多無人機協同編隊控制研究現狀及進展

都若塵，許江濤

多無人機協同編隊控制研究現狀及進展

都若塵，許江濤

（哈爾濱工程大學 航天與建筑工程學院，黑龍江 哈爾濱 150001）

目前，多無人機編隊是未來戰場的主流趨勢已成為普遍共識．各國投入了大量資源進行相關理論和技術研究與開發，傳感器技術、智能控制技術、信息融合技術以及無線通信技術都獲得了較大的進步與發展，無人機技術日臻成熟．回顧無人機的發展歷史，概述了國內外無人機集群的重點項目，多無人機編隊的關鍵技術；闡述了編隊控制體系與結構，從任務規劃與決策、航跡規劃、編隊控制3個重點方面總結近些年國內外的一些先進理論與應用技術，對編隊控制的優缺點進行了詳盡分析；展望了多無人機協同控制編隊未來的發展前景．

多無人機；編隊控制；任務決策；航跡規劃

自英國將領于第一次世界大戰期間提出無人機的設想，到1991年海灣戰爭無人機頻繁被應用于現代戰場，時至今日，數十個國家已投入大量人力、物力和財力用于無人機的研發與生產，并引發無人機研究的熱潮．經過100多年的研究，無人機這一先進技術已進入了高速發展階段，無人機技術日臻成熟．現在無人機不僅應用于軍事領域，在地質勘探、交通運輸、航拍等民用領域的普及度也很高．可以預見，隨著人工智能、通信技術、芯片領域、材料科技等進一步發展和成熟，必將推動無人機在更多領域發揮作用，受益于各行各業．

盡管如此，目前無人機在執行任務時還是存在著一定的局限性，如巡視戰場、觀察敵情時，可能受到角度、續航時間等限制產生信息缺陷，進而導致軍事決策出現偏差，且單架無人機在火力覆蓋范圍、殺傷力、精準度等方面都會受到限制．此外，當無人機受到損傷時，必須立刻返程會極大影響任務的執行效率，且可能會延誤戰機，甚至會對整個戰場形勢造成影響．針對這些局限，面對高風險、高動態性環境及高突發性的戰場，無人機從單機作戰模式已經轉換成了多機“集群”作戰．一方面，面對不確定的未來戰場，多機協同作戰可實現互相彌補，提高任務執行的多樣性和復雜性，著力提高任務的整體執行效率；另一方面，多機協同也可以實現自組網，單機各自完成對任務環境的感知并進行信息交互，同時多機協同不僅依靠個體的力量，在突發情況下，即使出現個體的損傷甚至摧毀，整個無人機集群仍能執行作戰任務．無人機需要多機協同控制才能實現集群，多機協同控制既可以發揮單機靈動性，又可以實現整體的效率性，進而實現預定任務的達成．因此，適時總結梳理無人機重點研究項目及相關關鍵技術，尤其是編隊控制體系與結構的最新研究成果，并深入總結目前存在的問題和困難都是十分必要的．在此基礎上，展望未來發展方向，對于無人機編隊控制理論研究和技術開發都具有重要意義．

美國是最早開始無人機集群研究的國家之一．2014年，美國國防部高級研究設計局提出了“拒止環境協同作戰（CODE）”項目，通過研發自主性算法和監督控制技術軟件，增強無人機在拒止環境的作戰能力以及減輕在通訊干擾等惡劣環境下地面人員的壓力．利用合理的方法將各項功能載荷集成到一個無人機智能編隊中，即使在與任務指揮官或者通訊平臺失去聯系后，仍能自主地完成任務．2015年，美國國防部高級研究設計局在前期工作基礎上宣布啟動一個旨在實現空中可回收無人系統的“小精靈”項目．該項目設計理念是讓現有的大飛機在敵方防御射程外發射成群結隊的小型無人機，突破防御后采用集群的方式對威脅進行探測或干擾等任務，當任務結束后，運輸機將小型無人機在空中回收并由工作人員完成重置等待下次使用．我國的無人機集群項目起步較晚，但目前正處于蓬勃發展的階段．中國科學院沈陽自動化研究所建立了多機器人裝配系統（MRCAS系統）[1]，北京航空航天大學研究基于生物集群的無人機智能編隊方法，上海交通大學研制了多移動機器人系統平臺Active Media Robotics[2]等一系列的項目．雖然我國無人機編隊控制起步較晚，但經過幾十年的研究已經逐步趕上世界一流國家，甚至在個別領域已經完成了趕超．

1 無人機協同編隊的關鍵技術

無人機協同編隊的關鍵技術包括任務規劃與決策、航跡規劃、編隊控制等．

1.1 任務規劃與決策

無人機編隊可在戰場的復雜環境中同時完成監視、偵察、威脅目標等任務，合理的任務規劃是任務執行的基礎．增強無人機群執行任務的能力和作戰效應，合理的決策、規劃勢在必行．這里的決策不僅指任務規劃后的決策，而且指無人機編隊的決策，決策的內容包括目標的分配，目標基于優先級的排序，面對威脅時的決策、任務分配、航跡規劃等．在無人機編隊和單機執行任務時，任務執行順序的分配和協調、多機之間任務執行序列的沖突調節、外部的動態環境以及不確定的威脅等都需要通過制定高效合理的任務計劃，最大程度保證無人機的存活率以及任務的執行效率是目前各國研究主要突破方向．常用的模型分為單任務模型和多任務模型2種，單任務模型又包括多旅行商模型[3]和車輛路徑模型[4]；多任務模型則包括動態網絡流優化模型[5]和混合整數線性規劃問題模型[6]等．而任務分配的求解模式分為集中式和分布式，其中集中式求解模式是存在一個任務中心，實現多無人機編隊任務的收集和結合，完成任務的求解，生成優先級排序分配給不同的無人機；而分布式求解模式是首先將任務進行分解子任務，然后對子任務進行求和與整合，最后計算整體任務的解．多機協同任務規劃與決策提高了無人機集群系統靈活性、容錯率和任務執行效率．

1.2 航跡規劃

航跡軌跡是指無人機編隊在有障礙物干擾環境下從起始地到目的地的最優路徑選擇問題．在近些年相關研究中，可大致分為4類：

1.2.1 傳統法 基于圖形學的思想進行路徑規劃．其中Voronoi圖法首先在路徑選擇區域中生成一張路徑網，然后從路徑網中選擇所需的最佳路徑．趙文婷[7]等根據建立表征威脅分布的Voronoi圖，實現對無人機群航跡的規劃、優化等．

1.2.2 人工勢場法 通過構建人工勢場的方式，保證編隊整體在避開障礙物的情況下平穩行進至終點．楊潔[8]等通過更改斥力場函數，解決了目標點與威脅過近導致的無法抵達問題．

1.2.3 啟發法 利用圖論的方式對路徑進行規劃，主要有A*算法、D*算法、粒子群算法、遺傳算法等．魏亭[9]等提出了一種基于稀疏A*遺傳算法的無人機三維航跡規劃方法，優化了自適應遺傳算法尋優效率低的問題．

1.2.4 智能仿生法 結合自然規律和仿生學的思想對路徑實現規劃．陳俠[10]等在螞蟻覓食啟發下使用自適應調節參數的方法優化一般蟻群算法，解決其容易陷入局部最優解的問題，設計了一種能跳出局部最優能力的改進蟻群算法．

1.3 編隊控制理論

無人機編隊控制是無人機技術的基石，經過國內外專家學者探索，編隊控制理論研究成就斐然，主要編隊控制方法[11]包括領航者-跟隨者法、虛擬結構法、基于行為法及一致性理論等．

1.3.1 領航者-跟隨者法 基于領航者-跟隨者的編隊方式是較為成熟、完善且應用廣泛的編隊方式（見圖1），該方法的基本思路是將無人機群分為領航者和跟隨者2部分，領航者按照預定軌跡進行運動，跟隨者跟隨領航者的軌跡進行運動，并與領航者之間保持一定距離，防止發生組內碰撞．Ghamry[12]等基于領航跟蹤法設計了一種滑膜和線性二次調節器相結合方式對編隊進行控制，實現了位置、姿態、速度的協同變換．Dehghani[13]等提出了一種在忽略通信網絡的情況下設計了基于導引頭測量的三維領航者-跟隨者編隊控制器，該編隊控制實現了領航者快速運動同時保證隊形維持穩定．Zhang[14]等將領航者-跟隨者與一致性算法相結合，利用狀態反饋和輸出反饋2種方法設計了一種對非線性多智能體系統的編隊控制器，并推廣至高階系統，最后通過李雅普諾夫函數驗證編隊系統的穩定性．周俊杰[15]等利用傳統的領航-跟隨算法設計了跟隨者在隊形中的期望位置，結合行為法使跟隨者駛向期望點，可使多機快速形成編隊且維持編隊飛行的穩定性．

領航者-跟隨者的優點為：只需指定一個無人機為領航者，控制簡單易于實現．缺點是：（1）領航者的魯棒性就是整個集群系統的魯棒性，若領航者發生故障，編隊也將被破壞；（2）跟隨者不能對領航者造成影響，當領航者產生誤差時，沒有及時進行反饋，容易造成誤差累積．

1.3.2 虛擬結構法 虛擬結構法是將無人機隊形看作一個具有多個節點的虛擬剛體結構，每個無人機對應剛體結構上一個固定點，當隊形發生變化時，每個無人機跟隨其對應的點完成同步運動（見圖2）．何真[16]等提出了一種以虛擬結構為框架，在控制算法中加入隊形反饋項，使控制器既能控制編隊的運動速度，又能在運動過程中較好地維持隊形穩定．邵壯[17]等基于虛擬編隊方法，利用非線性模型預測方法設計了一個含有隊形反饋的編隊控制器，并用動態參數對編隊保持和參考軌跡飛行進行自適應切換，提高了大機動情況下編隊隊形維持能力．呂永申[18]等提出了一種人工勢場與虛擬結構結合的控制方法，通過設計個體與個體間、個體與虛擬結構點、目標參考點和虛擬結構點的人工勢場，使編隊沿著虛擬結構點的軌跡到達預定位置完成編隊．虛擬結構法不同于領航者-跟隨者法，不需要顯式領航者，通過將誤差反饋項加入編隊控制，從而提高編隊控制精度．

圖1 領航者-跟隨者法

圖2 虛擬結構法

1.3.3 基于行為法 基于行為法是具有仿生學思想的控制方法，本質上為一些行為動作的集合，如避障、集合、隊形變換、隊形保持等．每個動作對應著一種控制方法，并把權重賦予各個動作．基本思路是首先對行為進行設計與協調，然后對行為的權重進行調整求和，實現期望的動作集合．邱華鑫[19]等基于鴿群的層級模式，結合有向圖和人工勢場，建立了一個鴿群的拓撲結構和領導模型，設計了一個基于鴿群的編隊控制器．周子為[20]等利用雁群在編隊飛行過程中上洗氣流節約體力的優點，設計了一種仿雁群的無人機緊密編隊控制方法和基于雁群行為的編隊變拓撲重構方法，實現以較少的耗油量完成編隊行為、隊形保持及編隊變拓撲重構．張令[21]等受寒鴉行為機制的啟發，提出了一種配對的交互式模型進行無人機的編隊控制．首先，該方法模仿寒鴉個體間的配對交互，對一定比例的無人機進行配對，分別對配對和未配對的無人機進行運動學研究；其次，考慮速度、阻尼、慣性等因素，建立了配對交互模型；最后，映射在無人機模型中形成基于寒鴉配對交互的編隊．基于行為法的編隊控制優點是采用分布式控制，魯棒性好，擴展性強；缺點為難以形成固定的編隊隊形，隊形穩定性差，無法顯示定義群體行為，難以進行數學上的定量分析．

1.3.4 一致性理論 一致性理論是基于一致性的編隊控制，將代數圖論和控制理論相結合形成專屬于多智能體的編隊控制理論．最常見的連續時間一致性算法[22]

一致性的基本思想是通過將機群系統表達式轉化為誤差系統表達式，利用局部協同等方式消除誤差，進而完成指定編隊，并使用分段式李雅普諾夫函數對編隊控制進行穩定性分析．該理論的關鍵在于如何將機群系統轉化為誤差系統．經過眾多學者的研究發現，一般采用拉普拉斯矩陣降解、分解等方式，并且最后會使用一致性理論對具體問題進行具體分析．一致性理論通常把拓撲分為有環和無環2類，在此基礎上加上時延、定向切換拓撲、時變拓撲、分組一致等方式．Wei[23]等研究了具有時延和切換拓撲多智能體的一致性問題，將狀態時延反饋引入到現有的共識協議中，設計了一個改進的編隊控制器，并推導出充要條件，使得具有時變自延遲的系統達到一致．Wang[24]等根據分組情況對無人機群系統采用拉普拉斯矩陣降解的方法，使其轉化為誤差系統，然后對系統進行了穩定性分析．周紹磊[25]等在事件觸發情況下提出了一種新的分組一致性算法．該算法可以根據所屬分組的不同產生不同的耦合參數．因為不同的參數對形成一致的速度也產生不同的影響，所以又給出了參數的選擇條件．基于一致性理論的編隊控制，實際上為編隊控制的普遍基礎理論，該方法兼顧實際魯棒性和穩定性分析的數學性，發展的縱深性也很好，極具發展前景．

2 無人機未來發展趨勢

2.1 異構多智能體編隊控制問題

目前無人機編隊的研究多為同構智能體，即編隊中所有智能體具有相同動力學模型．而在實際應用中多為異構智能體編隊，如無人機與地面車協同作戰、有人機-無人機協同作戰、航天器集群系統等，編隊內智能體的動力學模型具有較大差異．且異構無人機編隊多處于一階與二階模型相結合的階段，對高階模型異構編隊的研究較少，并且在其上結合時延、圖論、通信拓撲切換等也是很好的研究方向．在實際情況下，編隊中全為同構無人機的條件很難實現，所以異構編隊控制問題是極具未來前景的發展方向之一．

2.2 通信感知約束下的編隊控制問題

通信是多無人機協同編隊的基礎．在現實情況下，多無人機協同編隊中通信不可能為最理想的狀態，會出現通信延遲、通信時有時無、通信受阻等情況，包括通信節點損壞、通信中的某條鏈路受損．某個無人機在通信網絡上失聯等情況下多無人機編隊協同控制設計，使其具有一定的擴展性以及優秀的魯棒性，是未來研究的重點．因此，通信非理想下的編隊控制是值得研究的方向之一．

類似于通信，感知同樣也是無人機編隊必不可少的一部分．感知能力能保證無人機獲取群體內的其他個體相對速度、加速度、方向等信息，保證無人機群的行進方位、整體的避障和群體內部個體的互相躲避．然而，由于實際情況下往往會出現感知延遲、感知能力受損或危險出現在感知范圍外等情況，所以對感知約束下的無人機編隊控制研究同樣是未來的發展方向之一．

2.3 多無人機編隊實例研究

截至現在，多無人機編隊的理論成果豐碩，雖然考慮一些噪聲、延遲、誤差等問題，但也基本處于數值仿真階段．因為在實際應用中存在著大量的隨機因素影響，所以必須經過嚴謹的實例研究，在此基礎上才能將這些理論成果轉化為實際應用，這也是急需解決的問題．

3 結語

本文介紹了國內外無人機集群編隊研究主要重大項目，闡述了多無人機協同編隊的關鍵技術，歸納總結了近些年的先進研究理論，并對編隊控制的未來發展方向進行設想．總之，在信息化、科技化、智能化的未來，無人機編隊控制技術也會日益完善進步，并且作為一個前沿研究方向，會與更多領域交叉融合，不僅是未來戰場的主流，同時也會在民事領域發揮著不可或缺的作用．

[1] 王越超，談大龍．協作機器人學的研究現狀與發展[J]．機器人，1998，20（1）：69-75．

[2] 陳衛東，李振海，席裕庚．分布式多自主機器人系統沖突及其消解策略的實例研究[J]．系統仿真學報，2002，14（10）：1288-1292．

[3] Rabil B S，Fahmy M A，Aly G M．Traveling Salesman Problem for Surveillance Mission Using Particle Swarm Optimization[C]// IEEE Congress on Evolutionary Computation．IEEE，2007．

[4] Prashanth Venkatraman，Michael W，Levin．A congestion-aware Tabu search heuristic to solve the shared autonomous vehicle routing problem[J]．Journal of Intelligent Transportation Systems，2019（1）：1-13．

[5] Nygard K E，Chandler P R，Pachter M．Dynamic network flow optimization models for air vehicle resource allocation[C]//American Control Conference．IEEE，2001．

[6] Alighanbari M．Task assignment algorithms for teams of UAVs in dynamic environments[J/OL]．Massachusetts Institute of Technology，（2005-06-10）[2021-08-20]．https://www.researchgate.net/publication/35709198．

[7] 趙文婷，彭俊毅．基于VORONOI圖的無人機航跡規劃[J]．系統仿真學報，2006，18（S2）：159-162，165．

[8] 楊潔，王新民，謝蓉．基于改進APF的無人機編隊航跡規劃[J]．西北工業大學學報，2013，31（2）：200-205．

[9] 魏亭，厲虹．基于稀疏A*遺傳算法的無人機三維航跡規劃[J]．北京信息科技大學學報（自然科學版）， 2015（1）：35-40．

[10] 陳俠，艾宇迪，梁紅利．基于改進蟻群算法的無人機三維航跡規劃研究[J]．戰術導彈技術，2019（2）：59-66．

[11] 周紹磊，康宇航，秦亮，等．多無人機協同控制的研究現狀與主要挑戰[J]．飛航導彈，2015（7）：31-35．

[12] Ghamry K A，Zhang Y．Formation control of multiple quadrotors based on leader-follower method[C]//ICUAS．IEEE，2015：1037-1042．

[13] Dehghani M A，Menhaj M B．Integral sliding mode formation control of fixed-wing unmanned aircraft using seeker as a relative measurement system[J]．Aerospace Science & Technology，2016（8）：318-327．

[14] Zhang C，Le C，Zhang X．Leader-follower consensus of upper-triangular nonlinear multi-agent systems[J]．IEEE/CAA Journal of Automatica Sinica，2014，1（2）：210-217．

[15] 周俊杰，史志富．基于改進領航-跟隨法的無人機集群編隊飛行控制方法研究[C]// 2019年（第四屆）中國航空科學技術大會．2019.

[16] 何真，陸宇平，劉燕斌．基于虛擬結構的分布式編隊控制方法[J]．應用科學學報，2007，25（4）：387-391．

[17] 邵壯，祝小平，周洲，等．無人機編隊機動飛行時的隊形保持反饋控制[J]．西北工業大學學報，2015（1）：26-32．

[18] 呂永申，劉力嘉，楊雪榕，等．人工勢場與虛擬結構相結合的無人機集群編隊控制[J]．飛行力學，2019（3）：43-47．

[19] 邱華鑫，段海濱，范彥銘．基于鴿群行為機制的多無人機自主編隊[J]．控制理論與應用，2015，32（10）：1298-1304．

[20] 周子為，段海濱，范彥銘．仿雁群行為機制的多無人機緊密編隊[J]．中國科學（技術科學），2017，47（3）：230-238．

[21] 張令，段海濱，雍婷，等．基于寒鴉配對交互行為的無人機集群編隊控制[J]．北京航空航天大學學報，2021，47（2）：391-397．

[22] Ren W，Beard R W．Consensus seeking in multiagent systems under dynamically changing interaction topologies[J]．IEEE Transactions on Automatic Control，2005，50（5）：655-661．

[23] Wei J，Fang H．Multi-agent consensus with time-varying delays and switching topologies[J]．系統工程與電子技術（英文版）， 2014，25（3）：489-495．

[24] Wang L，Yu J．Group consensus in multi-agent systems with switching topologies and communication delays[J]．Systems and Control Letters，2010，59（6）：340-348．

[25] 周紹磊，王帥磊，祁亞輝，等．分布式事件觸發下的多智能體分組一致性[J]．控制工程，2020，27（S1）：3-9．

Research status and progress of coordinated formation flight control for multi-UAVs

DU Ruochen，XU Jiangtao

（School of Aerospace and Civil Engineering，Harbin Engineering University，Harbin 150001，China）

At present，formation flight for multiple unmanned aerial vehicles（UAVs） is the mainstream in the future war has become a general consensus．An array of countries have invested a lot of resources in relevant theoretical and technical research and development．Sensor technology，intelligent controls technology，information fusion technology and wireless communication technology have made great progress and development．And UAVs technology is becoming more and more mature．Briefly reviews the development history of UAV．It surveys the key projects of unmanned aerial vehicle swarm at home and abroad and then introduces the key technologies of multi-UAVs formation．The crucial technologies，namely formation control system and structure，are described in detail，from the three key aspects of task planning and decision-making，route planning and formation control，some advanced theories and application technologies at home and abroad in recent years are summarized，and the advantages and disadvantages of formation control are analyzed in detail．The future development prospects of multi-UAVs cooperative control formation are given．

multi-UAVs；flight control；task assignment；route planning

TP391.9

A

10.3969/j.issn.1007-9831.2022.02.008

1007-9831（2022）02-0042-05

2021-09-16

都若塵（1996-），男，黑龍江齊齊哈爾人，在讀碩士研究生，從事無人機編隊控制技術研究．E-mail：drc96@hrbeu.edu.cn

許江濤（1975-），男，湖北天門人，教授，博士，從事無人機編隊控制技術研究．E-mail：hit_xjt@163.com