融合信息图的优化哈里斯鹰多无人机动态目标搜索

doi:10.7527/S1000-6893.2024.30773

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

融合信息图的优化哈里斯鹰多无人机动态目标搜索

柳汀¹(), 周国鑫¹, 徐扬², 罗德林³^,⁴, 郭正玉⁵, 杨梦杰⁶

^1.吉林化工学院航空工程学院，吉林 132022
^2.西北工业大学民航学院，西安 710072
^3.厦门大学航空航天学院，厦门 361102
^4.空基信息感知与融合全国重点实验室，洛阳 471000
^5.中国空空导弹研究院，洛阳 471000
^6.盛云科技有限公司，昆明 650000

收稿日期:2024-06-03 修回日期:2024-08-02 接受日期:2024-08-19 出版日期:2024-08-27 发布日期:2024-08-26
通讯作者: 柳汀 E-mail:liuting@jlict.edu.cn
基金资助:
空基信息感知与融合全国重点实验室与航空科学基金联合资助项目(20220001068001);陕西省自然科学基础研究计划(2023-JC-QN-0733);云南省科技人才与平台计划（院士专家工作站）(202305AF150152)

Optimised Harris hawks multi-UAV dynamic target search with fused infographics

Ting LIU¹(), Guoxin ZHOU¹, Yang XU², Delin LUO³^,⁴, Zhengyu GUO⁵, Mengjie YANG⁶

^1.College of Aeronautical Engineering，Jilin Institute of Chemical Technology，Jilin 132022，China
^2.School of Civil Aviation，Northwestern Polytechnical University，Xi’an 710072，China
^3.School of Aerospace Engineering，Xiamen University，Xiamen 361102，China
^4.National Key Laboratory of Air-based Information Perception and Fusion，Luoyang 471000，China
^5.China Airborne Missile Academy，Luoyang 471000，China
^6.Sheng Yun Technology Co. Ltd. ，Kunming 650000，China

Received:2024-06-03 Revised:2024-08-02 Accepted:2024-08-19 Online:2024-08-27 Published:2024-08-26
Contact: Ting LIU E-mail:liuting@jlict.edu.cn
Supported by:
National Key Laboratory of Air-based Information Perception and Fusion and the Aeronautic Science Foundation of China(20220001068001);Natural Science Basic Research Plan in Shanxi Province of China(2023-JC-QN-0733);Yunnan Province Science Technology Talent and Platform Plan （Academician Expert Workstation）(202305AF150152)

摘要/Abstract

摘要：

在针对多无人机（multi-UAV）协同运动目标搜索问题的研究中，提出了一种融入信息图模型的优化哈里斯鹰优化算法的协同搜索决策方法。构建了基于高斯分布的目标概率信息图模型；通过建立确定度信息图模型，提升了环境中目标存在概率的确定性；引入吸引与排斥机制的数字信息素图，指导无人机向尚未探索区域移动，有效降低重复搜寻行为，提升协同搜索的效率。针对哈里斯鹰优化算法易陷入局部最优的问题，提出一种非线性能量因子更新策略，整合最优个体位置，提出新的位置更新公式。最后，针对轨迹随机变化的动态目标，设计了可回访数字信息图及自适应目标搜索增益函数，增强无人机针对动态目标的捕获能力。仿真结果验证了改进哈里斯鹰优化算法在多无人机协同搜索动态目标问题上的有效性。

关键词: 多无人机, 协同搜索, 运动目标, 分布式, 改进哈里斯鹰算法

Abstract:

In the study of cooperative search for moving targets by multi-Unmanned Aerial Vehicle （multi-UAV）， this paper proposes a cooperative search decision-making method that integrates an information graph model with the optimized Harris hawk optimization algorithm. A target probability information graph model based on Gaussian distribution is constructed， which enhances the certainty of target existence probability in the environment through the establishment of a certainty information graph model. Furthermore， a digital information pheromone graph with attraction and repulsion mechanisms is used to guide UAVs to move towards unexplored areas， effectively reducing repetitive search behaviors and enhancing the efficiency of cooperative search. To address the issue of Harris hawk optimization algorithm being prone to local optima， a non-linear energy factor updating strategy is proposed， integrating the optimal individual positions and presenting a new position update formula. Finally， to search for the targets with randomly changing trajectories， a revisitable digital information graph and an adaptive target search gain function are designed to enhance the capability of UAVs to capture moving targets. Simulation results verify the effectiveness of the improved Harris hawk optimization algorithm in cooperative search for moving targets by multiple UAVs.

Key words: multi-UAV, cooperative search, moving target, distributed, enhanced Harris hawks algorithm

中图分类号:

V279

柳汀, 周国鑫, 徐扬, 罗德林, 郭正玉, 杨梦杰. 融合信息图的优化哈里斯鹰多无人机动态目标搜索[J]. 航空学报, 2024, 45(S1): 730773.

Ting LIU, Guoxin ZHOU, Yang XU, Delin LUO, Zhengyu GUO, Mengjie YANG. Optimised Harris hawks multi-UAV dynamic target search with fused infographics[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(S1): 730773.

图/表 15

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

图 10

表 1

图 11

图 12

图 13

图 14

参考文献 26

1	段海滨，梅宇，赵彦杰，等. 2023年无人机热点回眸［J］. 科技导报， 2024， 42（1）： 217-231.
	DUAN H B， MEI Y， ZHAO Y J， et al. Review of technological hotspots of unmanned aerial vehicle in 2023［J］. Science & Technology Review， 2024， 42（1）： 217-231 （in Chinese）.
2	LUO D L， SHAO J， XU Y， et al. Coevolution pigeon-inspired optimization with cooperation-competition mechanism for multi-UAV cooperative region search［J］. Applied Sciences， 2019， 9（5）： 827.
3	周贞文，邵将，徐扬，等. 针对逃逸目标的多机协同围捕策略研究［J］. 空军工程大学学报（自然科学版）， 2021， 22（03）： 2-8.
	ZHOU Z W， SHAO J， XU Y， et al. Research on multi UAV cooperative round up strategy for escape targets［J］. Journal Of Air Force Engineering University （National Science Edition） 2021， 22（03）： 2-8 （in Chinese）.
4	赵明，苏小红，马培军，等. 复杂多约束UAVs协同目标分配的一种统一建模方法［J］. 自动化学报， 2012， 38（12）： 2038-2048.
	ZHAO M， SU X H， MA P J， et al. A unified modeling method of UAVs cooperative target assignment by complex multi-constraint conditions［J］. Acta Automatica Sinica， 2012， 38（12）： 2038-2048 （in Chinese）.
5	邓可，连振江，周德云，等. 基于改进量子粒子群算法的多无人机任务分配［J］. 指挥控制与仿真， 2018， 40（5）： 32-36.
	DENG K， LIAN Z J， ZHOU D Y， et al. Task allocation of multi-unmanned aerial vehicle based on improved quantum particle swarm optimization［J］. Command Control & Simulation， 2018， 40（5）： 32-36 （in Chinese）.
6	张方方，陈波，班旋旋，等. 基于生物启发神经网络和DMPC的多机器人协同搜索算法［J］. 控制与决策， 2021， 36（11）： 2699-2706.
	ZHANG F F， CHEN B， BAN X X， et al. Multi-robot cooperative search algorithm based on bio-inspired neural network and DMPC［J］. Control and Decision， 2021， 36（11）： 2699-2706 （in Chinese）.
7	ZHU K， HAN B， ZHANG T. Multi-UAV distributed collaborative coverage for target search using heuristic strategy［J］. Guidance， Navigation and Control， 2021， 1（1）： 2150002.
8	AIELLO G， VALAVANIS K P， RIZZO A. Fixed-wing UAV energy efficient 3D path planning in cluttered environments［J］. Journal of Intelligent & Robotic Systems， 2022， 105（3）： 60.
9	BAUSO D， GIARRE L， PESENTI R. Multiple UAV cooperative path planning via neuro-dynamic programming［C］∥ 2004 43rd IEEE Conference on Decision and Control （CDC）. Piscataway： IEEE Press， 2004： 1087-1092.
10	PEHLIVANOGLU Y V， PEHLIVANOGLU P. An enhanced genetic algorithm for path planning of autonomous UAV in target coverage problems［J］. Applied Soft Computing， 2021， 112： 107796.
11	DUAN H B， ZHAO J X， DENG Y M， et al. Dynamic discrete pigeon-inspired optimization for multi-UAV cooperative search-attack mission planning［J］. IEEE Transactions on Aerospace and Electronic Systems， 2021， 57（1）： 706-720.
12	MOON S， OH E， SHIM D H. An integral framework of task assignment and path planning for multiple unmanned aerial vehicles in dynamic environments［J］. Journal of Intelligent & Robotic Systems， 2013， 70（1）： 303-313.
13	WANG P Y， LIU Y L， YAO W M， et al. Improved A-star algorithm based on multivariate fusion heuristic function for autonomous driving path planning［J］. Proceedings of the Institution of Mechanical Engineers， Part D： Journal of Automobile Engineering， 2023， 237（7）： 1527-1542.
14	ZHANG Z， JIANG J， WU J， et al. Efficient and optimal penetration path planning for stealth unmanned aerial vehicle using minimal radar cross-section tactics and modified A-Star algorithm［J］. ISA Transactions， 2023， 134： 42-57.
15	XU L， CAO X B， DU W B， et al. Cooperative path planning optimization for multiple UAVs with communication constraints［J］. Knowledge-Based Systems， 2023， 260： 110164.
16	郑伟铭，周贞文，徐扬，等. 针对运动目标的多无人机协同鸽群优化搜索方法［J］. 控制理论与应用， 2023， 40（4）： 624-632.
	ZHENG W M， ZHOU Z W， XU Y， et al. Multi-UAV cooperative pigeon-inspired optimization search method for moving targets［J］. Control Theory & Applications， 2023， 40（4）： 624-632 （in Chinese）.
17	周鹤翔，徐扬，罗德林. 针对动态目标的多无人机协同组合差分进化搜索方法［J］. 控制与决策， 2023， 38（11）： 3128-3136.
	ZHOU H X， XU Y， LUO D L. A composite differential evolution algorithm for multi-UAV cooperative dynamic target search［J］. Control and Decision， 2023， 38（11）： 3128-3136 （in Chinese）.
18	LIU H， LIN M， DENG L Y. UAV route planning for aerial photography under interval uncertainties［J］. Optik， 2016， 127（20）： 9695-9700.
19	YU Y， LEE S. Efficient multi-UAV path planning for collaborative area search operations［J］. Applied Sciences， 2023， 13（15）： 8728.
20	戴健，许菲，陈琪锋. 多无人机协同搜索区域划分与路径规划［J］. 航空学报， 2020， 41（S1）： 723770.
	DAI J， XU F， CHEN Q F. Multi-UAV cooperative search on region division and path planning［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（S1）： 723770 （in Chinese）.
21	符小卫，王辉，徐哲. 基于DE-MADDPG的多无人机协同追捕策略［J］. 航空学报，2022， 43（05）： 325311.
	FU X W， WANG H， XU Z. Cooperative pursuit strategy for multi-UAVs based on DE-MADDPG algorithm［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（5）： 325311 （in Chinese）.
22	YAN F， CHU J， HU J W， et al. Cooperative task allocation with simultaneous arrival and resource constraint for multi-UAV using a genetic algorithm［J］. Expert Systems with Applications， 2024， 245： 123023.
23	LI J， XIONG Y H， SHE J H. UAV path planning for target coverage task in dynamic environment［J］. IEEE Internet of Things Journal， 2023， 10（20）： 17734-17745.
24	ZHANG W， ZHANG S， WU F Y， et al. Path planning of UAV based on improved adaptive grey wolf optimization algorithm［J］. IEEE Access， 2021， 9： 89400-89411.
25	徐博，张大龙. 基于量子行为鸽群优化的无人机紧密编队控制［J］. 航空学报， 2020， 41（8）： 323722.
	XU B， ZHANG D L. Tight formation flight control of UAVs based on pigeon inspired algorithm optimization by quantum behavior［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（8）： 323722 （in Chinese）.
26	张新昱，谢思宇，陶洋，等. 面向无人机空中加油紧密编队的鲁棒控制方法［J］. 航空学报， 2023， 44（20）： 628425.
	ZHANG X Y， XIE S Y， TAO Y， et al. A robust control method for close formation of aerial-refueling UAVs［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（20）： 628425 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

目标编号	初始位置/km	初始运动方向
目标1	（8，8）	6
目标2	（16，22）	1
目标3	（16，48）	3
目标4	（33，41）	2
目标5	（30，30）	4
目标6	（20，25）	5
目标7	（30，15）	6
目标8	（45，35）	7
目标9	（27，10）	0
目标10	（6，40）	1

[1]	闫莉, 张杰, 王家东. 联合等效斜距模型和自聚焦的地面动目标成像[J]. 航空学报, 2024, 45(S1): 730559-730559.
[2]	马骥, 陈向勇, 温广辉, 程龙, 邱建龙. 随机切换拓扑下无人机集群预设时间跟踪控制[J]. 航空学报, 2024, 45(S1): 730793-730793.
[3]	赵长啸, 戴骏, 董方正, 李道俊. 机载时间敏感网络链路安全关键度均衡调度方法[J]. 航空学报, 2024, 45(6): 328870-328870.
[4]	孙蓬勃, 周洲, 李旭, 王科雷. 目标气动特性下动力翼参数影响分析与优化[J]. 航空学报, 2024, 45(6): 629368-629368.
[5]	孔垂欢, 吴大卫, 谭兆光, 潘立军, 马茹冰, 司江涛. 三翼面验证机纯电方案设计[J]. 航空学报, 2024, 45(6): 629618-629618.
[6]	邓景辉. 电动垂直起降飞行器的技术现状与发展[J]. 航空学报, 2024, 45(5): 529937-529937.
[7]	赖玮清, 万九卿. 基于路径和算法的飞行器集群分布式相对定位[J]. 航空学报, 2024, 45(4): 328735-328735.
[8]	王祝, 张梦通, 张振鹏, 徐广通. 基于多指标动态优先级的无人机协同路径规划[J]. 航空学报, 2024, 45(4): 328816-328816.
[9]	王科雷, 周洲, 郭佳豪, 李明浩. 分布式动力翼前飞状态动力/气动耦合特性[J]. 航空学报, 2024, 45(2): 128643-128643.
[10]	李学良, 李创创, 苏伟, 吴杰. 分布式粗糙元对高超声速边界层不稳定性的影响试验[J]. 航空学报, 2024, 45(2): 128627-128627.
[11]	李文韬, 方峰, 王振亚, 朱奕超, 彭冬亮. 引入混合超网络改进MADDPG的双机编队空战自主机动决策[J]. 航空学报, 2024, 45(17): 529460-529460.
[12]	米百刚, 詹浩, 宋立伟, 秦国栋, 邓阳平. 分布式地面微波能量驱动的高空超长航时一体化无人飞行系统设计[J]. 航空学报, 2024, 45(17): 529982-529982.
[13]	黄山, 吕永玺, 朱奇, 李珂澄, 史静平. 仅使用距离量测的多无人机协同环绕未知目标[J]. 航空学报, 2024, 45(13): 329535-329535.
[14]	杨加秀, 李新凯, 张宏立, 王昊. 切换拓扑下异构集群的强化学习时变编队控制[J]. 航空学报, 2024, 45(10): 329166-329166.
[15]	赵清风, 周洲, 李明浩, 徐德. 分布式动力翼-诱导翼面推进-气动耦合模型[J]. 航空学报, 2024, 45(10): 129252-129252.

融合信息图的优化哈里斯鹰多无人机动态目标搜索

Optimised Harris hawks multi-UAV dynamic target search with fused infographics

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 26

相关文章 15

编辑推荐

Metrics

本文评价