无人机蜂群攻击的方法、系统、介质及产品与流程

本技术涉及无人机领域，尤其涉及一种无人机蜂群攻击的方法、系统、介质及产品。

背景技术：

1、无人机蜂群凭借其数量优势和协同能力，在军事侦察、目标打击等领域展现出巨大潜力。现有蜂群攻击方法主要可分为两类：一类基于集中式任务分配与固定路径规划，通过预设攻击方向和时序实现多方向打击；另一类基于分布式协同制导，利用一致性算法实现多无人机同时到达目标。

2、然而，现有技术存在以下不足：多数方法假定攻击方向预先分配且固定不变，无法根据目标在攻击过程中的机动行为实时调整攻击方位，当目标采取规避机动时，预先规划的交叉火力网迅速失效；蜂群从编队行进到分散攻击的转换缺乏动态控制机制，分散过程中编队协同性下降，易造成通信中断或飞行冲突；攻击完成后编队恢复困难，现有方法通常要求无人机各自返航后重新集结，耗时长且缺乏自组织性。

技术实现思路

1、本技术提供了一种无人机蜂群攻击的方法、系统、介质及产品，提高了打击的效率和准确性。

2、第一方面，本技术提供了一种无人机蜂群攻击的方法，该方法包括：

3、在无人机蜂群以初始紧致编队向目标区域行进的过程中，所述蜂群包括多个攻击型无人机，各攻击型无人机实时感知目标的运动状态及周边威胁分布，构建目标周围空间的逃逸概率分布图，所述逃逸概率分布图用于表征目标在不同方向上的逃逸可能性；

4、各攻击型无人机根据所述逃逸概率分布图、自身与目标的相对距离以及武器有效射程，动态计算各自的最优分离时机和最优分离方位；

5、到达各自的最优分离时机后，各攻击型无人机按照各自的最优分离方位从所述初始紧致编队中脱离，并在分离过程中控制当前蜂群编队的分散度增加至预设目标范围，且保持所述当前蜂群编队的协同度不低于第一安全阈值，所述分散度表征各攻击型无人机当前位置相对于当前蜂群编队几何中心的离散程度，所述协同度表征编队中任意两架无人机之间的最小通信信号强度与最大通信延迟之比；

6、各攻击型无人机通过局部通信链路相互交换攻击意图矢量，所述攻击意图矢量包含预期攻击方向、期望命中时间窗口以及攻击优先级；

7、各攻击型无人机根据所述逃逸概率分布图、所述攻击意图矢量以及自身飞行约束，动态生成从当前位置指向所述目标的攻击路径；

8、各攻击型无人机按照所述攻击路径从多个不同方向对所述目标发起打击，在打击过程中将所述分散度维持在所述预设目标范围内，且保持所述协同度不低于第二安全阈值，所述第二安全阈值大于或等于所述第一安全阈值；

9、攻击完成后，各攻击型无人机在各自局部感知范围内生成虚拟吸引子，通过所述虚拟吸引子的引导恢复所述初始紧致编队，所述虚拟吸引子产生的引力强度随当前攻击型无人机与编队预估几何中心的距离增加而增强，同时随当前攻击型无人机与其他无人机的距离减小而减弱。。

10、采用上述技术方案，通过实时构建目标的逃逸概率分布图，各无人机能动态计算最优分离时机与方位，并持续交互攻击意图矢量，从而根据目标机动行为实时调整攻击方向与路径，避免了传统固定方向攻击因目标规避而失效的问题。在从紧致编队分离、多向打击的全过程中，通过控制分散度与协同度双指标，实现了攻击火力分散性与编队内部协同性的动态平衡，防止飞行冲突或通信中断。攻击完成后，利用各无人机局部感知生成的虚拟吸引子，引导蜂群快速、自组织地恢复初始紧致编队，大幅缩短了重新集结的时间，提升了蜂群连续作战能力。

11、在一些实施例中，所述各攻击型无人机按照所述攻击路径从多个不同方向对所述目标发起打击，在打击过程中将所述分散度维持在所述预设目标范围内，且保持所述协同度不低于第二安全阈值，具体包括：

12、在打击过程中，各攻击型无人机以预设的预测周期，根据所述目标的历史运动轨迹和当前速度矢量，采用分布式卡尔曼滤波算法对所述目标在未来预测时段内的运动轨迹进行实时预测生成预测轨迹带，所述预测轨迹带包含目标在未来各时刻的期望位置及位置置信区间；

13、各攻击型无人机将自身当前的攻击路径与所述预测轨迹带进行空间-时间联合匹配，计算自身攻击路径命中所述预测轨迹带的概率，当所述概率低于预设的命中置信阈值时，触发攻击路径在线重规划；

14、触发重规划后，各攻击型无人机根据所述逃逸概率分布图、当前分散度与预设目标范围的位置关系以及当前协同度与第二安全阈值的余量，重新生成修正后的攻击路径；

15、各攻击型无人机将修正后的攻击路径通过局部通信链路向蜂群内其他无人机广播，当接收到其他无人机的修正路径且检测到不同无人机的修正路径之间存在空间交叉或时间重叠冲突时，调用攻击意图冲突消解步骤对修正路径进行协同调整，直至所有无人机的攻击路径相互兼容。

16、采用上述技术方案，采用分布式卡尔曼滤波实时生成目标的预测轨迹带，使各无人机能够预判目标未来机动区间，并在自身命中概率低于阈值时自主触发攻击路径在线重规划，从而大幅提升对高机动目标的打击适应性，避免因目标突然转向导致的攻击失效。重规划的修正路径通过局部通信链路广播，并基于攻击意图冲突消解步骤检测路径的空间交叉或时间重叠冲突，确保多架无人机在动态调整攻击方向的同时互不干扰，避免了飞行碰撞和攻击资源重叠浪费。重规划过程不仅考虑逃逸概率分布图，还纳入当前分散度与预设目标范围的偏差、协同度与安全阈值的余量，实现了打击过程在“覆盖面（分散度）”、“协同性（通信质量）”、“命中率（预测匹配）”三要素之间的动态平衡，保证蜂群在持续攻击中始终处于可控的安全与效能区间。

17、在一些实施例中，所述采用分布式卡尔曼滤波算法对所述目标在未来预测时段内的运动轨迹进行实时预测生成预测轨迹带包括：

18、各攻击型无人机预先加载多个目标运动模型，为每个所述目标运动模型分配初始概率权重，构建交互式多模型滤波器，所述多个目标运动模型包括匀速模型、匀加速模型以及协同转弯模型；

19、在每个预测周期到达时，各攻击型无人机将最近预设时间感知到的目标历史位置序列输入所述交互式多模型滤波器，输出融合后的目标状态估计，所述目标状态估计包括目标的位置、速度、加速度及转弯率；

20、根据所述目标状态估计以及当前各目标运动模型的概率权重，分别基于每个目标运动模型外推目标在未来预测时段内的预测轨迹，并将各目标运动模型的预测轨迹按模型概率加权叠加，生成融合预测轨迹，计算每条预测轨迹的不确定性协方差，形成以融合预测轨迹为中心、以协方差椭圆包络为边界的预测轨迹带；

21、各攻击型无人机将生成的预测轨迹带通过局部通信链路向蜂群内其他无人机共享，并采用一致性算法对多个无人机的预测结果进行融合。

22、采用上述技术方案，通过预先加载匀速、匀加速、协同转弯等多种目标运动模型，并利用交互式多模型滤波器动态更新各模型的概率权重，能够实时匹配目标任意未知的机动模式，输出融合后的高精度状态估计，显著提升对强机动目标的轨迹预测准确性。基于各模型预测轨迹的加权叠加和协方差计算，生成以融合预测轨迹为中心、协方差椭圆包络为边界的预测轨迹带，直观量化了预测的不确定性范围，为后续攻击路径的命中概率评估和重规划触发提供了可信的统计边界。各无人机将本地生成的预测轨迹带通过局部通信链路共享，并采用一致性算法融合多机的预测结果，有效利用了蜂群内多视角传感器的冗余信息，即使部分无人机观测受遮挡或噪声干扰，仍能获得更鲁棒、更稳定的集体目标预测，避免单机预测误差导致的攻击失误。

23、在一些实施例中，所述调用攻击意图冲突消解步骤对修正路径进行协同调整包括：

24、各攻击型无人机从自身生成的修正路径中提取自身的预期攻击方向、期望命中时间窗口及攻击优先级，作为自身的更新后攻击意图矢量，从接收到其他无人机的修正路径中提取其他无人机的更新后攻击意图矢量；

25、各攻击型无人机将自身的更新后攻击意图矢量与其他各无人机的更新后攻击意图矢量逐一进行配对比较，分别计算自身预期攻击方向与其他无人机预期攻击方向之间的空间夹角，以及自身期望命中时间窗口与其他无人机期望命中时间窗口之间的时间重叠度，当所述空间夹角小于预设的角度冲突阈值且所述时间重叠度大于预设的时间冲突阈值时，判定配对中存在攻击意图冲突；

26、对于存在冲突的配对，比较双方的攻击优先级，使攻击优先级较低的一方根据攻击优先级较高的一方的更新后攻击意图矢量，对自身的修正路径进行二次调整，包括修改预期攻击方向以增大空间夹角至所述角度冲突阈值以上，或延迟期望命中时间窗口以降低时间重叠度至所述时间冲突阈值以下，直至冲突消除；

27、完成所有冲突配对消解后，各攻击型无人机将最终确定的修正路径及对应的攻击意图矢量通过局部通信链路进行最终确认广播，并在预设的确认窗口内接收到所有其他无人机的确认信息后，锁定最终确定的修正路径用于后续打击执行。

28、采用上述技术方案，通过配对比较各无人机的预期攻击方向空间夹角和期望命中时间窗口重叠度，并分别设置角度冲突阈值和时间冲突阈值，能够同时识别空间路径交叉与时间窗重叠两类潜在冲突，避免仅考虑单一维度导致的漏检或误判。对于检测到冲突的配对，采用基于攻击优先级的非对称调解机制——仅让优先级较低的一方调整自身攻击方向或时间窗口，高优先级一方保持不变，从而避免了双方反复博弈陷入死锁，确保冲突消解过程快速、确定性地收敛。完成所有冲突消解后，各无人机通过局部通信链路进行最终确认广播，并在预设确认窗口内收到所有其他无人机的确认信息后才锁定最终路径。这一机制保证了蜂群内各无人机对最终攻击计划达成全局一致，防止因部分节点未同步而执行不兼容路径，保障多方向打击的协同安全性。

29、在一些实施例中，所述使攻击优先级较低的一方根据攻击优先级较高的一方的更新后攻击意图矢量，对自身的修正路径进行二次调整，具体包括：

30、攻击优先级较低的无人机将攻击优先级较高的无人机的预期攻击方向作为参考方向，以当前自身攻击路径的预期攻击方向为初始方向，在垂直于参考方向的平面内构建候选方向集合，候选方向与参考方向的空间夹角从角度冲突阈值开始以预设步长递增；

31、从所述候选方向集合中依次选取候选方向，计算将自身预期攻击方向调整至所述候选方向后，新的空间夹角、命中概率是否满足预设条件，选择满足所述预设条件的最小角度步长对应的候选方向作为新攻击方向；

32、若在预设的角度搜索范围内无法找到满足所述预设条件的候选方向，则计算使时间重叠度降至时间冲突阈值以下所需的最小延迟量，并在所述最小延迟量的基础上增加预设的安全余量作为最终延迟时间，将自身的期望命中时间窗口向后平移该最终延迟时间；

33、完成方向调整或时间调整后，攻击优先级较低的无人机将调整后的修正路径重新通过局部通信链路广播，并等待攻击优先级较高的无人机的确认反馈，若收到确认则锁定调整结果。

34、采用上述技术方案，冲突发生后，优先级较低的无人机优先尝试调整攻击方向，仅当方向调整无法满足命中概率等条件时才转为调整时间窗口。这种阶梯式策略既尊重了高优先级无人机的原始攻击意图，又避免了单一维度的强制调整导致攻击效能过度损失。方向调整时，选择满足命中概率等预设条件的最小角度步长对应的候选方向，而非任意大角度调整；时间调整时，在计算出的最小延迟量基础上仅增加预设安全余量。这种“最小必要调整”策略最大限度保留了低优先级无人机原有的攻击效能，同时以最低代价化解冲突。调整后的修正路径需重新广播并等待高优先级无人机的确认反馈，收到确认后方可锁定。这一确认机制确保了高优先级一方对调整结果无异议，使冲突消解过程形成闭环验证，防止单方面调整导致的次生冲突，增强了蜂群协同攻击的执行可靠性。

35、在一些实施例中，所述在分离过程中控制当前蜂群编队的分散度增加至预设目标范围，且保持所述当前蜂群编队的协同度不低于第一安全阈值，具体包括：

36、根据当前参与分离的攻击型无人机数量及预设的攻击方向数量，计算分散度的预设目标范围的上限值和下限值，并获取预先配置的第一安全阈值；

37、在分离机动过程中，各攻击型无人机以预设的采样周期实时计算当前蜂群编队的实际分散度值和实际协同度值，并将计算结果通过局部通信链路进行交换；

38、当检测到实际分散度值低于所述下限值时，各攻击型无人机按照各自当前速度方向持续加速分离，直至分散度值达到下限值以上；当检测到实际分散度值高于所述上限值时，各攻击型无人机执行减速或小幅度内收机动；

39、当检测到实际协同度值低于第一安全阈值时，触发临时编队保持模式，各攻击型无人机暂停进一步的分散机动，并主动调整自身位置以靠近编队几何中心，直至协同度值恢复至第一安全阈值以上，继续执行分散机动。

40、采用上述技术方案，根据参与分离的无人机数量及预设攻击方向数量，动态计算分散度目标范围的上限值和下限值，并实时监测实际分散度。当分散度偏低时加速分离、偏高时减速或内收，确保蜂群的攻击覆盖范围与任务需求精确匹配，既不过于集中也不过度分散。当实际协同度低于第一安全阈值时，立即触发临时编队保持模式——暂停分散机动，主动向编队几何中心靠拢以恢复通信质量，待协同度恢复至安全线以上才继续分离。这一机制将编队内部协同可靠性置于分离进度的优先级之上，有效防止因追求分散而导致蜂群失联或飞行冲突。通过实时采样、局部通信交换数据、以及加速/减速/内收/靠拢等机动响应的闭环控制，实现了分离过程中“分散度增加”与“协同度保持”两个相互矛盾目标的同时满足，确保蜂群在从紧致编队向多向攻击构型转换的全过程中始终处于安全可控的状态。

41、在一些实施例中，所述通过所述虚拟吸引子的引导恢复所述初始紧致编队包括：

42、各攻击型无人机在启动编队融合程序后，根据最近一次成功通信所获取的所有无人机位置信息，采用分布式一致性算法计算编队预估几何中心；

43、各攻击型无人机在自身局部感知范围内构建虚拟吸引子场，所述虚拟吸引子场的势能与当前无人机到编队预估几何中心的距离的平方成正比，与当前无人机到最近邻无人机的距离的倒数成正比；

44、各攻击型无人机根据虚拟吸引子场计算出的合力矢量，生成速度控制指令和航向控制指令，驱动自身沿引力方向朝编队预估几何中心移动，并在移动过程中持续更新编队预估几何中心和虚拟吸引子场；

45、以预设的采样周期实时监测当前蜂群编队的分散度值和协同度值，当分散度值小于预设的融合完成阈值且协同度值大于预设的融合完成协同阈值时，判定融合完成。

46、采用上述技术方案，各无人机仅利用最近一次通信获取的所有无人机位置信息，通过分布式一致性算法自行计算编队预估几何中心，无需依赖中心节点指挥或外部引导，实现了攻击后编队恢复的完全自组织，系统抗毁性和可扩展性显著增强。虚拟吸引子场同时包含引力项和斥力项，使各无人机在高速向中心靠拢的过程中自动维持安全间距，兼顾了融合速度与飞行安全。以预设采样周期实时监测分散度与协同度，当分散度低于融合完成阈值且协同度高于融合完成协同阈值时明确判定融合完成，为编队恢复过程提供了量化的终止条件，避免无限等待或过早退出，确保蜂群可靠恢复至预期紧致状态后再进入下一任务阶段。

47、第二方面，本技术实施例提供了一种计算机系统，包括存储器、处理器及存储在存储器上的计算机程序；该处理器执行该计算机程序以实现第一方面中任一可能的实现方式描述的方法的步骤。

48、第三方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面中任一可能的实现方式描述的方法的步骤。

49、第四方面，本技术实施例提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面中任一可能的实现方式描述的方法的步骤。

50、可以理解的是，上述第二方面提供的计算机系统，第三方面提供的存储介质及第四方面提供的计算机程序产品均用于执行本技术所提供的方法。因此，其所能达到的有益效果可参考对应方法中的有益效果，此处不再赘述。

51、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

52、1、各无人机实时构建目标周围空间的逃逸概率分布图，能够量化目标在不同方向上的逃逸可能性。结合自身相对距离和武器有效射程，动态计算各自的最优分离时机与分离方位。这一机制使得蜂群在尚未分散之前，就已经根据目标的机动意图和弱点分布做出预判，避免传统方法中固定分离点导致的目标逃脱或攻击方向浪费。这使得蜂群的攻击准备阶段具有目标自适应性，分离时机与方位与目标真实逃逸风险相匹配，提高了后续多向攻击的封堵效率和命中概率；

53、2、在从紧致编队向分散攻击构型转换的过程中，同时控制分散度增加至预设目标范围，并保持协同度不低于第一安全阈值。这一闭环控制避免分散不足导致攻击方向覆盖不全，或者过度分散导致编队通信中断或飞行冲突。这使得蜂群在分离机动中始终保持“既足够分散以形成多向威胁，又足够协同以维持内部信息交互与安全避撞”的平衡状态，为后续攻击执行奠定可靠基础；

54、3、各无人机通过局部通信链路相互交换包含预期攻击方向、期望命中时间窗口、攻击优先级的攻击意图矢量。基于逃逸概率分布图、意图矢量及自身飞行约束，动态生成从当前位置指向目标的攻击路径。这一设计使得每架无人机的攻击路径不是孤立规划的，而是参考了同伴的攻击意图，能够自然地形成互补火力覆盖，避免路径重复或攻击盲区。这使得多无人机攻击方向在协同层面实现隐式协调，无需中心节点分配，提高了系统的鲁棒性和扩展性；

55、4、在打击过程中，将分散度维持在预设目标范围内，且保持协同度不低于第二安全阈值。这意味着蜂群在实施多方向同时打击的激烈机动阶段，仍然主动维持攻击覆盖面的均匀性和内部通信质量的高标准。打击全程中，各无人机既能保持对目标的多角度压制，又能及时共享目标状态变化和自身攻击结果，避免因机动过猛导致失联或碰撞，确保交叉火力的持续有效性；

56、5、攻击完成后，各无人机在各自局部感知范围内生成虚拟吸引子。该虚拟吸引子的引力强度随无人机与编队预估几何中心的距离增加而增强（拉回远处飘离的无人机），同时随该无人机与其他无人机的距离减小而减弱（防止靠拢时过于拥挤碰撞）。这一机制使得蜂群无需外部指令或中心引导，仅凭局部感知就能自组织地快速恢复初始紧致编队。编队恢复过程兼具快速性与安全性，大幅缩短了两次攻击任务间的准备时间，提升了蜂群连续作战能力。