高动态环境下低可探测性飞行器自主任务规划方法研究

Low observability aircraft (LOA) is usually called as stealth aircraft, its active radar target characteristic lowers prominently. Because LOA is difficult to discover and track, it becomes the first candidate for hard mission. Mission planning arranges course of action, flight trajectory, and sequence of operation for aircraft and onboard equipment. Mission planning technology is the key issue to improve the scientific, accuracy and effectiveness of the mission plans for the combat task. Nowadays, mission planning of LOA mainly just considers preplanning. Weak capability of autonomous online planning could not cope with high dynamic environment. This project would focus on the LOA online intelligent planning problem under dynamic adversarial environment. We would research autonomous mission planning approach for LOA, which is a typical problem of kinetic agent’s decision, planning and control in dynamic, partially observable and bounded communication environment. To be exact, our research mainly covers analysis and modelling on threat space, autonomous mission planning approach for LOA, and autonomous mission planning approach for multiple LOAs patrol and pursue. This study is expected to provide theory and algorithm for the development of LOA’s mission planning system. The theoretical and experimental achievements should better support practical and actual combat mission planning. Moreover, this study would also provide novel ideas and new technology for agent or robot planning and control..

低可探测性飞行器(LOA)俗称“隐身飞机”、“隐形飞机”，其有源和无源目标特征大幅度减弱，降低被探测发现概率，成为突破敌方防御的利器。任务规划制定行动计划、飞行轨迹、设备操作序列等，是LOA作战运用的关键技术。LOA任务规划已有研究考虑的要素较为单一，基本为预先规划，缺乏自主任务规划，难以应对高动态环境下的低可探测性任务。本项目针对动态、对抗环境下LOA智能在线任务规划的需求，研究其自主任务规划方法，是高动态环境、部分可观、有限通信条件下的移动智能体自主行为决策、规划与控制技术。主要研究内容包括：低可探测性、高动态威胁空间分析与建模；LOA自主任务规划方法；多LOAs巡逻追逃的自主任务规划。本项目研究将为LOA任务规划系统的研制提供理论指导和算法支撑，推动飞行器任务规划技术的向实用化、实战化发展，并为多智能体、机器人规划提供新思路、储备新技术。

低可探测性飞行器俗称隐身飞机，其目标特征大幅度减弱，被探测发现概率降低，是突破敌方防御的利器。充分发挥隐身飞机作战效能的关键在于通过任务规划制定作战行动计划、隐身飞行轨迹。围绕高动态环境下低可探测性飞行器自主任务规划方法及其实验验证，本项目重点开展了四点研究内容：（1）低可探测性威胁空间建模与评估：建立了复杂电磁环境下被探测发现的概率空间模型与隐身效能评估模型，并分析建模了动态威胁空间。（2）隐身飞机自主任务规划方法：对单架隐身飞机任务规划进行分析建模，提出了面向隐身飞机作战自主任务规划的改进蒙特卡洛树搜索算法，并进行了实验验证及应用研究。（3）多飞行器自主在线规划方法：针对具有子模性规划目标的多智能体部分可观马尔科夫决策过程，首次提出了一种近似最优的多飞行器自主在线规划算法；针对传递函数解耦的部分可观马尔科夫决策过程，首次提出了一种基于蒙特卡洛树搜索和max-sum的分散式在线规划算法；提出了基于目标状态预测和滚动优化的多隐身飞机协同探测轨迹规划方法；实验验证了算法的有效性与比较优势。（4）柔性互补人机协同任务规划方法：提出了面向多智能体的柔性互补人机协同任务规划问题求解方法；针对概率知识和人辅助下进行巡逻搜索的在线规划问题建立了一个新颖的模型，提出了基于潘多拉规则的搜索方法，并证明其在多项式时间内可解；提出了适用于人机协同的快速探索随机树算法，改进了分布式优先级轨迹规划算法；开发了面向多飞行器的柔性互补人机协同轨迹规划原型系统，并进行了实验验证及应用研究。. 项目共发表论文14篇，其中SCI检索3篇，人工智能顶会(IJCAI-16)1篇，EI检索7篇，中文核心3篇。培养博士生3名、硕士生4名。还支撑了《飞行任务规划》教材编写、1项省部级科技进步一等奖。研究成果为隐身飞机、无人机任务规划提供了基础理论和算法支撑，在低可探测性轨迹规划、飞行器自主与协同规划、人机协同任务规划等领域得到了应用与推广，具有重要的理论及实践价值。