多无人机协同编队控制研究现状及进展

都若尘，许江涛

多无人机协同编队控制研究现状及进展

都若尘，许江涛

（哈尔滨工程大学 航天与建筑工程学院，黑龙江 哈尔滨 150001）

目前，多无人机编队是未来战场的主流趋势已成为普遍共识．各国投入了大量资源进行相关理论和技术研究与开发，传感器技术、智能控制技术、信息融合技术以及无线通信技术都获得了较大的进步与发展，无人机技术日臻成熟．回顾无人机的发展历史，概述了国内外无人机集群的重点项目，多无人机编队的关键技术；阐述了编队控制体系与结构，从任务规划与决策、航迹规划、编队控制3个重点方面总结近些年国内外的一些先进理论与应用技术，对编队控制的优缺点进行了详尽分析；展望了多无人机协同控制编队未来的发展前景．

多无人机；编队控制；任务决策；航迹规划

自英国将领于第一次世界大战期间提出无人机的设想，到1991年海湾战争无人机频繁被应用于现代战场，时至今日，数十个国家已投入大量人力、物力和财力用于无人机的研发与生产，并引发无人机研究的热潮．经过100多年的研究，无人机这一先进技术已进入了高速发展阶段，无人机技术日臻成熟．现在无人机不仅应用于军事领域，在地质勘探、交通运输、航拍等民用领域的普及度也很高．可以预见，随着人工智能、通信技术、芯片领域、材料科技等进一步发展和成熟，必将推动无人机在更多领域发挥作用，受益于各行各业．

尽管如此，目前无人机在执行任务时还是存在着一定的局限性，如巡视战场、观察敌情时，可能受到角度、续航时间等限制产生信息缺陷，进而导致军事决策出现偏差，且单架无人机在火力覆盖范围、杀伤力、精准度等方面都会受到限制．此外，当无人机受到损伤时，必须立刻返程会极大影响任务的执行效率，且可能会延误战机，甚至会对整个战场形势造成影响．针对这些局限，面对高风险、高动态性环境及高突发性的战场，无人机从单机作战模式已经转换成了多机“集群”作战．一方面，面对不确定的未来战场，多机协同作战可实现互相弥补，提高任务执行的多样性和复杂性，着力提高任务的整体执行效率；另一方面，多机协同也可以实现自组网，单机各自完成对任务环境的感知并进行信息交互，同时多机协同不仅依靠个体的力量，在突发情况下，即使出现个体的损伤甚至摧毁，整个无人机集群仍能执行作战任务．无人机需要多机协同控制才能实现集群，多机协同控制既可以发挥单机灵动性，又可以实现整体的效率性，进而实现预定任务的达成．因此，适时总结梳理无人机重点研究项目及相关关键技术，尤其是编队控制体系与结构的最新研究成果，并深入总结目前存在的问题和困难都是十分必要的．在此基础上，展望未来发展方向，对于无人机编队控制理论研究和技术开发都具有重要意义．

美国是最早开始无人机集群研究的国家之一．2014年，美国国防部高级研究设计局提出了“拒止环境协同作战（CODE）”项目，通过研发自主性算法和监督控制技术软件，增强无人机在拒止环境的作战能力以及减轻在通讯干扰等恶劣环境下地面人员的压力．利用合理的方法将各项功能载荷集成到一个无人机智能编队中，即使在与任务指挥官或者通讯平台失去联系后，仍能自主地完成任务．2015年，美国国防部高级研究设计局在前期工作基础上宣布启动一个旨在实现空中可回收无人系统的“小精灵”项目．该项目设计理念是让现有的大飞机在敌方防御射程外发射成群结队的小型无人机，突破防御后采用集群的方式对威胁进行探测或干扰等任务，当任务结束后，运输机将小型无人机在空中回收并由工作人员完成重置等待下次使用．我国的无人机集群项目起步较晚，但目前正处于蓬勃发展的阶段．中国科学院沈阳自动化研究所建立了多机器人装配系统（MRCAS系统）[1]，北京航空航天大学研究基于生物集群的无人机智能编队方法，上海交通大学研制了多移动机器人系统平台Active Media Robotics[2]等一系列的项目．虽然我国无人机编队控制起步较晚，但经过几十年的研究已经逐步赶上世界一流国家，甚至在个别领域已经完成了赶超．

1 无人机协同编队的关键技术

无人机协同编队的关键技术包括任务规划与决策、航迹规划、编队控制等．

1.1 任务规划与决策

无人机编队可在战场的复杂环境中同时完成监视、侦察、威胁目标等任务，合理的任务规划是任务执行的基础．增强无人机群执行任务的能力和作战效应，合理的决策、规划势在必行．这里的决策不仅指任务规划后的决策，而且指无人机编队的决策，决策的内容包括目标的分配，目标基于优先级的排序，面对威胁时的决策、任务分配、航迹规划等．在无人机编队和单机执行任务时，任务执行顺序的分配和协调、多机之间任务执行序列的冲突调节、外部的动态环境以及不确定的威胁等都需要通过制定高效合理的任务计划，最大程度保证无人机的存活率以及任务的执行效率是目前各国研究主要突破方向．常用的模型分为单任务模型和多任务模型2种，单任务模型又包括多旅行商模型[3]和车辆路径模型[4]；多任务模型则包括动态网络流优化模型[5]和混合整数线性规划问题模型[6]等．而任务分配的求解模式分为集中式和分布式，其中集中式求解模式是存在一个任务中心，实现多无人机编队任务的收集和结合，完成任务的求解，生成优先级排序分配给不同的无人机；而分布式求解模式是首先将任务进行分解子任务，然后对子任务进行求和与整合，最后计算整体任务的解．多机协同任务规划与决策提高了无人机集群系统灵活性、容错率和任务执行效率．

1.2 航迹规划

航迹轨迹是指无人机编队在有障碍物干扰环境下从起始地到目的地的最优路径选择问题．在近些年相关研究中，可大致分为4类：

1.2.1 传统法 基于图形学的思想进行路径规划．其中Voronoi图法首先在路径选择区域中生成一张路径网，然后从路径网中选择所需的最佳路径．赵文婷[7]等根据建立表征威胁分布的Voronoi图，实现对无人机群航迹的规划、优化等．

1.2.2 人工势场法 通过构建人工势场的方式，保证编队整体在避开障碍物的情况下平稳行进至终点．杨洁[8]等通过更改斥力场函数，解决了目标点与威胁过近导致的无法抵达问题．

1.2.3 启发法 利用图论的方式对路径进行规划，主要有A*算法、D*算法、粒子群算法、遗传算法等．魏亭[9]等提出了一种基于稀疏A*遗传算法的无人机三维航迹规划方法，优化了自适应遗传算法寻优效率低的问题．

1.2.4 智能仿生法 结合自然规律和仿生学的思想对路径实现规划．陈侠[10]等在蚂蚁觅食启发下使用自适应调节参数的方法优化一般蚁群算法，解决其容易陷入局部最优解的问题，设计了一种能跳出局部最优能力的改进蚁群算法．

1.3 编队控制理论

无人机编队控制是无人机技术的基石，经过国内外专家学者探索，编队控制理论研究成就斐然，主要编队控制方法[11]包括领航者-跟随者法、虚拟结构法、基于行为法及一致性理论等．

1.3.1 领航者-跟随者法 基于领航者-跟随者的编队方式是较为成熟、完善且应用广泛的编队方式（见图1），该方法的基本思路是将无人机群分为领航者和跟随者2部分，领航者按照预定轨迹进行运动，跟随者跟随领航者的轨迹进行运动，并与领航者之间保持一定距离，防止发生组内碰撞．Ghamry[12]等基于领航跟踪法设计了一种滑膜和线性二次调节器相结合方式对编队进行控制，实现了位置、姿态、速度的协同变换．Dehghani[13]等提出了一种在忽略通信网络的情况下设计了基于导引头测量的三维领航者-跟随者编队控制器，该编队控制实现了领航者快速运动同时保证队形维持稳定．Zhang[14]等将领航者-跟随者与一致性算法相结合，利用状态反馈和输出反馈2种方法设计了一种对非线性多智能体系统的编队控制器，并推广至高阶系统，最后通过李雅普诺夫函数验证编队系统的稳定性．周俊杰[15]等利用传统的领航-跟随算法设计了跟随者在队形中的期望位置，结合行为法使跟随者驶向期望点，可使多机快速形成编队且维持编队飞行的稳定性．

领航者-跟随者的优点为：只需指定一个无人机为领航者，控制简单易于实现．缺点是：（1）领航者的鲁棒性就是整个集群系统的鲁棒性，若领航者发生故障，编队也将被破坏；（2）跟随者不能对领航者造成影响，当领航者产生误差时，没有及时进行反馈，容易造成误差累积．

1.3.2 虚拟结构法 虚拟结构法是将无人机队形看作一个具有多个节点的虚拟刚体结构，每个无人机对应刚体结构上一个固定点，当队形发生变化时，每个无人机跟随其对应的点完成同步运动（见图2）．何真[16]等提出了一种以虚拟结构为框架，在控制算法中加入队形反馈项，使控制器既能控制编队的运动速度，又能在运动过程中较好地维持队形稳定．邵壮[17]等基于虚拟编队方法，利用非线性模型预测方法设计了一个含有队形反馈的编队控制器，并用动态参数对编队保持和参考轨迹飞行进行自适应切换，提高了大机动情况下编队队形维持能力．吕永申[18]等提出了一种人工势场与虚拟结构结合的控制方法，通过设计个体与个体间、个体与虚拟结构点、目标参考点和虚拟结构点的人工势场，使编队沿着虚拟结构点的轨迹到达预定位置完成编队．虚拟结构法不同于领航者-跟随者法，不需要显式领航者，通过将误差反馈项加入编队控制，从而提高编队控制精度．

图1 领航者-跟随者法

图2 虚拟结构法

1.3.3 基于行为法 基于行为法是具有仿生学思想的控制方法，本质上为一些行为动作的集合，如避障、集合、队形变换、队形保持等．每个动作对应着一种控制方法，并把权重赋予各个动作．基本思路是首先对行为进行设计与协调，然后对行为的权重进行调整求和，实现期望的动作集合．邱华鑫[19]等基于鸽群的层级模式，结合有向图和人工势场，建立了一个鸽群的拓扑结构和领导模型，设计了一个基于鸽群的编队控制器．周子为[20]等利用雁群在编队飞行过程中上洗气流节约体力的优点，设计了一种仿雁群的无人机紧密编队控制方法和基于雁群行为的编队变拓扑重构方法，实现以较少的耗油量完成编队行为、队形保持及编队变拓扑重构．张令[21]等受寒鸦行为机制的启发，提出了一种配对的交互式模型进行无人机的编队控制．首先，该方法模仿寒鸦个体间的配对交互，对一定比例的无人机进行配对，分别对配对和未配对的无人机进行运动学研究；其次，考虑速度、阻尼、惯性等因素，建立了配对交互模型；最后，映射在无人机模型中形成基于寒鸦配对交互的编队．基于行为法的编队控制优点是采用分布式控制，鲁棒性好，扩展性强；缺点为难以形成固定的编队队形，队形稳定性差，无法显示定义群体行为，难以进行数学上的定量分析．

1.3.4 一致性理论 一致性理论是基于一致性的编队控制，将代数图论和控制理论相结合形成专属于多智能体的编队控制理论．最常见的连续时间一致性算法[22]

一致性的基本思想是通过将机群系统表达式转化为误差系统表达式，利用局部协同等方式消除误差，进而完成指定编队，并使用分段式李雅普诺夫函数对编队控制进行稳定性分析．该理论的关键在于如何将机群系统转化为误差系统．经过众多学者的研究发现，一般采用拉普拉斯矩阵降解、分解等方式，并且最后会使用一致性理论对具体问题进行具体分析．一致性理论通常把拓扑分为有环和无环2类，在此基础上加上时延、定向切换拓扑、时变拓扑、分组一致等方式．Wei[23]等研究了具有时延和切换拓扑多智能体的一致性问题，将状态时延反馈引入到现有的共识协议中，设计了一个改进的编队控制器，并推导出充要条件，使得具有时变自延迟的系统达到一致．Wang[24]等根据分组情况对无人机群系统采用拉普拉斯矩阵降解的方法，使其转化为误差系统，然后对系统进行了稳定性分析．周绍磊[25]等在事件触发情况下提出了一种新的分组一致性算法．该算法可以根据所属分组的不同产生不同的耦合参数．因为不同的参数对形成一致的速度也产生不同的影响，所以又给出了参数的选择条件．基于一致性理论的编队控制，实际上为编队控制的普遍基础理论，该方法兼顾实际鲁棒性和稳定性分析的数学性，发展的纵深性也很好，极具发展前景．

2 无人机未来发展趋势

2.1 异构多智能体编队控制问题

目前无人机编队的研究多为同构智能体，即编队中所有智能体具有相同动力学模型．而在实际应用中多为异构智能体编队，如无人机与地面车协同作战、有人机-无人机协同作战、航天器集群系统等，编队内智能体的动力学模型具有较大差异．且异构无人机编队多处于一阶与二阶模型相结合的阶段，对高阶模型异构编队的研究较少，并且在其上结合时延、图论、通信拓扑切换等也是很好的研究方向．在实际情况下，编队中全为同构无人机的条件很难实现，所以异构编队控制问题是极具未来前景的发展方向之一．

2.2 通信感知约束下的编队控制问题

通信是多无人机协同编队的基础．在现实情况下，多无人机协同编队中通信不可能为最理想的状态，会出现通信延迟、通信时有时无、通信受阻等情况，包括通信节点损坏、通信中的某条链路受损．某个无人机在通信网络上失联等情况下多无人机编队协同控制设计，使其具有一定的扩展性以及优秀的鲁棒性，是未来研究的重点．因此，通信非理想下的编队控制是值得研究的方向之一．

类似于通信，感知同样也是无人机编队必不可少的一部分．感知能力能保证无人机获取群体内的其他个体相对速度、加速度、方向等信息，保证无人机群的行进方位、整体的避障和群体内部个体的互相躲避．然而，由于实际情况下往往会出现感知延迟、感知能力受损或危险出现在感知范围外等情况，所以对感知约束下的无人机编队控制研究同样是未来的发展方向之一．

2.3 多无人机编队实例研究

截至现在，多无人机编队的理论成果丰硕，虽然考虑一些噪声、延迟、误差等问题，但也基本处于数值仿真阶段．因为在实际应用中存在着大量的随机因素影响，所以必须经过严谨的实例研究，在此基础上才能将这些理论成果转化为实际应用，这也是急需解决的问题．

3 结语

本文介绍了国内外无人机集群编队研究主要重大项目，阐述了多无人机协同编队的关键技术，归纳总结了近些年的先进研究理论，并对编队控制的未来发展方向进行设想．总之，在信息化、科技化、智能化的未来，无人机编队控制技术也会日益完善进步，并且作为一个前沿研究方向，会与更多领域交叉融合，不仅是未来战场的主流，同时也会在民事领域发挥着不可或缺的作用．

[1] 王越超，谈大龙．协作机器人学的研究现状与发展[J]．机器人，1998，20（1）：69-75．

[2] 陈卫东，李振海，席裕庚．分布式多自主机器人系统冲突及其消解策略的实例研究[J]．系统仿真学报，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] 赵文婷，彭俊毅．基于VORONOI图的无人机航迹规划[J]．系统仿真学报，2006，18（S2）：159-162，165．

[8] 杨洁，王新民，谢蓉．基于改进APF的无人机编队航迹规划[J]．西北工业大学学报，2013，31（2）：200-205．

[9] 魏亭，厉虹．基于稀疏A*遗传算法的无人机三维航迹规划[J]．北京信息科技大学学报（自然科学版）， 2015（1）：35-40．

[10] 陈侠，艾宇迪，梁红利．基于改进蚁群算法的无人机三维航迹规划研究[J]．战术导弹技术，2019（2）：59-66．

[11] 周绍磊，康宇航，秦亮，等．多无人机协同控制的研究现状与主要挑战[J]．飞航导弹，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．基于改进领航-跟随法的无人机集群编队飞行控制方法研究[C]// 2019年（第四届）中国航空科学技术大会．2019.

[16] 何真，陆宇平，刘燕斌．基于虚拟结构的分布式编队控制方法[J]．应用科学学报，2007，25（4）：387-391．

[17] 邵壮，祝小平，周洲，等．无人机编队机动飞行时的队形保持反馈控制[J]．西北工业大学学报，2015（1）：26-32．

[18] 吕永申，刘力嘉，杨雪榕，等．人工势场与虚拟结构相结合的无人机集群编队控制[J]．飞行力学，2019（3）：43-47．

[19] 邱华鑫，段海滨，范彦铭．基于鸽群行为机制的多无人机自主编队[J]．控制理论与应用，2015，32（10）：1298-1304．

[20] 周子为，段海滨，范彦铭．仿雁群行为机制的多无人机紧密编队[J]．中国科学（技术科学），2017，47（3）：230-238．

[21] 张令，段海滨，雍婷，等．基于寒鸦配对交互行为的无人机集群编队控制[J]．北京航空航天大学学报，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]．系统工程与电子技术（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] 周绍磊，王帅磊，祁亚辉，等．分布式事件触发下的多智能体分组一致性[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

都若尘（1996-），男，黑龙江齐齐哈尔人，在读硕士研究生，从事无人机编队控制技术研究．E-mail：drc96@hrbeu.edu.cn

许江涛（1975-），男，湖北天门人，教授，博士，从事无人机编队控制技术研究．E-mail：hit_xjt@163.com