学位论文：多无人机协同侦察任务规划问题建模与优化技术研究.pdf

《学位论文：多无人机协同侦察任务规划问题建模与优化技术研究.pdf》由会员分享，可在线阅读，更多相关《学位论文：多无人机协同侦察任务规划问题建模与优化技术研究.pdf（185页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、分类4 TPJ9】学g D3 039Q36UDC 宅/公仆工学博士学位论文多无人机协同侦察任务规划问题 建模与优化技术研究 _ _ 国防科学技术大学研究生院博士学位论文目录摘要.iABSTRACT.iu第一章结论.11.1 问题提出.11.1.1 军事应用需求.11.1.2 理论研究需求.21.2 国内外研究现状.51.2.1 国外研究现状.51.2.2 国内研究现状.131.2.3 研究现状评述.151.3 论文研究内容.161.4 论文组织结构.19第二章多无人机协同侦察任务规划问题建模.232.1 多无人机协同侦察问题分析.232.1.1 侦察成像传感器.252.1.2 无人机平台.26

2、2.1.3 侦察目标.272.1.4 多UAV协同侦察问题时/空特性.292.1.5 多UAV协同侦察任务规划流程.312.2 多UAV协同侦察任务规划模型.322.2.1 单基地多UAV协同侦察任务规划模型.322.2.2 多基地多UAV协同侦察任务规划模型.412.3 多UAV协同侦察任务规划模型分析.452.3.1 模型的合理性.452.3.2 模型的描述能力.46233模型的适用范围.47234模型的数学复杂性.48第1页国防科学技术大学研究生院博上学位论文2.4 本章小结.49第三章“自适应”进化多目标优化方法AEMOM.513.1 多目标优化问题与P are to最优基本概念.51

3、3.2 多目标进化算法设计关键问题.53321适应值计算.55322多样性保持.563.2.3精英策略.573.3 广义进化多目标优化框架GEMOS.593.3.1 GEMOS定义.60332问题相关组件P SC.633.3.3 问题无关组件P IC.643.4 基于正交实验设计的GEMO小P IC性能优化.74341正交实验设计的步骤.753.42 GEMO&P 1C优化设计的因素及因素水平.75343实验指标.773.5 基FGEMOS的“自适应”进化多目标优化方法AEM0M.803.6 AEMOM实验验证.823.6.1 问题实例一多目标背包问题.833.6.2 MOKP问题相关组件(M

4、OKP-P SC).833.6.3 MOKP-P IC优化设计结果.843.7 AEMOM与P ISA的比较分析.863.7.1 自适应能力.863.7.2 扩展性能.893.7.3 计算复杂性.893.8 本章小结.91第四章基于AEMOM的多UAV协同侦察任务规划算法.934.1 MUCRMP M问题特定组件设计.934.1.1 编码方式.934.1.2 初始种群欣.954.1.3 目标函数计算.974.1.4 重组算子.99第II页国防科学技术大学研究生院博士学位论文4.1.5 变异算子.1024.2 MUCRMP M测试问题实例构造.1034.2.1 构造MUCRMP M测试问题实例考

5、虑的因素.1044.2.2 基于均匀设计思想的MUCRMP M测试问题实例构造.1084.3 MUCRMP M测试问题实例实验结果.111431 MUCRMP M-P 1C 优化设计结果.1114.3.2 测试问题TP LTP 6近似P are to层分析.1184.3.3 基于AEMOM的多UAV协同侦察任务规划算法收敛性能1214.4 NBMUCRMP M问题特定组件设计.1224.4.1 编码方式.1224.4.2 初始种群构造.123443目标函数计算.1244.4.4 重组算子.1254.4.5 变异算子.1254.5 MRMUCRMP M测试问题实例构造.1264.6 基于AEMO

6、M的MB-MUCRMP M测试问题实例实验结果.1274.6.1 M4MUCRMP M-P IC 优化设计结果.1274.6.2 测试问题MBTP 1-MBTP 6近似P are to层分析.1314.7 本章小结.133第五章多UAV怫同侦察动态任务规划方法.1355.1 多UAV协同侦察动态任务规划问题分析.1355.2 多UAV协同侦察动态任务规划模型.1375.3 多UAV协同侦察动态任务规划算法.1395.3.1 动态插入目标算法.1395.3.2 动态交换目标算法.1415.3.3 D-MUCRMP A复杂性分析.1435.4 多UAV协同侦察动态任务规划流程.1445.5 仿真实

7、验及结论.1455.5.1 仿真实例构造.145552仿真结果与分析.1465.6 本章小结.149第III页国防科学技术大学讲究生院博士学位论文第六章总结与展望.1516.1 论文工作总结.1516.2 进一步研究方向.153致谢.155参考文献.157作者在学期间取得的学术成果.171第IV贝国防科学技术大学研究生院博士学位论文图目录图L 1论文组织结构图.20图2.1单架无人机侦察任务剖面.24图2.2基于气象和光照条件选择侦察成像传感器类型的一般规则.26图2.3聚束模式侦察点目标.28图2.4广域搜索模式侦察线目标.28图2.5广域搜索模式侦察面目标.29图2.6侦察时间要求示意图.

8、30图2.7多UAV协同侦察任务规划流程图.31图2.8单基地多UAV协同侦察任务规划问题实例.33图2.9具有相同时间、不同飞行距离的任务序列.39图2.10多基地多UAV协同侦察任务规划问题实例.42图2.11 MUCRMP M模型可行解数目变化曲线图.50图3.1 P are to支配关系与P are to最优层.53图3.2三类密度评估方法示意图.56图3.3两种实现精英策略的方法.58图3.4剪枝操作可能引起的外部种群退化.59图3.5 GEMOS基本框图.60图3.6个体空间、决策变量空间以及目标向量空间之间的映射关系.61图3.7 GEMOS的主要进化过程.61图3.8不同的P

9、are to优劣性评侪方法示意图.65图3.9 P are to层之间的关系.67图3.10拥挤距离示意图.68图3.11基于直方图的密度评估方法示意图.69图3.12-支配与支配的图解.71图3.13 近似P are t，。集与-P are t。集概念示意图.72图3.14基于E-支配的存档方法.73图3.15最大化和最小化问题的支配空间.78图3.16极点定义以及归一化的支配空间规模.79第V页国防科学技术大学研究生院博士学位论文图3:17 GEMOS性能指标测试集.80图3.18 AEMOM解决多目标优化问题的流程.81图3.19 MOKP-MOEA与SP EA2比较试验结果箱线图.88

10、图 3.20 MOKP-MOEA与SP EA2得到的MOKP(2,250)近似P are to最优层.88图3.21 P ISA解决多目标优化问题的过程.90图4.1 MUCRMP M染色体编码数据结构.94图4.2 C1FS算法流程.98图4.3 MUCRMP M的序列交换重组算子.99图 4.4 算法Inse rt_Targe t.101图4.5 MUCRMP M多模变异算子组成示意图.103图4.6侦察目标的三种地理分布特性.106图4.7测试问题TP 1第一种类型UAV的侦察任务序列.115图4.8测试问题TP 1第二种类型UAV的侦察任务序列.11G图4.9测试问题TP 1第三种类型

11、UAV的侦察任务序列.116图4.10测试问题TP 1第四种类型UAV的侦察任务序列.117图4.11测试问题TP 2的协同侦察任务序列.118图4.12测试问题TP LTP 6近似P are to层分布.119图4.13测I试问题TP】两个目标函数的收敛曲线.121图4.14测试问题TP 1的近似P are to层与初始种群.121图4.15 MBJd UCRMP M染色体数据结构.122图让 16 算法MBnse rt-Targe t.126图4.17测试问题MBTP LMBTP 6近似P are to层分布.132图5.1动态插入目标算法DITA.140图5.2动态交换目标算法DSTA.

12、142图5.3多UAV协同侦察动态任务规划流程.144图5.4 TP LTP 6动态任务规划实验结果.147图5.5 MBTP 1-MBTP 6动态任务规划实验结果.148图5.6 d MUCRMP A与基于AEMOM的协同侦察任务规划算法比较结果.149第VI页国防科学技术大学研究生院博士学位论文表目录表2.1多UAV协同侦察模型比较表.47表3.】GEMOSTIC因素水平表.76表3.2正交表0(3，).76表3.3测试集性能指标.80表3.4 MOKP-P IC正交设计实验结果.85表4.1 UAV性能数据.105表4.2 MUCRMP M测试问题实例构造因素水平表.109表4.3均匀设

13、计表外(伊).109表4.4混合均匀设计表(3 x2).109表4.5 MUCRMP M测试问题实例集TP 1-TP 3.110表4.6 MUCRMP M测试问题实例集TP左TP 6.110表 4.7 TP 1-TP 6的MUCRMP M-P 1C.111表4.8 MUCRMP M测试问题TP LTP 3正交设计实验结果.112表4.9 MUCRMP M测试向题TP 4TP 6正交设计实验结果.113表4.1()测试问题TP 1 UAV侦察任务序列性能数据.114表4.11测试问题TP 2 UAV侦察任务序列性能数据.115表 4.12 M8MLICRMP M测试问题实例集MBTP LMBTP

14、 3.128表 4.13 MUCRMP M测试问题实例集MBTP*MBTP 6.128表4.14测试问题MBTP LMBTP 3正交设计实验结果.129表4.15测试问题MBTP 4-MBTP 6正交设计实验结果.130表 4.16 MBTP LMBTP 6的P 1C.131第VII页国防科学技术大学研究生院恻士学位论文摘要情报侦察和战场监视是无人机(UnniHiine d Ae rial Ve hicle.UAV)系统的-个 主要任务。组织多架不同性能的UAV共同执行侦察任务是未来实施战场侦察的重:要 方式.如何根据侦察任务需要和UAV的性能制定多UAV协同侦察系统的任务计划，是充分利用多U

15、AV协同侦察系统资源、提高系统侦察效能的关键问题之一。多UAV协同侦察任务规划属于多UAV协同控制中的任务分配和资源调度问题，主要研究在满足UAV性能约束以及目标成像侦察需求条件下，规划多UAV协同侦察 系统中合适的UAV在合适的时间对合适的目标使用合适的传感器进行侦察.以提高 多UAV协同侦察系统的整体效能.解决该问题的核心在于对问题进行合理的建模 和求解。论文基于建模理论和优化理论，针对多UAV协同侦察任务规划问题展开研 究，主要工作及创新点如下：(1)建立了多UAV协同侦察任务规划模型,通过对多UAV协同侦察问题进行 深入分析，归纳了对问题建模需要考虑的关键要素，包括侦察目标的侦察成像要

16、求 和侦察时间窗要求、不同UAV平台及其搭载的侦察成像传感器的性能券。在此基础 h,对问题的要素和相关属性进行了数学描述,建立了多UAV协同侦察任务规划模 型MUCRMP M,并进一步分析了多基地的多UAV协同侦察任务规划问题，建立了 相应的问题模型MB-MUCRMP M.论文建立的多UAV协同侦察任务规划模型一方 面体现了多UAV协同侦察任务特性，另一方面也避免了由于考虑过多因素导致模 型过于复杂难以求解的问题。与目前相关研究中建立的问题模型相比，论文建立的 多UAV协同侦察任务规划模型更注重侦察任务的特点，因而更具备实际应用价值.(2)提出了 一种新的“自适应”进化多目标优化方法AEMOM

17、.多UAV协同侦 察任务规划问题属TNP难的多目标组合优化问题.在深入分析了当前进化多目标 优化领域研究成果的基础上，论文提出了一种新的“自适应”进化多目标优化方 法AEMOM。AEMOM通过时多目标进化算法的形式化描述和模块化设计，对于不 同的多目标优化问题,能够确定最适合问题的算法,是一种解决多目标优化问题的通 用方法，而不是一种具有固定形式的算法。AEMOM的核心是建立对多目标进化算 法的通用描述，为此论文提出了一个广义进化多目标优化框架GEMOS.GEMOS对 多目标进化算法设计的关键要素进行了模块化描述，并且分离了问题相关组件和问 题无关组件.在GEMOS基础上,AEMOM解决多目标

18、优化问题时首先根据问题的 具体特点，设计问题相关组件，然后利用正交实验方法进行问题无关组件的优化设 第i页国防科学技术大学研究生院博士学位论文计，得到最适合该问题的多目标进化算法。(3)提出了基于AEMOM的多UAV协同侦察任务规划算法。基于提出的“自 适应”进化多目标优化方法AEMOM,论文班一步研究了多UAV协同侦察任务规 划算法。多UAV协同侦察任务规划模型的约束条件较多，不属于成熟的组合优化 问题模型，利用AEMOM对其进行求解的关键在于设计合适的问题相关组件，包 括编码方式、重组和变异算子以及初始种群的构造等等,针对MUCRMP M和MR MUCRMP M的特点，论文设计了合适的问题

19、相关组件，确保解个体的合法性和进 化算子的可行性，并且提出了构造初始种群的后发式算法，避免不可行初始种群引 起的进化算法收敛过慢问题。为了验证基于AEMOM的多UAV协同侦察任务规划算 法的性能,论文在分析MUCRMP M和MB-MUCRMP M数学特性的基础上，基于均 匀设计方法,构造了具有代表性的测试问趣实例。对于不同的测试问题实例，果用 基于AEMOM的多UAV协同侦察任务规划算法进行了求解,得到了适合不同问题实 例的多UAV协同侦察任务计划。(4)提出了多UAV悔同俄察动态任务规划方法,为了确保多UAV协同侦察系统 在执行侦察任务过程中，能够适应变化的任务褥求和战场环境，论文进一步研究

20、了 多UAV协同侦察动态任务规划问题。分析归纳了多UAV协同侦察系统执行任务过 程中需要进行动态任务规划的情况，建立了多UAV协同侦察动态任务规划模型D MUCRMP Mo并提出了快速后发式动态任务规划算法d MUCRMP A,综合考虑了 初始任务规划结果的优良性能和变化的战场环境以及新的任务需求，大大降低了动 态任务规划问题的复杂性，能够快速有效解决多UAV协同侦察动态任务规划问题0主题词：无人机：侦察：协同；建模：多目标优化：进化算法第ii页国防科学技术大学研究生院博士学位论文ABSTRACTISR(Inte llige nce,Surve illance and Re connaissa

21、nce)is the main task und e rtake n by Unmanne d Ae rial Ve hicle sfUAV).A te am of UAVs with d iffe re nt capabilitie s coope rate re connaissance will be the main manne r to cond uct battle fie ld re connaissance in the future.Haw to make e le gant mission plan accord ing to the re connaissance mis

22、sion and capabilitie s of UAVs is one of the focus to e xe rt the multi-UAV coope rative re connaissance syste m and improve the syste m re connaissance e fficie ncy.Multi-UAV coope rative re connaissance mission planning proble m fails into the cate gory of task allocation and re source sche d ulin

23、g proble m in Multi-UAV coope rative syste m control.It conce rns planning the right UAV re connoite ring the right targe t with th?right se nsor at the right mome nt while satisfying the UAV capabilitie s constraints as we ll as the re connaissance targe ts re quire me nts,so as to incre ase the e

24、fficie ncy of Multi-UAV coope rative re connaissance syste m.P rope rly mod e lling and solving is the ke y to re solve this proble m.Base d on mod e lling the ory and optimization the ory,this d isse rtation stud ie s the multi-UAV coope rative re connaissance mission planning proble m.The contribu

25、tions are as follows:(l)P re se nting the multi-UAV coope rative re connaissance mission planning mod e l.Following the thorough analysis on multi-UAV coope rative re connaissance proble m,the factors that should be consid e re d in mod e lling the proble m are summarize d,which includ e the imaging

26、 re quire me nts and time wind ow constraints of the targe ts,and the capabilitie s of d iffe re nt UAV platforms and the imaging se nsors onboard.Base d on the se,we formulate the factors and the re contributions mathematically,and pre se nt the multi-UAV coope rative re connaissance mission planni

27、ng mod cl(MUCRMP M).Furthe rmore,the multi-base multi-UAV coope rative re connaissance proble m are analyze d,and the corre spond ing mod e l MB-MUCRMP M is pre se nte d.The multi-UAV coope rative re connaissance mission planning mod e l formulate d in this d isse rtation has the following ad vantag

28、e s.On the one hand,it e mbod ie s the e sse nce of multi-UAV coope rative re connaissance mission.On the othe r hand,it pre ve nts uh from bogging d own by re solving the ove r-complicate d mod e l.Compare d with the mod e ls formulate d in pre vious stud ie s,the mod e l we 第iii页国防科学技术大学研究生院博士学位论文

29、pre se nt,is more suitable far niilitary applications since it conce rns more spe cifics of the coope rative re connaissance mission.(2)P utting forward a ue w ad aptive e volutionary multi-obje ctive optimization me thod,AEMOM.Multi-UAV coope rative re connaissance mission planning proble m be long

30、s to NP-hard multiple obje ctive s conibinntorial optimization proble ms.Base d on the rich re se arch achie ve me nts in the fie ld of e volutionary multi-obje ctive optimization(EMO),a ne w ad aptive e volutionary muki-obje ctive optimization me-the xi(AEMOM)is pre se nte d.By me ans of formalisat

31、ion and mod ultirization on multi-objwtivc e volutionary algorithms(MOEAs),AEMOM can give s the most suitable MOEA for d iffe re nt,multi-obje c;tivfi optimization proble ms(MOP s).AEMOM is a popular me thod to solve MOP s inste ad of a particular algorithm.The core of AEMOM is to formalizing the MO

32、EA.For this,a ge ne ral e volutionary multiobje ctive optimization sche ma(GEMOS)is pre se nt,wliich formalize s and mod ularize s MOEAs,and se parate s the proble m spe cific compone nts(P SC)from proble m ind e pe nd e nt compone uts(P IC).Base d on GEMOS,AEMOM introd uce s the orthogonal d e sign

33、 me thod to optimize P IC for a spe cific MOP,so as to ge t the profit MOEA for the MOP.(3)P roposing the AEMOM base d multi-UAV coope rative re connaissance mission planning algorithms.The re are many constraints in MUCRMP M and MB-MUCRMP M.and the se two mod e ls are not classical combinatorial op

34、timization proble ms.De signing prope r P SC is the e mphasis U)utilizing AEMOM in solving the m.Combining the spe cifics of the se two mod e ls,we pre se nts the appropriate P SC,which assure s the fe asibility of the ind ivid uals and the e volutionary ope rators.And we propose a he uristic me tho

35、d to construct initial fe asible population for e volution,which pre se nt the ove r-slow conve rge nce cause d by totally infe asible initial population.In ord e r to ve rify the pe rformance of the AEMOM base d coope rative re connaissance mission planning algorithm)a se t of te st instance s whic

36、h re fle cts d iffe re nt mathe matical prope rtie s of MUCRMP M and MB-MUCRMP M is constructe d via uniform d e sign me thod base d on analysis on the two mod e ls.Expe rime nts on d iffe re nt te st instance s sliow that Lbe algorithm can solve the proble m e ffe ctive ly.(4)P re se nting d ynamic

37、 multi-UAV coope rative re connaissance mission planning me thod.Tb accomniod ate the niulti-UAV coope rative re connaissance syste m to the 第iv页国防科学技术大学研究生院博士学位论文changing mission re quire me nts and battle fie ld d uring the e xe cution of coope rative re connaissance mission,the d ynamic multi-UAV

38、 coope rative re connaissance mission planning proble m is inve stigate d.Following the summarization on the circumstance s which maybe e me rge nt and ne e d to d e al with d uring the coope rative re coimaissaiice proce ss,the d ynamic multi-UAV coope rative re connaissance mission planning mod e

39、l D-MUCRMP M is formulate d.The n a fast he uristic d ynamic mission planning algorithm D-MUCRMP A is propose d to solve the proble m.Taking the pre-mission plan into account,the comple xity of d ynamic multi-UAV coope rative re connaissance mission planning proble m is re d uce d gre atly.Siiuulali

40、on re sults show that D-MUCRMP A can solve D-MUCRMP M e ffe ctive ly and quickly.Key Words:Unmanned Aerial Vehicles：Reconnaissance；Cooperative：Modelling：Multi-objective Optimization：Evolutionary algorithm第V页国防科学技术大学研究生院博士学位论文第一章绪论1.1 问题提出1.1.1 军事应用需求随着高新技术的发展，现代战争已经呈现出明显的无人化趋势“无人驾驶飞机(Unmanne d Ae ri

41、al Ve hicle,UAV)能验替代人类飞行员执行“枯燥、恶劣、危险”(the d ull,the d irty,the d ange rous)的任务口溜.可以减少参战人员的伤亡，降低 装备和使用成本，正逐步受到各国的重视.已有西方军事家预测，未来空战将是无 人机与无人机之间的对抗.在UAV能够承担的多种空战角色中，情报侦察和战场监视是目前UAV系统一个 主要的作战任务口UAV用于战略、战役和战术侦察，能潜入敌目标上空进行昼 夜侦察，并向作战指挥中心准确地传输实时目标图像和信息，使战场指挥官及时掌 握战场情况，制定作战计划，为取得战斗的胜利起了决定性作用。目前，无人侦察 机是装备部队及实

42、战应用最多的机种，已成为当今UAV发展的一个重点。在美军制 定的20052030年无人机发展规划中国，打算建立重、中、轻型，远、中、近程的，配套成族的全系列无人机型谱，覆盖未来战场从后方、前线到战略纵深的整个战场 范囿UAV作为武器首次出现在越南战场上，美军使用“瑞安147”系列无人侦察机和“QHV0”系列无人直升机执行空中侦察和电子情报任务，大大减少了有人飞机的 损失率和飞行员的伤亡率.随后，以色列在第四次中东战争和入侵黎巴嫩的军事行 动中，创新性地使用“猛犬”等无人机，实施诱导和佯动，为夺取故争胜利奠定了基 础.海湾战争中,多国部队大量使用了“先锋”等多种类型的无人机，为多国部队实 时了解

43、伊拉克防空系统、军队部署与调动、战场态势与空袭效果评估等任务提供了 主要依据“科索沃战争中，美国及北约首先使用“捕食者“、“猎人和“不死鸟”等无人机，实施低空侦察和战场监视、电子对抗和目标定位,起到了有人飞机难以 发挥的作用.阿富汗战争中，美军使用“捕食者”无人机发动空袭，追杀拉登及其基 地组织成员，开创了无人机作为攻击武器的先河.伊拉克战争中，无人机更是大显 神威，美军使用了包括“猎犬，“全球鹰”、“指针”、“龙眼”和“影子2000”在内 的十几种无人机，井部分实现了无人机与战斗机的数据对接,在情报、监视、侦察 和攻击协调方面发挥了重要作用.第1页国防科学技术大学研究生院博士学位论文实战中U

44、AV广泛使用的结果充分表明，UAV能够保障对战事地区广阔地带进行 侦察和监视.今日美国报2006年7月7日报道阿，美国一些军事专家认为,大量 使用无人侦察机将对作战模式产生革命性影响,如同上世纪80年代和90年代夜视技 术对于改变战争形态的影响一样.但是，在未来复杂多变的信息化战场环境F.单架UAV执行情报侦察和战场监 视任务会面临许多问题：(1)如果存在大量需要侦察的目标,单架UAV完成所有侦察任务的时间会比较长.而且不一定能够及时实现对所有目标的侦察，在争分夺秒的信息化战争中有可 能贻误战机而破坏整个作战计划：(2)单架UAV在执行任务过程中有可能会出现故障或者被敌方击落，导致侦察任务 失

45、败；(3)单架UAV搭载的侦察成像传感器性能有限，不一定能够满足对所有目标的侦察 需求,例如仅仅搭毂了光电相机的UAV无法实现对地下掩体目标的侦察：(4)在侦察范围上，单架UAV只能看到局部信息，有可能遗漏或者丢失目标；(5)由于传感器角度的限制，单架UAV只能从一个方向对目标进行观测，不能同时 获得不同方位的立体图片和数据，.影响了测量数据的可靠性和逼真度：因此.组织多架UAV,甚至是多架不同性能的UAV共同执行侦察任务是未来战 场上一种重要的军事行动方式.美国空军科学顾问委员会(The Air Force Scie ntific Ad visory Board)指出1,2L UAV通常应当

46、以成群的方式工作而不是单独行动.为了 确保多架UAV高效协同执行侦察任务，需要根据UAV的特性及其搭我的有效我荷性 能，进行有效的协同侦察任务规划，充分发挥每架UAV的作用，满足侦察任务要求。1.1.2 理论研究需求随着大量不同类型、不同性能的UAV被投放到战场执行各种作战任务，它们之 间的协同问题就摆在了研究者面孤如果缺乏有效的协同，不仅无法体现多架UAV集 体作战的优势，而且甚至会出现UAV之间冲突、碰撞的危险,反之，多架UAV通过一 种有效的协同策略作战能够带来更好的作战效能,并且能够实现资源的有效利用。协同在多机器人系统中已经不是一个新概念。Cao在1的7年对协同行为(coop-e r

47、ative be havior)作了如下定义。叫给定预先定义的任务，如果由于某些内在的机 制(即“协同机制”),整个多机器人系统的效用能够提升，则称该系统呈现协同行 为。在此定义中，协同概念的本质在于能够实现系统的性能提升.2000年 12月,由美国空军研究实验室(Air Force Re se arch Laboratory.AFRL)第2瓦国防科学技术大学研究生院博士学位论文和Florid a大学联合举办了第一届协同控制和优化研讨会（Workshop on Coope rative Control and Optimization）114,该会议定义协同系统（coope rative sy

48、ste m）是 由多个动态实体（e ntity）组成的系统,这些实体通过共享信息或者任务来实现一个 共同的（可能不是一个）目标.通常认为.协同系统的效能大于单个个体的效能。协 同系统主要有以下几个方面的特点：（1）对信息的高度共享信息共享是为了最大限度的发挥协同系统中实体本身的价值,并利用信息创造 新的价值。信息共享是协同系统提高整体效能的基础.（2）对各个任务的整合尽管每项任务从属于协同系统中的不同实体，但本质上来说它们都是紫密关联 的，系统需要对各个任务进行充分的整合以使所有的任务能够协调和平滑运作，任 务1：的科合性使这些实体构成了一个协同系统.（3）对各项资源的调配和优化当协同系统实现

49、了信息共享和任务整合后，才能使系统中的各项资源突破各种 壁垒和障碍，在统一管理和协调下为实现系统共同的目标而服务.共同执行作战任务的多架UAV就是一个典型的协同系统一一多UAV协同系统，论文称执行侦察任务的多UAV协同系统为多UAV协同侦察系统。多UAV协同控制（coope rative coutroD以多UAV协同系统为研究对象，关注以 有限的人员干预，一致有效的操纵多UAV协同系统中的每一个成员在高度非结构化 的环境中完成任务，使多UAV协同系统通过协同获得比相互独立设计单架UAV的控 制算法更有效的工作能力“C.A.Rabbath将多UAV协同控制问题详细描述为周：-组位于单个基地或者多

50、个基地的UAV,每个UAV都有其固有的动态特性（如飞行时 间常量、气动力系数等）、机载计算机、传感器、发射机以及执行器等硬件.在UAV执 行任务之前，假设已经获得一定层次的信息，例如成员数目，环境、空域等信息”给定预先定义的一个整体目标列表，这些目标需要以一定的顺序和在一定的约束条 件下执行（时向、位置、燃料消耗约束等）以及每架UAV上机载设备内嵌的有限的 关于环境和其他UAV的知识，为了保证成功完成系统任务，协同控制问题研究对多 个UAV进行合适的任务分配以及航线和动作规划（路径规划、轨迹生成、底层指令）,该分配和规划在某种意义上是最优的（例如对静态和动态障碍的规避）并且能 够应对各种扰动和