基于分布式人工智能物体追踪系统V1.0的多无人机协同搜索追踪策略

　　无人机(unmanned aerial vehicle,UAV)在民用领域、科研领域和现代战争中都发挥着至关重要的作用，是辅助人类探索自然、抢险救灾的重要工具。但是由于无人机的探测能力、机器载荷、续航时间等因素限制，单架无人机难以完成复杂环境中的搜索、追踪、探测等任务，越来越多的应用场景要求多无人机系统协同合作。

　　纪然，是分布式人工智能物体追踪系统和基于人工智能的分布式图像识别系统领域的杰出人才，他于2018年研发的分布式人工智能物体追踪系统V1.0（Multi-object tracking systems with multi-camera using AI V1.0）获得了计算机软件著作权登记证，登记号：2018SR0364221，是国内最早全面应用了分布式人工智能技术的物体追踪系统，他基于分布式人工智能物体追踪系统V1.0（Multi-object tracking systems with multi-camera using AI V1.0）对多运动目标的多无人机协同搜索追踪策略进行了深入研究，并取得重要研究成果。

　　针对多无人机协同搜索追踪区域内多运动目标问题，考虑无人机的传感器与避撞等约束和目标随机运动等特征，纪然提出了以垂线搜索为基础的多无人机协同搜索追踪策略。该策略包含任务分配和航迹规划两部分。在任务分配部分，设计了航道均分垂线搜索算法，将搜索资源在区域内均匀分配，提高协同搜索效能。在航迹规划部分，纪然设计了改进的人工势场算法，避免发生机间碰撞，保障飞行安全。在典型场景下，仿真验证了策略的有效性，相比传统垂线搜索方法，该策略能在保证安全的前提下，引导无人机群捕获更多的目标，有效提升了多无人机协同搜索追踪的效果。

　　在协同搜索追踪的问题场景下，无人机群需要实时在线完成任务分配和航迹规划等决策工作， 对算法的计算效率和运行效果都有较高要求。当任务区域较大、无人机和目标的数量较多时， 基于概率图和滚动时域算法的计算效率较低，而传统的直线规划又面临搜索效果不佳的问题。为了解决上述问题，纪然提出了以垂线搜索为基础的多无人机协同搜索追踪策略(cooperative search planning strategy based on vertical line search,CSP–BVL)， 并通过数值仿真对所提策略的有效性进行验证。

　　考虑无人机飞行性能与传感器探测性能等约束，结合目标在区域内初始位置未知且随机运动等特征，纪然设计了ECVL算法，来解决多无人机协同搜索的任务分配问题。目标的随机运动使传感器探测得到的区域信息具有时效性，探测信息会在一定时间后失效。探测信息失效后，对应区域内的目标信息再次变为未知，需要对该区域进行重新探测。当目标运动速度较快时，所探测区域信息的有效性会快速消失，进一步加大了搜索的难度。传统的任务分配算法往往存在资源分配失衡、任务收益低等问题。纪然提出的改进算法在传统垂线搜索方法的基础上，考虑探测信息时效性的问题，设计了基于平均原则的任务分配机制，为每架无人机分配相同任务量的任务区域，充分利用传感器的探测能力，均匀分散搜索资源。同时设计了基于效能的搜索机制，在任务区域内为每架无人机分配搜索效能最高的垂线搜索航道。

　　基于分布式人工智能物体追踪系统V1.0的多无人机协同搜索追踪策略的创新点在于针对初始位置未知且随机运动目标的搜索场景，结合了整体任务平均分配的原则和单机搜索效能的评价，以较少的计算量，快速地进行无人机搜索任务的分配，可满足实时在线规划的要求，具有工程实用性。（作者：陈星）