Handling scheme simulation and scheduling optimization for carrier-borne aircraft

0引 言

舰载机甲板调运方案包含滑行路径及时序两方面的内容，优秀的舰载机调运方案可有效提升舰载机的紧急出动架次率，从而确保航空母舰在突发高威胁态势下的生存能力。美国近年来利用先进的智能算法，探索舰载机的优化调度策略以进一步释放航空母舰的作战能力，开发了一个名为“作战计划人员甲板作业课程”（deck operation course of action planner, DCAP ）的系统[1] ，用于模拟航空母舰甲板上行动的随机性事件，并训练机器学习算法来完成舰载机的优化调度。美海军航空数据管理和控制系统（ADMACS）已装备于航空母舰上[2- 3]，用于跟踪舰载机飞行计划执行情况，同时以可视化的形式监控舰载机的出动回收过程。在舰载机调运研究方面，国内学者主要针对调运路径、调运时序这2个方面建立了各类数学模型，并利用启发式和群智能优化等算法对舰载机的调运方案进行搜索寻优。韩维等[4] 提出了凸壳结构的舰载机轮廓，其以粒子群算法的粒子速度作为舰载机的滑行速度矢量，以最小总滑行距离为优化目标，开展了静态调运路径规划。贺少华等[5] 将A*算法引入调运路径搜索中，获得了快速进入弹射器滑轨的调运路径。张智等[6] 针对有杆牵引系统甲板调运，提出基于舰载机本体及障碍物目标的凸壳结构，推导出多目标间碰撞检测及距离计算方法，以人工势场法建立了避碰路径规划模型。刘洁等[7] 针对舰载机滑行、无杆牵引、有杆牵引这3种不同的运动模型，建立了舰载机调运轨迹跟踪理论，确保了无人机自动滑行的运动控制精度。对于多舰载机协同调运过程，每架飞机的调运时序是关键。高杰等[8] 提出了一种基于混合整数规划的舰载机甲板调运协调算法，解决了多舰载机调运过程中的协调和避碰问题。杨炳恒等[9]分析了舰载机出机库作业时序，建立了舰载机交通网络模型，对作业时序方案进行启发式搜索优化，进而使人员和装备得到最大利用率。司维超等[10] 以总调运时间最短、总调运距离最短为优化目标，分别利用粒子群和遗传算法，得出了舰载机舰面最优布列和调运时序。在实践方面，目前国外主要通过指挥员提前手动编排调运方案，过程中利用显灵板、指挥电话等辅助装置进行指挥，对于舰载机数量较少的场景，能取得很好的调运效果，但对于大机群出动等复杂、并行调运方案的编排，存在一定的难度，且对于随机事件的鲁棒性不足。

综上所述，目前关于舰载机调运路径、时序的优化主要采用启发式搜索，计算效率不高，尤其是面向多机的并行出动回收作业难以快速获得最优调运方案。因此，本文拟针对“福特”号航空母舰典型舰载机波次出动回收作业流程、初始布列形式、调运原则及约束条件等，引入图论网络拓扑结构，以实现调运路径的快速规划；建立舰载机滑行运动数学模型，利用视线法完成精确轨迹控制，针对多机同步并行调运作业，提出一种快速调度时序生成与优化方法，在保证规定数量舰载机调运总时间最短的前提下，实现高计算效率。

1基于网络拓扑结构的调运路径规划

1.1有向多值网络

拓扑网络是网络结构分析、路径规划的重要工具，网络的类型有很多，对于舰载机调运路径规划这类流量、距离敏感型网络结构，需要对节点间的通路进行加权；与此同时，考虑到舰载机的滑行过程不可倒退，故应采用有向多值网络表示调运滑行路径。在此基础上，采用 Dijkstra，WarshallFloyd等算法可快速获取调运与避碰路径。舰载机在甲板面的实际调运过程中，均按区域进行“接力式”调运指挥，每个区域有多名调运员具体负责本区域舰载机的调运指挥，每个区域的调运路线相对固定。这种做法有如下优点：一是调运路径由多段通路首尾相接组成，相对固定，极大地减少了不确定性，缩短了路径规划时间；二是便于调运方案的快速下达，便于调运员更准确地理解调运方案。在充满随机事件的飞行甲板上，“不怕慢就怕站”，“确定”即“高效”，尽可能降低调运过程中的不确定性是确保调运效率的关键。

1.2舰载机甲板调运网络拓扑结构

定义：路径节点i与 j之间若有直接通路r，即定义该通路 rij 为通路元，表示从节点i 到节点j之间可单向通畅，该通路元的直线长度为该通路元的距离。邻接矩阵元素可表示为