UAV时变编队控制技术研究综述

庞强伟,王德石,陈 晔,武 峰

(1.海军工程大学 兵器工程学院, 武汉 430000;2.武汉船舶职业技术学院 机械学院, 武汉 430000)

0 引言

随着计算机、网络和控制等技术的发展,UAV作为一种典型的武器平台,正引导着诸如机器人、无人水下潜航器和无人水面艇等智能体来改变现代战争的战争形态,将战争模式逐渐从以往的有人作战向无人化、智能化过渡。尤其自美军首次在越南战争中使用UAV执行侦察和目标指引等作战任务大放光彩之后,凭借其结构简单、成本低、机动迅速、隐蔽性高等优点,已引起众多国家和学者的广泛关注和探索,正逐渐替代有人机来执行3D任务(Dull枯燥,Dirty肮脏,Dangerous危险),并在搜救、森林防火、测绘、电厂巡查、战场侦察、监视、电子对抗、通信中继等[1-6]民用和军用领域发挥重大作用,同时也被美国、俄罗斯、以色列和中国等国家列为最重要的发展战略之一和未来信息化战场的主力。

但当UAV执行一些对隐蔽性和精准性等要求较高的任务时,如战时救援或低空突防等,需要UAV具有较强的稳定性和鲁棒性,目前通过一定的方法,已能够基本满足上述需求。但随着敌我信息技术的发展以及战场环境和作战需求的日益复杂,单架UAV受其性能限制(携带载荷单一、容错率低、续航时间短等)难以顺利完成作战任务,而多UAV编队协同作战的模式能够通过大规模低成本且可携带不同载荷的UAV之间的优势互补和相互协同,大大提高UAV作战效能,有效提高任务完成率。因此,UAV作战运用模式开始逐渐从单机向多机发展,相较于单UAV作战,多UAV编队协同作战具有以下优势:

1) 超强的作战能力。多UAV编队协同作战,能够在空间上拓宽作战范围,时间上高度统一,功能上优势互补,可以多地点多任务同时执行,还能够在作战效能上涌现出1+1>2的倍增效应,这对于情报侦察、火力指引、防火救灾和通信中继具有重大意义。

2) 良好的容错能力。多UAV编队协同作战时,处理突发状况及面临复杂战场环境的能力得到加强,且编队中的任意UAV都具有可替换性,不再会因为单个UAV的故障或损坏而导致整个作战任务的终止,有效提高任务完成率,具有较高的可靠性和容错率。

3) 更强的适应能力。携带不同载荷的UAV以编队的形式作战,具有更高的工作效率和更加灵活的柔性调配,有利于多UAV协同的集群化、智能化及网络化,能更加满足复杂的作战需求,有效增加多UAV编队系统的战场适应性。

4) 更长的续航能力。多UAV编队在执行作战任务时,特定的队形能够有效提高UAV的气动性能,减少飞行阻力,增强其续航能力。

基于多UAV编队协同作战的上述优势,UAV编队控制作为编队协同作战的关键技术受到了众多学者和国家的关注,是国际航空界的研究热点之一。当前,国内外针对UAV编队控制研究较多,成果较为丰富,并已经逐渐从概念走向实战应用,其所呈现的应用背景也更加具体。同时,美军仍在不断拓展新的作战概念,如介入/区域拒止战[7-9]、分布式作战[10-12]和马赛克战[13-15]等,就是为了能够在未来战争中获取压倒性优势。而我国在该方面起步较晚,因此为保证在未来战争中不处于被动状态,必须加快在UAV编队控制技术方面的研究,这样才能很好应对未来可能出现的威胁并缩小与其他国家的差距。

接下来先介绍国内外一些关于UAV作战运用的典型项目及研究进展,并分析归纳相关控制技术和当前面临的问题及其应对方法,以便寻求提高UAV编队在复杂环境下飞行控制稳定性的方法,这对于探索未来编队作战模式和拓展未来作战功能具有十分重要的理论意义及军事研究价值。

1 研究进展

近年来,国内外已就UAV的战场运用开展了大量理论探索和实践研究。2005年美国国防部在《无人机系统路线图2005～2030》就提出UAV预期的自主级别规划,如图1所示。其自主控制等级分为1～10级,在经历群协同、分布式控制等阶段性目标后,完全自主集群系统将是未来发展的终极目标[16]。2016年美国空军发布了《2016～2036年小型无人机系统飞行规划》,并提出了UAV蜂群作战概念(见图2)和发展战略,并先后开展“忠诚僚机”,“低成本UAV技术蜂群”,以及“小精灵”计划等一系列项目[17-18]。与此同时,俄罗斯、英国等国家也不甘落后,也开展UAV编队竞赛、UAV协同作战、“压制防空UAV蜂群”等项目,比较经典的有:

图1 UAV自主级别

图2 UAV蜂群作战概念

1) “忠诚僚机”项目[19]。2015年由美国空军实验室启动,采用典型的有人/无人协同作战模式,有人飞机作为长机、多架UAV作为僚机协同作战,旨在使美军战斗机驾驶员能够对UAV进行控制,从而大幅提升作战效能和可靠性。图3为有人机F-22、F-35和女武神XQ-58UAV的协同编队。

图3 有人/无人协同编队

2) “低成本UAV技术蜂群”项目[20]。2015年由美国海军研究办公室实施,设想在陆地或舰船上释放大量小型UAV,通过自适应组网、自治与协同,执行侦察、监视或对陆及对海攻击任务。2016年4月,演示了30 s内连续发射30架“郊狼”UAV编队飞行的试验,验证了“郊狼”蜂群的自主编队飞行、队形变换、协同机动能力,如图4所示。

图4 “郊狼”编队飞行

3) “小精灵”项目[21]。2015年8月由美国国防高级研究计划局启动,主要构想有两个:一是通过低成本UAV群使对方的防空火力网达到饱和,降低大型战斗机受到攻击的风险以减小损失;二是为了解决由于控制成本而造成的UAV尺寸小、航时短的问题,计划由大型母机将UAV群带至作战空域附近,进行空中的集群发射和回收,如图5所示。

图5 “小精灵”项目

4) “压制防空UAV蜂群”项目[22]。2019年10月由芬兰提出,设想通过UAV集群来识别防空系统的特征,并在集群内共享信息,从而打击敌防御弱点,旨在迷惑、瘫痪和摧毁敌防空系统,作战样式包括使雷达传感器失明、使用自杀战术压制敌防空火力或使用弹药或电子战载荷进行攻击等。

我国在UAV技术及其作战应用方面的研究起步较晚,自20世纪末以来,西北工业大学、国防科技大学、北京航空航天大学、哈尔滨工业大学、华中科技大学和空军工程大学等高校率先成立了专门的UAV研究机构,展开了一系列的基础理论研究和作战仿真实验,如图6、图7和图8所示。21世纪以来,中航工业、航天科工和中国电科也开始了UAV的研制,并进行多次试飞,如中国电科分别于2016年、2017年和2018年进行了67架(见图9(a))、119架(见图9(b))和200架(见图9(c))固定翼UAV集群飞行实验,演示了密集弹射起飞、空中集结、多目标分组、编队合围、集群行动等动作概念。同时,中国空军也分别于2018年和2021年举办“无人争锋”智能UAV集群系统挑战赛。

图6 国防科大集群试验

图7 北京航空航天大学飞行实验

图8 南京航空航天大学灯光秀

图9 中国电科固定翼UAV集群试验

到目前为止,在UAV编队时变控制技术方面,我国虽然做了不少工作,但与美国相比,仍有较大差距。不过就目前的报道和文献来看,即使美国等国家处于领先地位,但是UAV编队作战仍处于起步阶段,距离真正的战场应用,还面临一系列问题亟待解决[18]。

2 研究方法

2.1 单UAV控制

UAV作为编队协同作战的关键执行对象,受其动力学模型强耦合性、非线性和参数不确定性等因素的影响,对其进行精确和稳定的控制一直是难点重点,其核心就是控制律设计,经过广大学者多年的不断研究和探索,根据控制理论的发展历程来分,目前的控制律设计方法主要可分为经典设计法和现代设计法[23]。

经典设计法主要为时域分析、根轨迹、频域分析等以经典控制理论为依据的方法。该方法起源较早,设计简单,但是只适用于单输入单输出系统。如文献[24]使用PID控制器有效的对UAV非线性动力学模型解耦后的高度、滚转角、俯仰角和偏航角4个独立通道进行了稳定控制。文献[25]设计了基于小扰动的PID控制器,能够很好的调节UAV姿态,并具有较好的抗干扰性能。文献[26]设计了基于速度的PID控制算法,很好地实现了微型UAV的姿态控制。PID控制虽能够较好的实现UAV的自稳控制,但其参数不易调节。因此,文献[27]通过改进差分进化算法(智能算法)有效的解决了参数人工整定困难的问题,同时也获得了较优的控制效果。目前经典控制法仍仅限于设计点附近的小范围稳定,难以达到全局稳定。再加上实际中难以对UAV模型进行全局解耦,从而无法保证所设计控制器的精准度和稳定性,因而目前大部分研究还是集中在现代设计法领域。

现代设计法是以现代控制理论为依据的方法,如鲁棒控制、自适应控制、反步控制、LQR控制、模型预测控制、滑模控制和上述方法的各种变型方法等[28-29],这些算法的优缺点对比如表1所示。相较于经典设计法,其较适用于复杂系统,可进一步提高控制性能,但对模型的精确性要求较高,设计较为困难。

表1 现代控制算法

鲁棒控制就是指控制系统可以在特定的参数摄动下维持UAV稳定性,目前主要的鲁棒控制理论有:H∞控制理论和结构奇异值理论(μ理论)。自适应控制就是指控制系统能够调整控制器特性智能补偿UAV动力学中的参数变化,从而保证UAV以最优或次优状态稳定运行在期望指标附近。反步控制就是通过设计非线性系统控制器来将UAV系统分解为多个子系统,而后依据反步控制的递归特点,从一已知稳定子系统出发,“回溯”整个系统,并逐步稳定每个子系统。LQR控制就是设计一个使得UAV系统能够以最小的成本稳定运行的最优线性控制器。模型预测控制类似于LQR控制,其先通过系统动态模型来预测未来状态,而后再在线滚动优化最优控制问题来最小化成本,主要区别在于:① 需要定义预测步数;② 可对状态变量进行约束,而LQR只能对输入输出进行约束;③ 求解时,LQR是0～∞积分,而模型预测控制是有限积分。如文献[30]通过H∞和μ理论设计了能够抑制UAV参数不确定性的鲁棒控制器,有效保证了系统的稳定性。文献[31]设计一种连续时变自适应控制器,可有效应对欠驱动UAV动力学不确定性所带来的影响。文献[32]使用混合反步控制法,有效的提高了微型UAV的抗干扰性能和姿态跟踪的精度。文献[33]通过LQR控制器有效的实现了对UAV的姿态稳定。文献[34]通过经典线性模型预测控制器实现了复杂环境或干扰下的UAV精确轨迹跟踪。

滑模控制也叫变结构控制,是一种易于应用的非线性控制算法,系统结构能够依据需求(如偏差、各阶导数等)动态变化,迫使系统沿“滑动模态”的轨迹滑动。其响应快、跟踪能力好、易于调优和实现、对干扰和系统不确定性具有较强的鲁棒性,是目前UAV控制较为有效的方法。如文献[35]提出一种全局快速动态终端滑模控制法,有效解决了复杂环境下的UAV有限时间位置姿态跟踪控制问题。

同时近期发展起来的人工神经网络和深度学习等技术也逐渐被应用于UAV控制中,其具有强大的非线性处理能力、容错能力、自适应能力。如文献[36]使用强化学习算法实现了在多变和恶劣环境下对UAV姿态的内环稳定控制。

上述控制方法都能够有效应用在UAV稳定控制问题中,但都各有优缺点,因此众多学者开始将上述方法进行结合使用,以便加强控制器性能。如文献[37]融合神经网络和滑模控制,设计了鲁棒分层控制器,有效实现对干扰和参数不确定性下的UAV稳定控制,其响应速度和鲁棒性都得到了提高。

2.2 时变编队控制

通过上述控制方法,可最大限度的发挥单个UAV的性能。为进一步提高作战效能和UAV编队的稳定性,广大学者就UAV时变编队控制技术也展开了研究。编队控制就是要求UAV编队能够基于特定任务的需求,控制各UAV实现动作和位姿等状态的协同,同时也能够保持队形稳定或根据战场需求进行队形变换[38]。目前,根据编队内信息获取的方式,大致可将编队控制系统分为集中式控制、分布式控制、分散式控制、分层式控制和混合式控制等,具体介绍如下。

1) 集中式控制。采用单一UAV作为控制中心,可接收其他节点的状态信息并发送控制指令,从而实现控制整个编队的目标,如图10所示。该方法下编队控制精度较高,但存在大量的机间通信,对控制节点的机载设备性能要求较高,同时运算量也较大;若控制中心故障,会使得整个编队失控而导致编队失败,从而不适用于大规模编队。该系统常见的控制方法有:

图10 集中式控制

① 领航跟随法。选定编队中某一UAV作为编队的领航者,其余UAV为跟随者,使得跟随者以一定的相对状态来跟随领航者,进而通过控制领航者来达到控制整个编队的目的。该方法结构简单清晰、全局协调性好,但其容错性和灵活性较差。如文献[39]基于领航跟随法,设计了一种鲁棒自适应编队控制算法。

② 虚拟结构法。是对领航跟随法的改进,其将编队视为虚拟刚性结构,编队中每架UAV皆跟随虚拟领航者飞行。该方法较好的处理了因领航者故障导致编队失败的问题,并提高了编队控制精度,但该方法通信负载会随UAV数量成比例增加,且仍存在容错性和灵活性差的问题。如文献[40]借鉴虚拟领航者思想,采用基于邻居位置和速度误差反馈的编队控制协议,给出了无人集群能够实现期望构型和航迹跟踪的充要条件。

2) 分布式控制。无需控制中心,只需编队中UAV与其邻居进行信息交互即可,如图11所示。该方法通信量较小,但控制精度不及集中式控制,且对通信拓扑的要求也较高。该系统常见的控制方法有:

图11 分布式控制

① 基于行为法。该方法受生物群的行为启发,为UAV设计一系列基础行为,而后通过基础行为的组合(如驶向与驶离目标、障碍检测与避碰、队形保持与变换等)来实现对编队的控制。其具有较好的扩展性,但并非所有的行为都能够被定义,且其行为一旦被定义后也就被限定了,导致其适应性较差。如文献[41]受寒鸦群配对飞行行为机制的启发,提出了一种配对交互模型,来解决UAV集群编队控制问题。

② 一致性理论法。该方法可在编队中UAV仅与邻居进行信息交互的前提下,通过代数图论和控制理论使得编队一致性收敛至预期状态。其结构简单,可靠性和扩展性好,且能够在一定程度上克服上述3种方法的缺点,所以目前该方法应用最为广泛,也已逐渐成为编队控制的基础方法。如文献[42]研究了具有时延和切换拓扑的多智能体一致性问题。

3) 分散式控制。既不需要控制中心也不需与邻居进行通信,只需接受地面控制中心的指令即可保持编队队形,其结构如图12所示。该控制方式结构最为简单,且计算量最少,能够有效降低通信量,但是对通信的要求较高,多用于目前的UAV灯光秀表演,如2018年平昌冬奥会开幕式上的灯光秀表演,创造了奥运首次灯光秀,但是由于担心信号干扰等问题,所以并非现场直播,而是提前录制。

图12 分散式控制

4) 分层式控制。如图13所示,一般呈宝塔形结构,分为领航层和跟随层,内部也有部分UAV与其邻居进行信息交互,并融合了集中式和分布式的优点,适用于集群成员较多的情况。如文献[43]提出了一种分层编队控制方法,能够有效实现编队合围。

图13 分层式控制

5) 混合式控制。如图14所示,是更高一级的分层式控制,其将编队分为多个小组,小组内部使用分布式结构,然后再选取小组中的一个UAV作为子控制中心,并在所有的子控制中心中在选取一个UAV作为总控制中心,其与子控制中心使用集中式结构,当编队规模较大时,可采用该结构,能够同时分组执行不同任务且便于管理。如文献[44]提出基于Agent与元胞自动机的集群混合式控制,实现了高效有序的集群控制。

图14 混合式控制

3 难题挑战与关键技术

上述方法能够很好地实现理想条件下对UAV编队飞行的稳定控制,但是实际作战应用时,UAV编队经常置身于一个充满干扰的战场态势下,面临各种威胁,使得UAV编队时常表现出飞不稳,易坠机,编队效果差等现象,不可避免地给UAV编队的飞行稳定控制带来一定困难,进而导致UAV编队的作战效能降低,对整个作战产生重大影响,因而UAV编队在复杂战场环境下的飞行控制与稳定性研究仍面临严峻考验。

目前,复杂战场环境下对UAV编队的干扰主要可分为自然干扰、主动干扰、被动干扰和物理干扰等,如图15所示。自然干扰是指来自不可抗拒的自然环境的干扰,如地形、天气、电磁等因素,迫使UAV偏离期望航线或坠机,严重威胁编队飞行安全[45]。主动干扰是指敌通过信号或破坏性电磁干扰来破坏UAV编队内个体之间的通信,导致内部通信不畅,使其无法实时接收控制指令,进而破坏编队稳定性。被动干扰是指敌通过电磁和频率等技术手段来干扰破坏UAV的飞控系统,从而使其失去控制。物理干扰是指敌通过武器系统直接摧毁UAV,使其无法继续飞行。其中,被动干扰和物理干扰都是直接毁坏UAV实体,无法从飞行控制算法的角度去确保UAV编队的稳定性,而自然干扰中由阵风、风切变等引起的未知扰动与自然干扰和主动干扰中的电磁干扰引起的通信时滞所带来的干扰皆可通过设计合适的控制算法得以有效抑制,这也是当前学者们的研究重点。

图15 UAV编队遭受的干扰分类

3.1 外部扰动下编队控制技术

起初学者们为应对未知的外部扰动,大多数工作都是通过控制器本身来抑制扰动和不确定性。如文献[46]利用滑模控制有效的抑制UAV编队系统在进行轨迹跟踪时的外部扰动。文献[47]通过自适应方法抵消风场不确定性对UAV前向和侧向产生的距离误差。同时一些鲁棒控制法也被应用于未知扰动和模型不确定性的多UAV编队飞行控制中,基本也能够实现抑制未知扰动的效果。上述方法虽能够在一定程度上有效抵抗外部扰动,但是其控制精度不高,在控制性能和抵抗外部扰动中不能同时兼顾,无法达到预期控制效果。

近年来,扰动观测器因其可在保证控制性能的同时补偿控制器中的扰动的优势受到了广泛的关注,如文献[48]通过扰动观测器能够有效消除外部扰动所带来的负面影响;文献[49]提出一种非奇异快速终端滑模观测器来估计干扰的影响,并利用Lyapunov函数证明该观测器在固定时间内收敛。但是这些观测器在面对时变扰动时的鲁棒性较差,因此有些文献将其与自适应控制器、神经网络、Lyapunov理论、反步控制、有限时间滑模控制器和其他具有自适应事件触发机制的控制器相结合来补偿外部干扰造成的影响[50-51]。如文献[52]设计了一种包含上层自适应分布式观测器和下层预测控制器的双层分布式编队预测控制方案,能够有效提高抗时变扰动的性能。

但是由于作战需求的复杂化,上述方法无法满足多目标优化的作战需求。而模型预测控制可以非常灵活的考虑更多附加约束,并通过滚动优化控制策略来在线进行反复全局优化,能够有效提高系统的鲁棒性,在获得较好的动态控制性能同时也能够满足多目标优化的作战需求,因此引起了众多学者的广泛关注。如文献[53]研究了模型预测控制框架下多UAV系统的分布式自适应容错方案。文献[54]在分布式模型预测控制框架中加入一种避碰控制方法,实现了静态威胁下UAV编队的形成,有效保证了飞行安全。

3.2 通信时滞下编队控制技术

其次,良好通畅的信息交互是保证UAV编队安全稳定的前提。但是受外界电磁环境和设备性能影响,导致UAV之间在进行信息交互时存在时滞。虽然现存一些优化控制方法本身具有一定鲁棒性,且能够在一定程度减小乃至消除通信时延的影响,因而在一定范围内时滞的影响可忽略不计;但是当时滞超过一定值时,以往的方法就显得有些捉襟见肘,进而可能使得UAV编队失控,导致任务失败。

目前研究重点主要集中在UAV编队时滞系统稳定性和最大稳定时滞量的确定问题上,主要方法有状态扩维法、频域法、时域Lyapunov法和基于信息滤波的时延补偿方法。

1) 状态扩维法。该方法主要适用于离散系统,通过状态扩维法将包含时滞项的系统转换为不含时滞的系统,进而再采用常规方法对新系统进行分析[55]。文献[56]通过状态扩维法解决了非均匀通信时延下二阶离散时间多智能体系统的时变编队控制问题。文献[57]提出了一种无时滞变换方法,能够将具有延迟的多智能体系统转换为无延迟的离散时间系统,可使得多智能体系统达到均方一致性。

2) 频域法。该方法首先对系统进行Laplacian变换,然后使用频域分析理论对变换后的系统进行分析[58]。文献[59]在频域内研究具了有延迟和干扰衰减的多智能体一致性控制。文献[60]分别讨论了同时具有输入时延和通信时延的一阶和二阶多智能体系统的分布式编队控制,基于频域法和奈奎斯特准则,利用矩阵不等式,给出了多智能体形成编队的充要条件。

3) 时域Lyapunov法。该方法主要适用于连续系统,主要是通过构造Lyapunov相关泛函,再结合矩阵不等式对系统的稳定性进行分析。文献[61]通过构造与系统相关的Lyapunov-Razumikhin函数,并结合矩阵不等式分析给出了具有大延迟序列的多智能体系统达到一致的充分性条件。文献[62]先对系统进行降维处理,再通过Lyapunov-Krasovskii泛函和矩阵不等式给出了具有通信时滞与外部干扰下无人集群系统稳定的充分条件。

4) 基于信息滤波的时延补偿方法。该方法是通过信息滤波来补偿和校正时延所带来的误差,进而来消除通信时延对编队控制稳定性的影响[63]。文献[64]基于一致性融合算法,提出了分布式无色信息滤波方法,能够有效解决复杂通信环境下的多UAV协同目标观测问题。文献[65]基于标准卡尔曼滤波框架,提出一种改进的误差估计算法,能够有效减小主从式多自主水下航行器在协同导航时因通信时滞引起的定位误差。

3.3 切换拓扑下编队控制技术

同时,受实际应用中通信噪音、通信时滞和电磁干扰以及自身性能等诸多复杂因素的影响,也会导致UAV编队通信拓扑的某些链路频繁断开,也可理解为时滞太大导致通信中断。此时单一的拓扑结构无法再满足编队稳定的需求,只有当UAV编队的通信拓扑可随时间动态变化,即拓扑切换,才有可能使得编队内通信畅通,从而确保UAV能够实时获得指令,进而提高UVA编队稳定性。

目前对于切换拓扑下编队控制的研究还处于发展阶段,且切换拓扑本质上是固定拓扑的延伸。从当前的研究成果可以发现,通信拓扑的谱特征和连通性是影响编队系统收敛性较大的因素。如对于无向通信拓扑一般要求是连通的,而有向通信拓扑一般要求包含生成树或者强连通的。文献[66]针对链路/节点故障引起的网络拓扑变化问题,提出了包含固定或动态拓扑以及直接信息流的方法,能够实现多智能体一致性控制。文献[67]深入探讨了固定拓扑和切换拓扑下有向加权网络的编队一致性问题,并得到了拓扑结构中必须包含有向生成树才能够使编队系统达到一致的结论。文献[68]同样在具有固定拓扑和切换拓扑的网络中研究了多智能体系统跟踪控制问题,并指出在切换拓扑的条件下,当无法保证系统拓扑图在任意时刻保持连通时,图的联合连通性成为系统实现一致性的重要保障。因此相较于固定拓扑而言,切换拓扑更具有灵活性,因为即使编队在某一个子系统中无法收敛,但是通过合适的切换规则,仍可使编队有可能收敛,换言之,编队能否收敛,不会受到部分通信链路断开的影响。

当前主要是通过引入“最小停驻时间”来研究切换拓扑下编队控制,即根据切换规则切换到每个备用通信拓扑后,都会至少工作一段时间,再切换到其他拓扑继续工作。根据切换规则,拓扑切换下编队控制研究大体可归为两类:普通切换和随机切换。普通切换就是切换过程服从一定的规律,并可提前预知任意时刻所使用的通信拓扑,如按周期切换、最小代价切换等等,文献[66-68]皆为普通切换拓扑下的多智能体控制研究,文献[69]研究了周期切换拓扑下的四旋翼时变编队跟踪控制,文献[70]提出一种切换拓扑下保性能编队形成控制优化方法。随机切换就是用随机变量来刻画拓扑的切换过程,并假设该随机变量服从某种分布或某个随机过程,如Markov过程和Bernoulli等,而后利用概率论相关理论来解决切换拓扑下的时变编队稳定性问题,其无法提前预知任意时刻所使用的通信拓扑。由于Markov过程所刻画的通信拓扑更具有随机性,能够更加贴切地描述实际应用时编队所面临的随机因素,从而成为当前最常见且应用最广泛的随机切换方式。与在固定或普通切换拓扑下编队收敛一致性相比,随机切换拓扑下编队均方意义上的收敛一致性要更加实用[71]。因此文献[72]研究了二阶多智能体系统在Markov切换下实现均方一致的充要条件。文献[73]研究了受持续干扰的多智能体系统在Markov切换下的均方一致性问题,文献[74]研究了具有随机切换拓扑和噪声的连续时间多智能体系统的均方一致性问题。

4 结论

综上所述,UAV作为新质作战力量的代表,打破了传统战争形态,使得作战样式巨变,并驱使着作战模式从有人化向无人化、智能化过渡。其中,UAV编队作战的模式凭借较高的作战效能和应用价值受到众多学者的广泛关注和研究。文中首先介绍了当前国内外一些典型项目及其研究进展,之后总结了单UAV控制和UAV编队控制的相关控制方法,最后重点归纳了UAV编队飞不稳、易坠机和稳定性差的原因,以及涉及的若干应对算法。

未来,如何在加强UAV编队系统抗外部扰动能力的同时,并兼顾通信时滞和切换拓扑下的编队稳定性,以及增强优化多作战需求的能力,还需进一步研究和深入探索,这对于日后更好的将UAV编队应用于实战和提升UAV编队在复杂战场环境下的作战效能具有十分重要的现实意义。