舰船科学技术  2018, Vol. 40 Issue (12): 141-145   PDF    
军用无人水面航行器协同自治及控制设计
李昆鹏1, 崔昆涛2     
1. 中国人民解放军63983部队,江苏 无锡 214000;
2. 大连海事大学 航海学院,辽宁 大连 116026
摘要: 军用无人水面航行器(USV)用于执行包括反水雷、反潜作战、海上安保、海上作战、特种作战支援、电子战和海上拦截作战支持等7个主要任务使命,通过提升军用USV平台的战术协同自治和控制能力,可以最大限度地减少作战人员配备,降低USV平台的带宽要求,实现更快、更同步的协同控制和机动。军用USV战术协同自治和控制研究涉及到系统工程、控制技术和信息技术等多门学科的深度融合,代表了航海科学与技术的前沿研究领域和未来发展方向。文章改进了军用USV的协同自治和控制系统架构,包括感知及协同系统、引导系统、控制系统、执行机构等组成部分,并对其基本原理和要求进行了详细阐述。
关键词: 军用无人水面航行器     协同自治及控制     感知及协同     任务规划    
Collaborative autonomy and control design for military unmanned surface vehicles
LI Kun-peng1, CUI Kun-tao2     
1. No. 63983 Unit of PLA, Wuxi 214000, China;
2. Navigation College, Dalian Maritime University, Dalian 116026, China
Abstract: Military Unmanned Surface Vehicles can be used for seven major missions, including anti-mine mines, anti-submarine warfare, maritime security, maritime operations, special operations support, electronic warfare, and maritime interception operations support. The tactical collaborative autonomy and control capabilities of the military USV platform can minimize the deployment of combat personnel, reduce the bandwidth requirements of the USV platform, and enable faster, more synchronized coordinated control and maneuvering. Military USV's tactical collaborative autonomy and control research involves the in-depth integration of multiple disciplines such as systems engineering, control technology, and information technology, and represents the frontier research field and future development direction of maritime science and technology. This article improved the collaborative autonomy and control system architecture of military USV, including components of sensing and coordination systems, guidance systems, control systems, and implementing agencies, and elaborated on its basic principles and requirements.
Key words: military unmanned surface vehicle     collaborative autonomy and control     awareness and collaboration     mission planning    
0 引 言

近年来,军用无人系统领域的技术快速发展,使得无人机器系统承担越来越多的作战任务。其中,军用无人水面航行器是无人系统的重要应用,以海军任务需要及发展战略为主体,军用USV用于执行包括反水雷、反潜作战、海上安保、海上作战、特种作战支援、电子战和海上拦截作战支持等7个主要任务使命。

军用USV进行水面自主操作,执行作战任务,需要通过军用USV平台或其他协同作战节点进行必要的战场目标态势感知、干预和监控,并通过加密的高数据速率无线电射频通信链路(如军用战术数据链等)进行信息分发,连接至操作员控制站,或者与其他作战行动进行协同。通过提升军用USV系统的战术协同自治和控制能力,一方面,可以最大限度地减少操作人员配备,降低USV平台的通信带宽要求,并扩展作战任务行动区域。另一方面,也可以实现多作战平台或节点的协同,包括有人作战系统和无人作战系统,这是无人系统的自治和控制的重要目标,也是军用USV实现大规模协同行动需要具备的重要能力。

军用USV协同自治和控制研究涉及到系统工程、控制技术和信息技术等多门学科的深度融合,是航海科学与技术的前沿研究领域和未来发展方向。

本文以军用USV应用为例,改进其协同自治及控制架构,对其基本原理和要求进行了详细阐述,并在已取得的研究成果基础上,进行海上试验验证,验证了系统的有效性和扩展能力。

1 军用USV任务的自治能力要求

不同气象海况条件下的操作,对军用USV平台和搭载设备的性能、特性有显著的不同要求。海上环境潜在的高动态性和不可预知的海上交通情况,增加了USV自主协同操作的难度,需要应用相应的避碰算法和策略,使其行动兼容航行规定的要求(例如:1972年国际海上避碰规则、区域海上船舶定线制等规则),并满足作战任务的实际需要[1]

军用USV自治与控制能力的基本目标是通过开发支持系统与操作员交互的自然模式,实现操作员和自治系统进行有效和高效交互,同时降低系统对人员操作和分析的依赖程度,允许操作员“操作任务”,而不是“操作系统”。通过不断提升军用USV的自治能力,使其能够应对日益复杂的海上作战任务[2]

按照无人系统自治能力的级别分类,军用USV任务使命对系统的自治能力提出了不同的要求。

1)自治水平1,人员操纵。操作人员制定所有决策。军用USV平台不具备其所处环境的任何自主控制,尽管系统可能具有对探测数据的信息响应。

系统自治能力较低,可以满足对自主能力要求较低的作战任务需要,如海上安保、特种作战支援、海上拦截作战等。

2)自治水平2,人员委托。当军用USV在获得授权的条件下,可独立于操作员控制,完成许多功能,包括自动控制、发动机控制,以及其他低级别的自主功能,这些功能必须人工输入进行激活或取消,并必须在人员操作的互斥条件下进行。

在该水平下,军用USV具备较为明显的无人系统的优点和特性,可以满足大部分的战场任务需要,如海上作战、反潜护航、反潜掩护、电子战等,能够对系统涉及到的关键技术(及算法)进行连续、稳定可靠的验证、改进和应用。

3)自治水平3,人员监控。由操作员给定顶级权限或方向时,USV系统可以执行各种各样的活动。操作员和系统均能够基于探测数据,初始化系统行为,但系统只能在当前给定的任务范围内执行相应的操作。

此时,平台具备较高的自治能力,系统涉及到的关键技术(及算法)已经过充分验证,取得了成熟可靠的应用,在军用USV任务领域,能够满足目前的任务需要,包括对自治能力要求较高的反水雷清除作业等任务需要。

4)自治水平4,全自主。系统能够接收来自操作的目标,并将其转换成任务,而无需操作员的介入。但操作员仍可以在紧急情况下进入系统环路或改变目标,虽然在实践中,在人为干预发生之前,可能有显著的时间延迟。

USV平台具备高级的自治能力,在军用USV任务需要领域,可以满足对自治能力要求更高、更高端的任务需要,同时保留进一步作战应用扩展和探索的能力。

通常情况下,多数的作战任务通过以上不同水平的自治模式组合来实现。另外,随着海上作战使命和环境复杂性日益增加,除对战场环境和态势进行感知外,对军用USV无人平台、载人平台,以及其他无人平台或节点的协同能力要求不断提高,可扩展的战术协同自治能力是军用USV关键设计要素之一。

2 军用USV协同自治及控制设计

军用USV战术协同自治及控制系统应采用模块化、分层式设计的方法,以增强系统架构的扩展性、通用性,并能够及时地注入新技术或算法,方便对现有系统的维护、升级及改造[3]

本文提出的军用USV战术协同自治及控制架构采用模块化开放式系统架构设计方法,主要包括战术协同感知系统、引导系统、控制系统、执行机构等组成部分,如图1所示。

图 1 军用无人水面航行器协同自治及控制设计 Fig. 1 The collaborative autonomy and control design for military unmanned surface vehicles

战术协同及感知系统包括通信系统、传感器系统和有效载荷等任务设备,以及战术协同、应急管理、战场态势感知和平台状态估计等任务组件。

引导系统用于任务规划、分解等重要功能,包括任务规划层、行为层和动作规划层。

控制系统用于解析和翻译任务规划及执行系统的控制信息,以及来自感知及协同系统的直接控制命令,并通过控制系统发送到执行机构。指令执行完成后,反馈至感知及协同系统,完成自主控制过程。

2.1 战术协同及感知系统

感知及协同系统包括USV平台搭载的任务设备、任务组件,主要用途包括导航、通信、状态估计、战场态势感知、应急管理、行动协同等重要功能。军用USV的战术协同及感知系统与任务规划系统、控制系统、执行机构通过必要的信息交互,结合协同数据通信,完成整个控制和协同回路的正常工作[4]

2.1.1 任务设备

军用USV平台搭载的任务设备包括通信系统、传感器系统和有效载荷。通信系统用于对通信及协同,对战术数据链等设备进行管理;传感器系统包括侧重于导航的设备,如北斗、罗经、计程仪、雷达等,以及侧重于态势感知的设备,如:光电系统、声呐等;其他任务有效载荷(例如:ISR、武器系统等搭载设备)可根据实际任务需要进行独立配置。

在任务执行过程中,可根据实际需要,动态地调整任务设备在平台导航、态势感知、行动协同3个方面的权重。

2.1.2 任务组件

1)协同

除依靠平台搭载的设备对环境进行正确的感知外,军用USV还必须具备战术信息共享能力,以及作战任务协同能力。通过战术数据链等协同通信设备,对信息进行分发共享,提升USV的感知能力,传递其他无人系统及协同单元的任务、角色和属性等动态规划信息。

通常情况下,协同任务模块应完成以下基本功能,主要包括:战术信息和任务共享,角色和责任分配,任务执行协调,团队动态形成,与外部设备和人员进行交互。

为实现以上基本功能,USV协同组件应具备以下处理能力:

①战术协同及信息共享

战术协同及信息共享用于处理军用USV协同方面的问题,包括无人系统之间、无人系统与人员之间、无人系统团队与外部系统(如通信系统等)之间的信息共享和协同。协同模块对USV协同自治系统进行评估,选择和设定分发信息的优先等级,并与其他有人和无人的团队成员进行交互。协同模块能够及时响应不断变化的条件,如增加新的团队成员,团队成员的角色改变,或使命任务更新改变,以及人员或外部系统的请求信息。

同时,协同模块能够对USV态势感知组件的信息进行融合和冲突排解,并进行共享,确保团队节点共享通用的战场态势图景。

②团队动态形成

团队动态形成,用于满足任务需要的军用USV无人系统团队的形成和重构,包括确定和分配所有的团队成员、团队结构和角色属性。系统能够应对变化对团队组织进行重构,包括团队成员丢失或损坏、新增的团队成员、当前任务变化等条件改变。针对条件的改变,USV协同模块改变团队组织结构,并重新分配角色,形成新的互动与交互。

在多异构平台的协同自治及控制过程中,通过建立动态的异构协同控制模型,系统能够根据任务的需要,对团队成员进行重新分组,形成新的组织以完成单独的任务,或者对组织进行合并,形成联合的任务团队[5]

2)应急管理

应急管理用于对影响军用USV无人系统任务执行的意外事件进行检测和反应,监控影响任务计划的意外因素,包括负载故障、指令修改、新的行动限制、环境条件变化等意外事件。USV应急管理组件与任务规划等组件共同工作,使任务计划能够有效地进行。

例如,通过获取态势感知信息,结合影响通过性、机动和任务执行的因素条件下,USV在海上航行过程中,通过设计兼容规则要求的动态障碍物/干扰/冲突规避系统,实现自主的避碰操纵[6]

3)态势感知

态势感知(SA-Situational Awareness)系统通过军用USV平台搭载的传感器,以及通过通信设备接收到的其他平台(或节点)的共享信息和任务协同信息,将其转换为任务框架内的整体态势图景,以实现协同自治。

在态势感知组件的开发过程中,要建立网络化的、分层式的数据收集、分析和融合处理模型(包括平台内部、平台外部,以及整个无人系统和有人系统),并应用相应的处理算法,以达到态势感知不同级别的要求[7]

在此基础之上,需要对SA结构进一步分解,设计为子系统或子模块,提高系统的灵活性和扩展性,以应对复杂的动态条件,提高平台本身和控制端准确的信息感知能力[8]

SA系统应达到4个层面的能力要求,主要包括:

①级别1,目标评估。对军用USV平台搭载的传感器、团队传感器,以及外部数据源(如通信网络的数据)进行数据融合和数据冲突处理,生成通用的战场态势图。

②级别2,态势评估。对进行数据融合处理后的通用战场态势图进行评估,判断传感器覆盖范围内的目标属性(友好、中立、敌对等),并对出现的或潜在的威胁,进行等级分类。

③级别3,感知预测。确定威胁的运动参数,并进行预测,并评估可能的威胁意图。

④级别4,优化处理。当SA生成的信息不能满足任务要求时,SA组件进行优化处理以获取额外的信息,如请求任务规划组件向传感器、其他平台,或从通信网络,获取更多的信息。

除按照上述流程对信息进行多级处理外,同时,军用USV的SA组件收集和保存其他类型的信息,例如气象海况、战场环境信息和碍航物分布等信息,提供给任务规划和其他组件,用于制定引导USV无人系统平台行为的自主决策[9]

4)状态估计

平台状态估计模块,主要包括USV的六自由度动态模型,并根据航行器操纵指令,以及影响航行器操纵的风、浪、流等气象海况环境因素,进行状态估计和反馈。

为了能对军用USV平台的运动状态参数(如航向、航速、加速度等)进行准确的估计,需要对态势感知组件的传感器数据进行融合处理,并设计和应用相应的滤波器(如卡尔曼滤波器等)和滤波技术,提高状态估计的准确性[10]

2.2 引导系统

军用USV的引导系统能够提供任务前和任务中的任务制定和动态重新规划功能。通常情况下,对于引导系统,通过提前规划的方式处理所有的情况和突发事件是不现实的。因此,需要对军用USV引导系统进行分层处理,包括:任务规划层、行为层和动作规划层,并对层内功能组件进行模块化分解,提高系统的开放性和扩展性。

将军用USV的任务使命分解成若干个子任务计划(如航行计划、传感器计划、通信计划、武器计划等);每个子任务计划在其框架内,可分解成若干个行为;每个行为由不可分割的元动作构成[11]

2.2.1 任务规划层

在执行任务前,任务规划组件结合可用的资源(通信系统、传感器、有效载荷等),以及感知数据,根据任务目标及约束条件,制定完成任务要求所需的计划,包括:航行计划、传感器计划、通信计划等。

在任务规划过程中,应考虑以下因素的影响,主要包括:高级别的任务目标和约束条件;平台的资源分配;针对不同的目标任务有效载荷配置;平台搭载传感器和外部ISR设备的协同使用;支持团队的信息交互事项的同步要求;传感器和通信的计划使用,并最大限度地减少暴露于战场危险环境的时间;目标应对计划等。

任务规划层组件将相应的任务计划发送至行为层,并接收行为层组件反馈的异常信息,进行处理。

任务执行过程中,USV任务规划层组件可接收来自感知及协同系统组件(如协同组件、感知组件等)的信息,当出现情况变化,不能满足任务要求,或者任务进行了变更,能够动态地对任务规划进行调整和执行监控。

2.2.2 行为层

行为层组件针对不同的任务计划,对完成计划所需的行为进行动态规划和选择,并确定相应的任务计划子目标序列,并通过分发器发送至动作规划层。

在任务的执行过程中,行为层可接收来自感知及协同系统组件(如协同组件、感知组件等)的信息,当出现情况变化,可在不对任务进行重新规划的前提下,能够解决时,行为层进行重新调整,确保满足任务要求。

2.2.3 动作规划层

动作规划层组件根据行为层组件发送的子目标,结合已有的数据资料,以及专家库和数据模型,对元动作进行重整,生成执行动作规划。

在任务的执行过程中,动作规划层可接收来自感知及协同系统组件(如协同组件、感知组件等)的信息,进行优化处理。如果优化处理不能达到相应的目标,则将异常情况反馈至上一层处理。

军用USV任务规划系统能够为航行、传感器应用、通信和行动,协调同步计划,并能够当前的态势感知,对影响任务目标的因素,在不同的层面上进行响应和处理,提高了协同任务执行的效率。

2.3 控制系统

军用USV控制系统组件对任务规划系统发送的控制命令进行管理,应用相应的控制算法,通过相应的控制系统模块,发送至执行机构,完成相应的控制操作。

在任务的执行过程中,USV控制系统可接收来自感知及协同系统组件(如协同组件、冲突管理、感知组件等)的信息,在该影响层面上,直接向执行机构发送控制指令

3 结 语

军用USV协同自治和控制研究涉及到系统工程、控制技术和信息技术等多门学科的深度融合,是航海科学与技术的前沿研究领域和未来发展方向。

军用USV协同自治及控制系统的开发,需要大量的人力、物力投入,并要求建设相应的系统试验验证及测试环境,能够对涉及到的架构设计、关键技术(及算法)、有效载荷等内容进行连续、稳定可靠的验证、改进和应用。

通过模拟及海上试验验证平台,文章提出的军用USV协同自治及控制架构具备较强的扩展能力,在实际应用时,可进一步调整和优化,应用新的技术和算法,提升军用USV的战术协同自治及控制能力。

参考文献
[1]
WASIF N, GEORGE W. COLREGs-based collision avoidance strategies for unmanned surface vehicles[J]. Mechatronics, 2012.
[2]
CARLOS C. Metric assessment of autonomous capabilities in unmanned maritime vehicles[J]. Engineering Applications of Artificial Intelligence, 2014.
[3]
LIU Yuan-chang, BUCKNALL R. Path planning algorithm for unmanned surface vehicle formations in a practical maritime environment[J]. Ocean Engineering, 2015.
[4]
THOMAS G, MATTHIAS S, PETER O. Cooperative line of sight target tracking for heterogeneous unmanned marine vehicle teams: From theory to practice[J]. Robotics and Autonomous Systems, 2015.
[5]
REIHANE R, FARZANEH A, KARO N. Time-varying formation control of a collaborative heterogeneous multi agent system[J]. Robotics and Autonomous Systems, 2014.
[6]
TOMASZ P. Neural anti-collision system for autonomous surface vehicle[J]. Neurocomputing, 2015.
[7]
TAN Xiaobin, QIN Guihong, ZHANG Yong, et al. Network security situation awareness using exponential and logarithmic analysis[C]// 5th International Conference on Information Assurance and Security, IAS 2009, Xian, China, 2009.
[8]
BOCANIALA C. D, SASTRYV V. S. S. On enhanced situational awareness models for unmanned aerial systems[C]// IEEE Aerospace Conference Proceedings in 2010 IEEE Aerospace Conference, Big Sky, MT, United states, 2010.
[9]
S. A review on improving the autonomy of unmanned surface vehicles through intelligent collision avoidance manoeuvres[J]. Annual Reviews in Control, 2012.
[10]
SEUNGKEUN KIM, HYONDONG OH, JINYOUNG SUK, et al. Coordinated trajectory planning for efficient communication relay using multiple UAVs[J]. Control Engineering Practice, 2014.
[11]
ANTONELLI G, BAIZID K, CACCAVALE F, et al. CAVIS: a control software architecture for cooperative multi-unmanned aerial vehicle-manipulator systems[C]// The 19th World Congress of The International Federation of Automatic Control. Cape Town, South Africa. 2014.