内各UAV与MAV位置、姿态等相互反馈,编队以稳定的队形跟随UAV航迹安全飞行,无需障碍检测和实时避障。所以,该模式只适合于执行编队巡航、返航阶段。

(2) 有人驾驶模式。当编队任务发生改变或者遇到突发威胁时,飞行员作为决策者操纵整个编队,比如为编队设置队形参数变换队形、发送攻击指令、设置引导点进行航迹再规划等。该模式下要求飞行员时刻注意界面态势信息,做出正确判断,同时保证语音指令规范正确,大大减少完成时间。

2.4 多层次介入

多层次介入是对MAV/UAV编队控制系统中智能分布层次而言。在分层递阶的智能系统中,系统的功能按照智能水平的不同分布在多个层次上。通过在每一层次都提供一个灵活的人机交互接口,使得飞行员和地面技术人员根据任务、战场环境复杂性和UAV自主能力,适当调节控制参数和功能配置,提高MAV/UAV编队指挥控制系统的整体性能。同反馈介入相同,考虑到飞行员操作压力、精神压力大,无暇调节各层次控制参数，将编队状态实时反馈到地面指挥室,由相应编队技术人员针对各层次中技术参数进行更改,以达到整个编队性能最优。

3 MAV/UAV编队递阶式指挥控制系统

基于上述思想,本节设计了一种MAV/UAV编队协同的三层递阶式指挥控制系统结构,如图2所示。3个层次分别为任务规划层、协调控制层和功能实现层。其中,任务规划层负责针对具体任务的决策与规划;协调控制层负责执行任务规划层指令,生成控制序列;功能实现层负责UAV油门、方向舵、升降舵、副翼等部件,由控制序列实现相应UAV动作。下面将针对三层递阶结构中关键系统模块进行分析。

有人/无人机编队指挥控制系统结构设计的图2

图2 三层递阶式控制系统 Fig2 Three-layer hierarchical control system

3.1 任务规划层

本层由飞行员、辅助决策系统和人机交互系统共同协作完成,主要包括显示屏,机载计算机、图像、数据处理器模块,语音、文本识别器和指令转换和任务规划模块等。主要包括以下功能。

(1) UAV通过传感器将图像信息、编队状态等信息实时传输到机载计算机中,通过处理将飞行员需要的信息呈现在显示屏上,便于飞行员掌握整个战场态势以及编队状态,进行下一步的决策。

(2) 实现飞行员控制整个编队。飞行员根据视线信息和UAV反馈信息和编队状态,通过人机交互界面、语音识别和文本理解,转换成机器语言并传达到编队内UAV，相反，UAV将采集的环境信息与自身状态信息传达到系统并转化为机器语言，呈现在人机交互界面中，便于飞行员实时掌握战场信息与UAV状态信息。

3.1.1 辅助决策系统

随着人工智能和自动化技术的发展,UAV系统自主水平不断提高,能够根据态势感知进行最优决策。在MAV/UAV编队作战过程中,飞行员作为编队主要决策者,UAV编队是执行者。决策方式可根据编队决策者分为集中式决策、分布式决策和混合式决策[9]。集中式决策是飞行员作为编队唯一的决策者,完全操纵MAV和UAV,这种方式下UAV能够高效执行飞行员意图,但飞行员操作难度增大;分布式决策是UAV编队内的协同决策,不需要飞行员参与决策,这种决策方式的优势在于资源需求少,大大减少了飞行员的压力;混合式决策是MAV和UAV各具有部分决策权限,编队根据具体战场态势给出参考决策,飞行员根据自身经验和参考决策动态调整,使两者优势互补,协同决策,这是目前采取的主要决策结构。

辅助决策系统是任务规划层中的关键系统,是将飞行员与UAV自主决策紧密联系的重要系统。2016年,美军启动了指挥官虚拟参谋项目,辅助指挥人员决策[10];文献[11]设计了一种战术决策辅助系统。计算机通过对传输到系统的图像与数据进行预处理,及时掌握战场态势和编队状态,飞行员根据协同决策等级可分为以下两种情况:① 当决策自动化处于低等级时,飞行员对编队内各成员的机动行为进行统一规划,统一下达编队任务指令或单机任务指令；② 当决策自动化处于高等级时,UAV利用知识库辅助决策,并将规划决策效果实时显示到控制界面,供飞行员评估与和参考,飞行员根据自身经验和直觉对UAV自主决策进行动态修改和调整,以实现最优的人机决策。这样既提高任务规划的自主能力,减少飞行员不必要的细节管理,增加MAV对UAV编队操纵的精准性,又可避免常规预规划在编队遭遇不可预测事件时反应力弱的问题。

在编队作战过程中,辅助决策系统将飞行员从基本的任务中解放出来,使其关注高层次决策和关键事件确认,实现了“人在回路之上”的指挥控制方式,大大提升了动态不确定战场环境下执行任务的有效性和时效性,实现了精细化、高效性的人机指挥控制。

3.1.2 人机交互系统

人机交互系统[12]是飞行员下达任务控制指令和态势信息反馈的重要系统。例如美国Raytheon公司利用混合主动的人机交互技术相继设计了多无人系统控制系统(multi vehicle control system, MVCS)和通用控制系统(universal control system, UCS),实现了对多架UAV指挥控制。人机交互系统包括界面控制和显示两部分,通过人机交互界面接收飞行员命令,经过语音识别和文本命令理解模块，提取关键参数并转化为控制器可识别的机器语言。相应地，状态信息和传感器数据在屏幕界面上图形化输出。本节重点讨论人机界面和控制指令。

(1) 人机界面设计

飞行员与整个MAV/UAV编队发生作用的交界面称为人机界面,位于MAV座舱前方。人机界面可分为显示器和飞行员感官器官之间,以及人的效应器官和编队控制模块之间两种界面。其中人与编队之间的信息交流在人机界面上实现,飞行员的感官器官接收编队系统加工过的图像和状态信息,通过大脑对感知信息进行加工、决策,发出指令信息。根据指令,效应器官作用于人机界面,将飞行员输出信息转换成机器信息,实现了人与编队的信息闭环。通过人机界面,飞行员可不间断对编队状态加以调整和控制。

人机界面的设计原则是在设计编队控制系统的基础上,保证界面合理和明确。目前,战斗机座舱显示设备普遍采用平视显示器(head up display, HUD),人机界面设计首先应考虑飞行员左参数、右任务的视觉习惯,即屏幕界面左侧显示编队或单机的飞行参数,右侧显示任务列表、载荷和数据链等状态信息,这样既加快信息辨识速度,又降低信息误读率;其次，要注意界面布局合理,信息整齐有效,保证飞行员获取态势信息、准确全面监控飞行状态,减轻飞行员的生理和心理负担。

(2) 任务指令

MAV/UAV编队作战过程主要基于飞行员控制命令完成。控制方式可包括触屏按键、操纵杆和语音控制等。通过参考辅助决策系统,飞行员对当前态势作出最优决策,并通过人机界面和麦克风下达指令。针对不同情况,控制指令可分为两种:任务级指令和动作级指令。任务级指令针对编队层面,如执行编队集结、队形变换、躲避障碍、协同攻击、队形保持等任务。动作级指令针对单架UAV,当飞行员需要单架UAV执行额外任务时,飞行员切换对应UAV界面,发送“加速”“爬升”等动作指令来操纵UAV。所以,任务指令需适应不同层次的控制要求,实现系统简单化。

为满足编队飞行控制以及任务需求,并使系统能够快速识别任务指令,需定义适合飞行员习惯的标准指令集,规范指令用语,以贴合人类的方式下达指令,综合运用语音/触觉等多模式结合的控制手段,提高飞行员指控水平。标准指令集应包括编队常用任务类型、必要参数以及任务规划模块的必要信息。如“编队以间距100 m的楔形编队到达1号区域”“编队躲避1号障碍物”“攻击敌方1号阵地”等编队级指令和“1号无人机右转脱离编队”“2号无人机爬升至5 000 m”等动作级指令。语音指令通过识别模块输出到语言理解模块,经过分析词法和句法与建立的标准指令数据库相匹配,并输出相应的机器编码到下一模块。

3.2 协调控制层

协调控制层是整个MAV/UAV编队指挥控制系统核心层次,包括编队控制管理、航迹规划和轨迹跟踪等模块。各模块负责处理任务规划层指令,主要包括以下功能:

(1) 接收上一层处理的飞行员指令;

(2) 根据任务类型、障碍物信息与邻机状态信息,调取控制算法进行期望飞行航迹规划;

(3) 在规划的飞行轨迹下,根据UAV动力学和运动学模型生成航迹跟踪指令；

(4) 系统自检、故障处理和容错控制。

3.2.1 有限状态机编队控制管理

编队的任务由一系列任务作业构成,每个任务作业称为任务模式[13]。每一个任务模式对应作战流程某一阶段的特定控制过程,任务模式采用数据结构存储编队任务信息。有限状态机主要用来描述不同状态转换过程计算模型,有限状态机拥有有限状态,通过输入字串确定状态间的转换。有限状态机可表达成为一个五元组M={Q,A,δ,I,F},其中Q={Q1,Q2,…，Qn}是非空有穷状态集合；A为输入字母表(驱动事件集合)；δ状态转移函数(算法)可表示为δ:Qi×A→Qj,即状态Qi在事件趋动下达到状态Qj过程中的控制算法，I={I1,I2,…，Im}是初始状态集合,I∈Q；F={F1,F2,…，Fs}是终止状态集合,F∈Q。

邻机状态、任务指令、战场环境信息进入有限状态机编队控制管理单元,根据初始编队状态和期望终端编队状态调取相应的编队控制器,并输出控制指令到执行器,实现编队状态转换和队形控制。据有限状态机理论和编队任务需求,可分为5种编队状态,分别为自由编队Q1、编队集结和解散Q2、编队变换Q3、编队队形保持Q4和编队重构Q5;状态之间驱动事件可定义为下达编队集结指令A1、下达编队变换指令A2、下达编队队形保持指令A3、编队出现障碍物或者禁飞区信息A4、出现雷达或者高射炮信息A5、新UAV加入编队A6、编队内UAV因故障或损毁而离队A7、执行协同攻击或防御任务A8、下达编队解散指令A9;状态转移函数δ由编队控制方法组成,以经典比例积分微分(proportion integration differentiation, PID)控制法、模型预测控制(model predictive control, MPC)[14-15]、一致性算法[16-17]、最优控制法[18]、智能算法[19-21]等控制方法为基础,设计编队集结、变换、保持和重构控制策略并组成函数库,便于编队控制管理单元调用相应控制算法。

以编队重构任务为例,当作战任务发生变化或者战场环境发生改变时,重新选择新的编队模式。重构过程中,编队内各飞机位置需要重新规划设计,从而生成多条新的飞行航迹,此过程应充分考虑各架UAV的动力学特性、代价函数、约束条件等,其中约束条件包括障碍物约束、敌方武器威胁约束、编队内防碰撞约束等,利用优化求解得到每架UAV最优控制序列,实现编队队形自主安全重构。

3.2.2 航迹规划和路径跟踪

语音指令经过辅助决策系统、人机交互系统和有限状态机编队控制管理逐步分解成具体指令信息,针对编队当前任务模式,航迹规划和路径跟踪模块负责规划UAV飞行航迹。对于航迹规划和跟踪问题,目前有多种方法,如模型预测控制(model predictive control, MPC)算法[22-23]、智能优化算法[24-25]、人工势场法[26-28]、Voronoi图法[29]等。航迹规划在综合考虑时间、燃油消耗、障碍物威胁、防撞约束、禁飞区等多种因素前提下,在任务空间内为编队寻找可飞运动航迹,而且使代价函数最优,保证任务圆满完成。

对于整个编队作战流程,编队以稳定巡航为主,战斗攻击阶段转瞬即逝,航迹规划多采用预先规划为主,动态调整为辅。当编队遭遇突发威胁,飞行员紧急对规划航迹进行再规划,通过设置子引导点,再次生成新航迹。这要求航迹规划算法求解速度快,在有效时间内安全躲避威胁。待系统规划编队最优航迹后,各UAV对期望航迹进行跟踪,实现从规划到飞行。

3.3 功能实现层

功能实现层负责完成飞行航迹到UAV动作的映射,实现了协调控制层中控制律与UAV油门、升降舵、方向舵和副翼等核心组件之间的联系,主要包括以下功能:根据MAV/UAV编队运动学与动力学方程,在协调控制层内回路控制律的作用下控制舵机,使整个编队达到期望状态。

利用升降舵、副翼、方向舵和油门完成对飞行运动的控制,目的是使UAV的姿态和航迹满足期望的要求。如图3所示,根据负反馈控制原理,协调控制层通过传感器实时交互UAV姿态角和航迹参数,根据参数以及任务要求,按照内回路控制律生成控制指令信号,经过舵机的放大和调整,驱动升降舵、副翼、方向舵和油门进行相应的偏转。其中，纵向运动包括直线和俯仰运动,通过操纵升降舵和油门实现的;横侧向运动包括滚转和偏航运动,通过控制副翼和方向舵实现的。本文重点不在功能实现层,遂不详细讨论该层。

有人/无人机编队指挥控制系统结构设计的图3

图3 功能实现层结构图
Fig.3 Structure diagram of function implementation layer

4 人机界面设计与仿真分析

4.1 MAV人机界面设计

为实现MAV和UAV编队,需要将MAV航电系统与UAV航电系统进行联通,需要成熟的软硬件支撑,如传感器、数据接口和大显示屏。基于前文人机界面的分析和参考现有战斗机指挥界面[30],设计如下4个显示界面。

根据编队作战流程要求,系统可分为4个显示平台。战场态势监控平台如图4所示。通过UAV侦察和指挥中心传输数据,战场态势监控平台主要显示前方战场气象条件、地形地貌、火力威胁、敌方态势和雷达信息并实时更新,飞行员可以随时掌握动态战场信息流。侦查UAV通过雷达侦查到前方威胁信息,位于东经115°33’、北纬8°22’,距离编队140 km出的敌方侦察机,威胁等级为III级,天气晴朗,西北风3级;另外飞行员通过触摸界面可放大或缩小屏幕细节,利于飞行员直观掌握战场信息。

有人/无人机编队指挥控制系统结构设计的图4

图4 战场态势监控平台
Fig.4 Battlefield situation monitoring platform

单机(MAV或UAV)状态监控平台如图5所示,飞行员通过点击界面左上角编号,即可切换编队内MAV和UAV的飞行、载荷和通信等状态,具体如飞行速度、位置、高度、航向角、俯仰角、剩余油量和载荷状态等。若飞行员要对单架UAV进行指挥控制时,通过选择界面左上方UAV编号切换至相应UAV界面,选择功能“Pilot ON”,此时飞行员具有该机的操作权限,如语音操纵UAV爬升、加速或攻击等。

单机攻击控制界面如图6所示,屏幕实时更新目标距离与速度,便于飞行员锁定目标。当屏幕上红色光标完全与目标重合,并显示“锁定”时,下达开火命令可实现UAV对目标打击。其余情况由飞行员下达指令,UAV编队按辅助决策模块指令对当前威胁做出规避或攻击反应。

有人/无人机编队指挥控制系统结构设计的图5

图5 单机状态监控平台
Fig.5 Single aircraft status monitoring platform

有人/无人机编队指挥控制系统结构设计的图6

图6 单机攻击控制界面
Fig.6 Single aircraft attack control interface

编队状态监控平台如图7所示,以编队巡航飞行阶段为例,编队以楔形编队飞行至下一任务点,人机界面主要显示编队队形、队形参数、任务列表、当前任务类型、导航点等。飞行员应时刻掌握编队状态。

4.2 典型控制模式仿真

MAV/UAV编队执行任务过程中,初始编队以楔形编队队形进行飞行。UAV雷达探测到前方存在敌方雷达和不明障碍物,并将雷达和障碍物信息显示到飞行员界面上,此时MAV/UAV编队指挥控制系统会生成最优编队飞行轨迹供飞行员参考,飞行员也可根据经验对当前态势作出最优判断。本节针对典型编队队形变换模式进行仿真说明。

有人/无人机编队指挥控制系统结构设计的图7

图7 编队状态监控平台
Fig.7 Formation status monitoring platform

受敌方雷达和障碍物影响,飞行员选择变换编队队形为纵向编队飞过雷达和障碍物地区。此时飞行员下达变换指令,在MAV人机界面上输入新编队队形参数,协调控制层中航迹规划和轨迹跟踪模块根据命令产生控制指令并生成各自理想航迹,如图8所示。

有人/无人机编队指挥控制系统结构设计的图8

图8 编队队形变换仿真曲线
Fig.8 Curves of formation transformation simulation results

在整个编队飞行过程中,MAV/UAV编队指挥控制系统分别发挥以下作用：编队以楔形队形巡航飞行,协调控制层中队形保持模块通过PID算法实现队形保持;MAV检测到前方雷达和障碍物,信息显示在人机界面上;飞行员决策编队变换成纵向编队通过雷达区,在人机界面上下达新编队参数;协调控制层收到编队变换和新编队参数指令,通过虚拟力路径跟踪算法[31]实现队形变换;航迹规划与路径跟踪模块根据雷达和障碍物信息，利用MPC算法规划出一条最优航迹,并实现跟踪飞行;路径跟踪控制律传给各UAV执行机构,实现飞行员指令与UAV位置、姿态的转换,成功飞过雷达和障碍地区。

5 结束语

本文以未来空中任务为背景,基于人机合作设计了MAV/UAV编队协同三层递阶式控制结构,研究了每层关键模块内容,设计了编队指挥控制人机界面,并针对具体编队任务进行了仿真实验,为MAV/UAV编队指挥控制系统奠定了思路。

控制系统需要成熟的软硬件支撑,一方面需要降低装备的使用成本,另一方面需要增强飞行员对于人机交互系统的适应度,做到人机合一,效能最大化;控制系统需要成熟控制算法支撑,一方面设计高精度的编队控制算法,提高编队作战效能,另一方面针对复杂多变的战场环境,提高编队稳定性和安全性。随着MAV/UAV编队作战的深入研究,今后应吸收国内外先进技术,不断完善编队控制系统,为飞行员提供多种选择,提高指挥操纵效率。

参考文献：

[1] VALENTI M, SCHOUWENAARS T, KUWATA Y, et al. Implementation of a manned vehicle-UAV mission system[J]. Applied Mechanics & Materials, 2012, 198-199: 1789-1793.

[2] HOWITT S L, RICHARDS D. The human machine interface for airborne control of UAVs[C]∥Proc.of the 2nd AIAA Unmanned Systems, Technologies, and Operations-aerospace, Land, and Sea Conference and Workshop, 2003: AIAA-2003-6593.

[3] DONALD W. Manned/unmanned common architecture program (MCAP): a review[C]∥Proc.of the 22nd Conference on Digital Avionics Systems, 2003: 6.B.4/1-6.B.4/7

[4] 贾高伟, 侯中喜. 美军有/无人机协同作战研究现状与分析[J]. 国防科技, 2017, 38(6): 57-59.

JIA G W, HOU Z X. The analysis and current situation about the United States military manned/unmanned aerial vehicle[J]. National Defense Science & Technology, 2017, 38(6): 57-59.

[5] 杨慧君, 刘佳. X-47B首次与F/A-18完成航母合作飞行演示验证[J]. 飞航导弹, 2014(11): 24-72.

YANG H J, LIU J. X-47B and F/A-18 completed cooperative flight for the first time[J]. Aerodynamic Missile Journal, 2014(11): 24-72.

[6] DARPA. Collaborative operations in denied environment (CODE)[EB/OL]. [2019-11-14]. https:∥www.darpa.mil/program/collaborativeoperations-in-denied-environment.

[7] DARPA. System of systems integration technology and experimentation (SoSITE)[EB/OL]. [2019-11-14]. https:∥www.darpa.mil/program/system-of-systemsintegration-technology-and-experimentation.

[8] DARPA. Distributed battle management (DBM)[ EB/OL]. [2019-11-14]. https:∥www.darpa.mil/program/distributed-battlemanagement.

[9] PARASURAMAN R, SHERIDAN T B. A model for types and levels of human interaction with automation[J]. IEEE Trans.on Systems Man and Cybernetics-Part A Systems and Humans, 2000, 30(3): 286-297.

[10] LI T. Analysis and inspiration to intelligent command and control[M]. Advances in Computer Science and Ubiquitous Computing. Singapore: Springer, 2017: 579-585.

[11] STODOLA P, MAZAL J. Tactical decision support system to aid commanders in their decision-making[C]∥Proc.of the International Workshop on Modelling and Simulation for Autonomous Systems, 2016: 396-406.

[12] SHAH J, BREAZEAL C. An empirical analysis of team coordination behaviors and action planning with application to human-robot teaming[J]. Human factors, 2010, 52(2): 234-245.

[13] 彭辉, 相晓嘉, 吴立珍, 等. 有人机/无人机协同任务控制系统[J]. 航空学报, 2008, 29 (s1): 135-140.

PENG H, XIANG X J, WU L Z, et al. Cooperative mission control system for a manned vehicle and unmanned aerial vehicle[J]. Acta Aeronautica et Astronautica Sinica, 2008, 29(s1): 135-140.

[14] FAHIMI F. Nonlinear model predictive formation control for groups of autonomous surface vessels[J]. International Journal of Control, 2007, 80(8): 1248-1259.

[15] YAO P, WANG H, JI H. Gaussian mixture model and receding horizon control for multiple UAV search in complex environment[J]. Nonlinear Dynamics, 2017, 88(2): 1-17.

[16] GUZEY H M. Hybrid consensus-based formation control of fixed-wing MUAVs[J]. Cybernetics and Systems, 2017, 48(2): 71-83.

[17] YANG M D, ZHU X, ZHANG X X, et al. Consensus-based three-dimensional multi-UAV formation control strategy with high precision[J]. Frontiers of Information Technology & Electronic Engineering, 2017, 18(7): 968-977.

[18] ZHANG Z, LI J X, WANG J. Sequential convex programming for nonlinear optimal control problem in UAV path planning[C]∥Proc.of the American Control Conference, 2017: 1966-1971.

[19] LUO Q N, DUAN H B. Distributed UAV flocking control based on homing pigeon hierarchical strategies[J]. Aerospace Science and Technology, 2017, 70: 257264.

[20] ARANTES J D, ARANTES M D, TOLEDO F M, et al. Heuristic and genetic algorithm approaches for UAV path planning under critical situation[J]. International Journal on Artificial Intelligence Tools, 2017, 26(1): 30-36.

[21] ZHANG B Y, SUN X X, LIU S G, et al. Adaptive differential evolution-based receding horizon control design for multi-UAV formation reconfiguration[J]. International Journal of Control, Automation and Systems, 2019, 17(1): 3009-3020.

[22] JI J, KHAJEPOUR A, MELEK W W, et al. Path planning and tracking for vehicle collision avoidance based on model predictive control with multiconstraints[J]. IEEE Trans.on Vehicular Technology, 2017, 66(2): 952-964.

[23] SUN Z, DAI L, XIA Y, et al. Event-based model predictive tracking control of nonholonomic systems with coupled input constraint and bounded disturbances[J]. IEEE Trans.on Automatic Control, 2017, 63(2): 608-615.

[24] ZHANG B, DUAN H B. Three-dimensional path planning for uninhabited combat aerial vehicle based on predator-prey pigeon-inspired optimization in dynamic environment[J]. IEEE/ACM Trans.on Computational Biology & Bioinformatics, 2017, 14(1): 97-107.

[25] ZHANG Z X, YANG R N, LI H Y, et al. Antlion optimizer algorithm based on chaos search and its application[J]. Journal of Systems Engineering and Electronics, 2019, 30(2): 352-269.

[26] ZI C H, DUAN F C, CHAO Z W, et al. Path planning and cooperative control for automated vehicle platoon using hybrid automata[J]. IEEE Trans.on Intelligent Transportation Systems, 2018, 20(3): 959-974.

[27] CHEN Y B, YU J Q, SU X L, et al. Path planning for multi-UAV formation[J]. Journal of Intelligent & Robotic Systems, 2015, 77(1): 229-246.

[28] KOWNACKI C, AMBROZIAK L. Local and asymmetrical potential field approach to leader tracking problem in rigid formations of fixed-wing UAVs[J]. Aerospace Science and Techno-logy, 2017, 68: 465-474.

[29] PEHLIVANOGLU Y V. A new vibrational genetic algorithm enhanced with a Voronoi diagram for path planning of autonomous UAV[J]. Aerospace Science and Technology, 2012, 16: 47-55.

[30] 李隆, 许瑛, 岳源, 等. 有人/无人机协同作战指挥界面设计[J].火力与指挥控制, 2016, 41(5): 130-133.

LI L, XU Y, YUE Y, et al. Command interface design of cooperative attack for manned/unmanned aerial vehicles[J]. Fire Control & Command Control, 2016, 41(5): 130-133.

[31] 吴立尧, 韩维, 张勇, 等. 基于人机合作的有人/无人机编队队形变换策略[J]. 系统工程与电子技术, 2020, 42(2): 434-444.

WU L Y, HAN W, ZHANG Y, et al. Formation transformation strategy for manned/unmanned aerial vehicles formation based on human-machine cooperation[J]. Systems Engineering and Electronics, 2020, 42(2): 434-444.

Structure design of command and control system for manned/unmanned aerial vehicles formation

WU Liyao1, HAN Wei1, ZHANG Yong1, XIONG Yao2

(1. College of Aviation Foundation, Naval Aviation University, Yantai 264001, China;2. Center of Teaching Evaluation, Aviation University of Air Force, Changchun 130022, China)

Abstract: This paper discusses the structure design of cooperative command and control system for manned aerial vehicle/unmanned aerial vehicle (MAV/UAV) formation. Firstly, based on the background of open open combat in the future, combined with the combat process and characteristics of MAV/UAV formation, a three-layer hierarchical coordination command and control system of the MAV/UAV formation based on the human-machine cooperation is designed, which includes a task planning layer, a cooperative control layer and a function realization layer. Then some key system modules including the auxiliary decision system, the human-machine interactive system, the formation control management system and the path planning tracking system are analyzed. Finally, the human-machine interaction interface of the cooperative command and control system is designed, simulation experiments for typical control modes are carried out.

Keywords: manned aerial vehicle/unmanned aerial vehicle (MAV/UAV) formation; command and control system; human-machine; three-layer hierarchical

收稿日期:2019-11-27;修回日期:2020-02-17;网络优先出版日期:2020-02-26。

网络优先出版地址:http:∥kns.cnki.net/kcms/detail/11.2422.TN.20200226.1146.028.html

基金项目:国家自然科学基金(11372353)资助课题

引用格式: 吴立尧, 韩维, 张勇, 等. 有人/无人机编队指挥控制系统结构设计[J]. 系统工程与电子技术, 2020, 42(8):1826-1834.

Reference format: WU L Y, HAN W, ZHANG Y, et al. Structure design of command and control system for manned/unmanned aerial vehicles formation[J]. Systems Engineering and Electronics, 2020, 42(8):1826-1834.

中图分类号: V 19

文献标志码: A

DOI:10.3969/j.issn.1001-506X.2020.08.24

作者简介：

吴立尧(1992-),男,博士研究生,主要研究方向为无人机编队动力学与控制。

E-mail:13154399342@163.com

韩维(1970-),男,教授,博士研究生导师，博士,主要研究方向为飞行器动力学。

E-mail:Hanwei70cn@tom.com

张勇(1978-),男,副教授,硕士研究生导师，硕士,主要研究方向为舰载飞行器使用工程。

E-mail:18605350533@126.com

熊瑶(1989-),女,助教,硕士,主要研究方向为飞行器系统与工程。

E-mail:980963497@qq.com