基于变粒度任务分解的多UUV任务规划技术研究

纪敏

（中国电子科技集团公司第二十研究所 陕西省西安市 710068）

多UUV协同作业具有通信受限、作战任务多变、战场环境不明等特点，只有制定良好的信息共享、交互和意图协商机制，实现有效的时空配合，才能顺利完成一项复杂作战任务[1]。但是，面对复杂任务的决策问题是一个难题，传统的方法难以对其进行建模。

目前对多UUV协同任务规划的研究主要针对任务分配的模型建立、算法实现，而对协同任务分解的研究较少。任务分解作为任务规划的重要内容之一，不同的任务分解粒度对任务执行效果的影响比较大。实际作战中，为了充分发挥任务规划的作用，任务分解的粒度因随环境、资源的不同而改变。本文以对多UUV协同作战为背景，采用分布式任务规划控制体系，提出一种基于变粒度任务分解的协同作战任务规划。

1 任务规划控制结构

本文采用有限中央控制下的分布式体系结构，任务控制站通过预先规划为每个UUV 提供一个初始任务计划。当局部态势发生变化时，多个UUV 基于编队预先制定的协商机制进行协同决策，通过局部调整应对战场态势变化[2]。

基于变粒度任务分解的多UUV分布式任务规划结构图如图1所示。

2 协同作战任务分解

2.1 任务分解策略

对多UUV协同作战任务的分解必须基于一定的作战力量进行，针对给定规模的作战力量，其承担的任务可以分为两类：宏观任务和任务单元。宏观任务是给定规模力量整体承担的任务，由多个作战单元协同完成，表示作战力量在限定的作战时间和作战空间需要达到的作战目标。任务单元是对宏观任务经过分解所得到，由作战单元承担的任务，作为构成宏观任务的子任务表示一个局部的作战目标。本文提出的通过任务分解生成基本任务的方法分为两步进行：

第一步，将任务分解得到元任务。

宏观任务分解成元任务（原子任务）的方式主要有：主体属性、时间属性、空间属性、客体属性划分。基于功能不变的原则对特定的宏观任务进行若干层次的分解，得到不可分解的原子任务。

第二步，由元任务生成基本任务。

根据约束构造基本任务，得到的基本任务应该具有以下特点:

（1）有限性，作战单元独立成功执行该子任务后能够完成有限的作战目标；

（2）独立性，任务单元之间没有包含关系、从属关系或上下层关系；

（3）原子性，由一个且只有一个作战单元承担，要么成功,要么失败；

（4）可描述性，能用相对固定的、结构化的格式予以描述。

2.2 任务分解建模

定义任务粒度Ms=tg(Ts, Rs, Cs)是时间粒度、空间粒度、协作粒度的函数，是表征任务协作耦合程度的量化值。

图1：协同任务规划结构图

基于任务粒度对任务进行第一步分解的到元任务记为OT={otij}。

针对多任务单元协同作战任务分解问题，在完成第一步分解的到元任务后，进行第二步生成子任务的问题，可以转换为在下述约束条件下求解使目标函数J(A, E)达到最小的问题：

本文对协同作战任务分解建模主要考虑以下约束：

（1）每个操作仅且只能被执行一次；

（2）所有操作的输出信息总和必须包含目标集；

（3）每个操作能被执行的必要条件为存在该操作；

（4）所执行的操作序列为可行操作序列；

（5）作战单元间的通信仅当操作间需要传递信息时发生。

2.3 任务粒度设计

有效的任务分解策略和任务粒度设计是本文任务规划的前提，协同任务的分解粒度对任务控制有较大的影响。合适粒度的任务分解对于多UUV协同任务规划有重要的作用。

采用任务-控制元-活动三层分解策略，基于自适应粒度的任务分解步骤如下：

Step1:按照多UUV协同具体作战模式，绘制初始作战任务流程图，设计任务树；

Step2:基于功能不变的原则将作战任务流程图进行分解，得到不可分解的原子任务；

Step3:构造控制元：包括UUV自身能力约束、战术约束、战场环境约束外，还包括任务构成要素之间的约束。

Step4:设计任务粒度：

Step5：构造控制元相关矩阵：根据任务协同等级设定，任务控制元间信息交互等级，优化训练得到满足条件的相关矩阵。

3 多UUV协同侦察任务规划

3.1 多UUV协同侦察任务问题建模

针对以上这样一个高度复杂的控制问题，本文将从两个方面入手构建问题的求解方案：一是立足于分布式的体系结构，充分发挥分布式控制技术在解决动态不确定性问题上的优势；二采用分层递阶逐次求解的思路，通过层间解耦将问题分解为不同层次的子问题，然后在各个层次逐层求解以降低问题难度。

实质上是对多艘UUV进行时间和空间上的协同，实现资源的优化分配和调度[3]。

（1）空间协同：受平台性能制约，要求能够及时实现在不同侦察目标直接转移；

（2）时间协同：侦察时效性要求，设置时间窗。

分配时，对多艘UUV进行时间上的合理调度，在满足所有目标的侦察时间窗约束的同时提高UUV的利用率即尽量减少UUV等待时间。

3.2 协同侦察任务的变粒度务分解

设有VN艘UUV，侦察TN个目标，假设目标为固定点目标。任务T为VN艘UUV在有限时间total_t协同完成对所有TN个目标的侦察成像。

第一步，生成元任务

基于2.1所述分解方法，将任务T进行在客体轴、时间轴和空间轴的分解，得到元任务otik。

客体轴：根据目标划分，即将T分为对TN个目标的侦察成像任务；

时间轴：对目标i侦察的时间窗twi=[tsi, tei]要求；空间轴：根据对目标i侦察的分辨率要求rsi，rsi与UUV与目标的相对位置（角度，距离）有关，即zni=(ri, li)，故zni=(ri, li)；

分解粒度：Ms(k)={Msi(k);i=1,…,TN}为协同侦察任务的任务粒度。它为时间粒度Tw(k)，空间粒度Zn(k)的函数，Ms(k)=G(Tw(k), Zn(K))。不同的值表示不同的粒度，即变粒度。

元任务：otik表示在任务粒度Ms(K)下对目标i进行侦察任务。

第二步，生成子任务

定义任务粒度为按时间窗划分任务的区间长度。将目标划分为M组，则问题转换为把这M组目标的分配到NV艘UUV侦察的问题，看成是M步决策。

定义第i组的目标数为xi，

引进函数gi(xi)，表示对第i组目标进行侦察付出的代价；定义性能指标

引进一个函数fi(vNV)，表示将第1至第i组侦察目标分配给VN艘UUV所付出的最小代价。显然，fNT(vNV)表示将所有NT个侦察目标分配给NV艘UUV所付出的最小代价，即

边界条件：

（1）fk(0)=0，即没有UUV执行侦察任务所付出的的代价为零。

（2）f0(vVN)=0，即没有要侦察的目标时的代价为零。

（3）f1(vVN)=g1(vVN) ，即UUV仅要求对一类目标进行侦察时的代价，就是此次UUV执行侦察任务的总代价。

3.3 基于任务粒度的多UUV协同侦察任务规划模型

基于3.2对协同侦察任务分解得到的子任务，对侦察任务规划问题进行求解。

以单基地多UUV协同侦察为背景进行研究，优化目标[4]：

（1）尽可能侦察多的重要目标。

（2）多艘UUV执行侦察任务的总代价最小。

基于任务粒度的单基地多UUV协同侦察任务分配问题的二维优化目标函数为：

约束条件：

（1）每艘UUV从基地出发最终要返回基地。

（2）对每个侦察目标至多侦察一次。

（3）执行任务的每种类型UUV数量不能超过其最大数量限制。

（4）必须满足UUV的续航时间约束。

（5）必须满足侦察目标的侦察时间窗要求，即UUV必须在指定的时间窗范围内开始对目标的侦察。

4 结论

目前，多数文献将UUV任务规划分解为任务分配和航迹规划两个相互关联的子问题，但主要是对任务规划进行了横向上的耦合分解[5]。本文充分考虑协同作战任务的动态性和影响多样性，从纵向上对任务进行耦合分解，并引入任务粒度的概念，实现对不同的协同任务设计合适的任务粒度进而进行任务分解。由于多UUV协同任务的强耦合性、多约束性，将相对总体的作战任务分解成若干具体的、明确的、相互关联的子任务，可以帮助明确作战目标以及降低问题求解难度。