引言
随着无人飞行器技术的快速发展，无人机的应用不断获得新的突破，无人机取代有人机并作为空战主力逐步得到世界各国的肯定。另一方面，传统有人空中平台性能面临瓶颈，效费比不断走低。探寻空中作战平台战斗力提升需要走新路子。由于有人机与无人机的优势劣势互补，通过有人机指挥无人机集群作战是一条有效地发展方向。
1.研究背景与意义
由于在仅使用一架无人机的情况下，其对作战效能的影响并不大，因此为了提高无人机的对抗能力，使用其多个个体的编队形式，采取协调的战术配合，以此形成相对的规模优势，成为了无人机作战运用的发展方向。然而，目前无人机虽已能正常形成编队，但其正常运行仍然依赖与人在回路的远程操控，在这种模式下的缺陷也十分明显。主要表现为带宽低、延时高，可靠性和安全性差。造成其指控范围受限，容易受到监听、诱骗等问题，无法适应现代战争的快节奏，与理想中的作战效能形成鲜明的矛盾。因此，无人机的协同作战应用需要有人的智慧参与。另一方面，由于空中作战的复杂性和危险性，昂贵的有人机及宝贵的飞行员生命往往承担巨大的风险，而无人机恰能有效化解这一风险。由此可见二者的优势劣势互补，二者融合发展成为了一条有效的发展方向。
2.有人机指挥无人机集群协同的航路规划流程描述
2.1有人/无人机集群协同作战飞行过程划分
在有人机指挥无人机集群协同作战的航路规划过程中，依据无人机飞行平台的作战飞行过程，可分为巡航飞行、任务作业飞行、处突规避飞行三个阶段，不同阶段的航路规划在实时性、条件约束方面的侧重点不同。
在巡航飞行阶段，有人机/无人机集群将根据任务、地形、敌情等特点确定航路、航速等编队飞行。集群编队飞行过程中需要根据地形、障碍等外部环境灵活改变编队队形。
在任务作业飞行阶段，有人机/无人机集群的航路规划将根据自身特点进行。一般情况下，应将有人机置于能够安全指挥的空域保持巡航，视情况留存预备无人机以备调用，将全/半全功能无人机子集群前出执行任务作业。
在处突规避飞行阶段，有人机与无人机集群需要根据突现的威胁快速进行决策，规划好航路以应对突发威胁，迅速逃离威胁区，可以为对预先规划的修改，也可以为选择应急方案。
对全/半全功能无人机子集群间的个体而言，由于在对抗中需要及时规避突发威胁，预规划的航路随时会被调整，从而无人机进入处突规避的飞行阶段，在确认威胁解除后，无人机继续执行任务，进而重新转入任务作业飞行阶段，飞行航路需要重新调整并实时规划。因此对于无人机个体而言，任务作业飞行阶段与处突规避飞行阶段是交替进行的，且此阶段对规划的实时性要求较高。
2.2航路规划的分类
航路规划指的是规划飞机从起点到终点的航路。在时间上分为预先规划和实时规划，前者指的是在任务前综合所得情报进行的规划航路；后者为在紧急情况下应对任务区域不确定性进行的规划。两种规划的航路均要满足如下指标：
1、规划航路应满足飞机平台自身的性能特点规律，确保规划航路对指定平台的可行性。
2、规划航路应保证自身、友军及其他需要保护目标的安全，既要规避障碍，也要降低空域内其他因素的威胁和潜在威胁。
图 2.1 有人/无人机集群各飞行阶段航路规划分类
3.国内外研究现状
由于今年来无人机平台的迅猛发展，世界各国对无人机的研发也已摆脱单枪匹马作战的旧模式、逐步探索无人机在智能技术加持下的全新作战运用形式——有人/无人机协同作战。
目前对有人/无人机集群协同的研究主要围绕两项难点，一是无人机集群间的协同，二是有人机对无人机集群的指挥控制。前者需要实现无人机群能够自主编队，并能在激烈的战术对抗中有效协同应对，后者主要保证指挥人员对无人机群的战术战役协调控制。
3.1无人机集群协同的研究现状
无人机集群的协同在无人机具备作战能力后，很早就得到了研究，旨在通过集群优势，弥补单架飞机能力性能上的不足，技术上主要需要解决无人机的编队控制问题和无人机的作战协同控制问题。
3.2有人机与无人机协同的研究现状
有人机和无人机协同作战是一个复杂过程，二者要实现良好的实际应用效果，需要多环节间密切配合，目前得到普遍认可的包括协同态势感知与评估技术、协同任务分配技术、协同航路规划技术、协同编队技术与跟踪控制技术、战场智能决策技术和目标打击效能评估技术等多种技术。
3.3有人/无人机集群协同航路规划技术的研究现状
传统的对航路规划方法的研究按规划目的划分，一般分为两类，一是以旅行商(Traveling Salesman Problem,TSP)问题为代表，要求被规划个体遍历所有任务点，并以降低航路代价为主要目标的一系列衍生规划问题；二是在障碍条件下，要求被规划个体能够在规避障碍的条件下，以最小的航路代价到达指定目标位置的系列规划问题。
第一类的规划方法以大多以从自然界中的事物变化为灵感来源的智能优化方法为主，如：
以染色体变异为灵感来源的遗传算法(Genetic Algorithm, GA)，以染色体种群的交叉、变异、遗传为核心，通过一代代的繁衍及人为的自然选择得到最优染色体即最优航路。方法思路简单，实现方便，但容易取得局部最优解。
以仿照种群迁徙过程的生物地理学优化方法(Biogeography based Optimization, BBO)。与遗传算法类似，通过仿照生物种群的迁移和变异实现优化过程。
第二类的规划方法由于涉及障碍的规避，需要对障碍区域进行描述，一般涉及图论的知识，将障碍区域划入不可规划区域内，再结合算法在可规划区域进行规划。
较为经典的方法是任务区域栅格化，通过计算距离函数，采用Dijkstra方法进行规划。后有对其进行改进，添加了启发式计算因子，减少最短路径搜索时间的A*、D*及其改进或与其他方法的结合方法等。以及在此基础上克服了栅格法与动力学运动约束矛盾的基于采样的规划方法，如快速扩展随机树(Rapidly exploring Random Tree，RRT)算法。
人工势场法(Potential field approaches)通过一种势函数来描述任务环境的空间结构，势函数是一种数值函数，模拟出了一种想象中的势场，势场中的个体受势场力作用，与目标相互吸引，与障碍相互排斥，但由于可能存在势场中某处势场合力为零，优化过程因此可能陷入局部最优。
4.总结
本文主要进行的是有关有人机指挥无人机集群协同的航路规划流程描述以及相关的国内外研究现状的描述。在有人机指挥无人机集群协同的航路规划流程描述部分，我们着重进行了有人/无人机集群协同作战飞行过程划分、有人/无人机集群协同预先规划以及有人/无人机集群实时规划的讨论。在此基础上，我们进行了相.国内外研究现状的讨论，去区分了无人机集群协同的研究现状、有人机与无人机协同的研究现状以及有人/无人机集群协同航路规划技术的研究现状三个部分。
参考文献
[1] 唐胜景，史松伟，张尧，等. 智能化分布式协同作战体系发展综述[J]. 空天防御, 2020, 2(01): 6-13.
[2] United S D O D. Unmanned Systems Integrated Roadmap FY2011-2036[R]. U.S.: United States Department Of Defense, 2011.
[3] United S D O D. Unmanned Systems Integrated Roadmap 2017-2042[R]. U.S.: United States Department Of Defense, 2017.
[4] United S D O D. Unmanned Systems Integrated Roadmap 2013-2038[R]. U.S.: United States Department Of Defense, 2013.
[5] 唐传林，黄长强，丁达理，等. 一种UCAV自主空战智能战术决策方法[J]. 指挥控制与仿真, 2015, 37(05): 5-11.