多无人机集群编队国内外研究现状和发展方向

`多无人机集群编队国内外研究现状和发展方向 - 搜狐网

/a/403671784_99986805?trans=010004_pcwzy

–编队控制技术最早是针对空间飞行器（主要是卫星）而提出，用于降低卫星的研制与发射成本，提高卫星对地观测的覆盖率。进入21世纪以来，国内外在无人机编队控制方面开展了大量理论探索和研究。例如美国NASA和空军在本世纪初九将其确定为21世纪的关键技术之一。编队控制的具体含义为：当多个无人机组成编队联合飞行时，相互之间要保持固定的几何形态，同时又要满足任务需求和适应周边环境约束（例如障碍规避）。当前无人机编队控制大体可分为两类基本问题：运动协调和覆盖协调。

运动协调主要包括编队队形保持（Formation Keeping）、集结（Swarm）、解散（Dissolution）、重构（Formation Reconfiguration）、队形变换（Formation Change）和编队避障（Collision Avoidance）。其中，队形保持是运动协调的核心问题。覆盖协调是指无人机编队的任务规划和分配，包括部署、搜救、勘探，以及攻击目标的分配等。

笔者主要关注运动协调中的编队集散与队形变换、队形保持、编队避障三个问题，目前国内外对其的研究现状如下：

当无人机进入指定区域后，开始构成编队：完成任务后，解散编队，恢复单机飞行。因此，系统飞行的一个问题是如何实现编队的组建、解散。在这方面，国内外学者已开展了一些研究。有的是研究如何防止各成员之间分离，有的是研究快速集结，却没有考虑如何防止机间发生碰撞，有的是用势场法来模拟群聚集行为和凝聚力，Olfti-Saber使用结构势函数来实现防碰撞、分析集群的稳定性。基于行为法的集结模式是一种重要方法，如何模拟鸟类、蚂蚁和鱼类的群集行为。还有长机-僚机法、没有明确的长机法、虚拟结构法和最优集结路径法等等。

有时由于特定的需要，对编队无人机的位置或者编队队形进行改变。这时就需要进行队形变换；或者有新的无人机进入或者脱离编队时，编队需要进行队形变换。在队形变换的过渡过程中，应考虑众多约束，如时间、碰撞避免、安全距离保障等等。恰当的队形变换方案不仅效率高，而且安全性和可靠性好。其关键研究问题集中在如何制定每架无人机的运动轨迹，使队形变换从初始状态到最终态这段时间内满足一定的约束集。队形变换的控制律需要满足运算时间和一定约束下最优两项要求。变换方法和编队队形有关，也和队形变换前后的编队具体特征有关。而更一般的方法，可以考虑先将编队解散，再进行编队集结。

在编队解决顺利完成后，最为核心的问题是队形控制和队形保持。根据协同编队飞行定义的基本要求，机群的队形结构在编队飞行过程中必须保持不变。这就依赖于编队飞行的控制策略，编队飞行的控制策略分为两方面，一是多机间信息交互，另一方面是队形控制算法。

无人机因任务要求往往要保持其在编队中的相对位置基本不变。无人机编队要保持一定的编队形状，它们之间必须有信息的交互。在信息交互的控制策略方面，一般有集中式控制（Centralized control）、分布式控制（Distributed control）和分散式控制（Decentralized control）三种方式，每一种方式都有其独特的定义和优势，又有各自的缺点。

（1） 集中式控制。每架无人机要将自己的位置、速度、姿态和运动目标等信息和编队中所有无人机进行交互。在集中式控制策略中，每一架无人机都要知道整个编队的信息，控制效果最好。但是需要大量的信息交互，在交互中容易产生冲突，计算量大，对机载计算机的性能要求较高，系统和控制算法复杂。

（2） 分布式控制。每架无人机要将自己的位置、速度、姿态和运动目标等信息和编队中与之相邻的无人机进行交互。在分布式控制策略中，每一架无人机需知道与之相邻无人机的信息，虽然控制效果相对较差，但信息交互较少，大大减少了计算量，系统实现相对简单。

（3） 分散式控制。每架无人机只要保持自己喝编队中约定点的相对关系，不和其他无人机进行交互。其控制效果最差，基本没有信息的交互，计算量也最少，但机构最为简单。

分布式控制的效果虽然不及集中式控制，但其控制结构简单可靠、信息量最小，比较容易避免信息冲突。从工程角度看，这样的结构便于实现和维护。除此之外，分布式控制策略适应性强，并具有较好的扩充性和容错性，如执行任务的途中任务突然变更需要新的无人机加入编队，或者某架无人机由于故障不能继续完成任务需脱离编队并补充新的无人机的情况。由于分布式控制能够将突发的影响限制在局部范围内，因此目前对编队信息交互的研究特点也逐渐由集中式控制转向分布式控制。如果用集中式控制策略完成编队，信息交互将是海量的，这是因为处理这些信息的复杂程度与编队无人机的数量成指数关系。而如果采用分散式控制策略则不能保证在编队形成的过程中无人机之间不发生碰撞，只有分布式控制策略能同时解决信息交互碰撞的问题，也是未来编队信息交互策略发展的方向。

在队形的具体控制算法方面，很多学者作了大量的研究。目前相对成熟且比较通用的队形控制算法主要有：长机-僚机法（Leader-Follower）；基于行为法（Behavior-Based）；虚拟结构法（Virtual Structure）；人工势场法（Artificial Potential Field）。

（1） 长机-僚机法。一般的保持策略是编队中的每架无人机保持与编队中约定的相对位置不变，而当这个约定点事领航机的时候，每个保持策略就成为跟随保持。长机-僚机法就是跟随保持。这种控制策略的特点是基于预设的编队结构。通过对长机的速度、偏航角和高度跟踪来调整僚机，达到保持编队队形的目的。长机-僚机法是最古老的一种编队控制方法，它原理简单、易于实现，但是鲁棒性稍差，且误差会逐级向后传播并被放大，这种控制结构会受到很大的干扰影响。因此针对其特点，很多科研人员结合了鲁棒控制方法、极值搜索控制方法、涡旋调整基数、自适应控制方法和变结构控制方法等多种基数，改进了这种控制策略。但使用了这些方法后，长机-僚机法的缺点也很明显，即出现突发事件后所有无人机的位置必须重新计算，增加计算机的负担。

（2） 基于行为法。在多无人机编队飞行过程中，机群中每一架无人机对其传感器输入信息的行为响应可能有4中情况：碰撞避免、障碍物回避、目标获取和队形保持。这种方法的最大特点是借助于行为响应控制的平均权重来确定编队中每一架无人机该采用哪一种行为响应方式。曹志强等科研人员利用遗传算法来决定控制权重，以选择合适的行为响应来保持队形和规避障碍物；J.H,Reif等则利用改进的电势场方法来应对编队中出现的单元体失败和传感器输入信息不完整的情况。基于行为法是一类模拟生物反应式行为机制的编队控制方法，它具有很好的灵活性和鲁棒性，但是无法实现精确的队形保持，也很难用数学方法对系统进行稳定性分析。

（3）虚拟结构法000。虚拟结构法一般多采用虚拟长机的方法的办法来协调其他无人机。这种方式可以避免长机-僚机方式的干扰问题，但合成虚拟长机和传输其位置，需要以高通信质量和高计算能力为代价。R.W.Beard等综合利用这种方式与长机-僚机方式及行为方法的合成，实现了航天器在深度空间的编队飞行。虚拟结构法通过共享编队虚拟结构的状态信息进行编队控制，可以任意设定编队队形，能够实现精确的队形保持，但如何让编队中个体所获得的虚拟结构信息保持同步是该方法的难点。

（4） 人工势场法。人工势场法主要通过构建人工势场函数来实现队形控制，人工势场函数分为两部分：相邻两架无人机之间相互吸引和相互排斥的部分。当两机之间的距离偏大时，相互吸引的部分起主要作用，两机相互靠近；当两机之间的距离偏小时，相对排斥的部分起主要作用，两机分离。人工势场法物理背景明确、原理简单，非常适合于可自由运动质点的编队控制，但它难以处理非完整运动学约束。

除了上述编队控制算法之外，还有PID法、H∞控制、LQR反馈控制以及滑模控制、极值搜索、涡旋调整、模型预测控制、神经网络和模糊控制以及视觉传感器技术等编队控制算法。传统的PID法在编队作匀速直线飞行时有一定的效果，但无法适应转弯飞行和规避障碍：新型优化算法的解算时间长，实时性不好。

为了提高队形控制算法的鲁棒性和安全性，还必须考虑无人机系统飞行过程中存在的不确定性因素，如机间通信丢包、时间延迟、位置干扰、甚至部分通信链路发生故障等等。到目前为止，绝大多数的编队飞行研究都假设有准确无误的无线电通信，不存在丢包和信息延迟的现象。但在实际的通信网络控制系统的架构中，由于网络本身所固有的特性，往往会影响编队控制系统的稳定性。

现在基于实际通信环境下的编队飞行控制器的性能研究还很困难。在未知干扰环境下面对无人机编队飞行的稳定性和可靠性提出了更高的要求。PID算法能完全消除阶跃干扰信号引起的误差，而对于斜坡干扰信号的稳态误差为开环增益的倒数。显然，该方法难以有效抑制非线性干扰。而采用线性H∞控制理论，分别寻找一个权函数覆盖相应干扰的频率响应，使得控制器对最坏情形下的干扰仍具有鲁棒性。显然，编队飞行不可能抑制工作在最坏干扰情况下，所以该方法有很大的保守性。滑模控制是一种鲁棒性很强的控制方法。其最大优点是系统一旦进入滑模状态，系统状态的专一就不再受系统公园有参数变化和外部扰动的影响。但控制的不连续性会导致所谓的“抖振”现象，即被控系统的危险高频振荡。总之，多无人机编队控制算法的鲁棒性还需进一步提高。

同时，在近距离编队中，必须十分注意避免机间碰撞，而不仅仅是队形的保持。因为一些干扰因素会引起扰动，比如编队运动方式发生突然变化、队形改变等，防止冲突策略就是要避免在扰动下可能发生的机间碰撞。无人机自主防碰撞控制设计许多理论和技术问题。

首个防碰撞方法是O.B.Khatib利用势场函数进行研究的，此方法基于人工势场法，当两机之间的距离偏小时，排斥因子起主要租偶用，两机分离，避免碰撞。该方法的主要缺点是不能保证相对距离大于最小安全距离。若只利用协同航迹规划方法解决多机防碰撞，但只适用于合作型无人机，在很少情况下适用。Shin Hyo-Sang用集合分析法预测碰撞冲突，对通过只控制偏航角的冲突规避法的实用性进行了分析，但只考虑了二维情况。也有利用改进路径规划算法来防止无人机与地面碰撞的，但主要针对地形和地面障碍物。若使用几何最优法，以入侵机为原点修正本机速度和位置，速度矢量和保护圆相交则冲突，选择改变偏航角使速度和圆相切，但该方法也只在二维平面内适用。

也有研究人员模拟鸟类群聚的防撞处理方式，采用多层混合系统的控制方法，高层控制器利用各种探测设备（如GPS导航系统、雷达、视觉传感器等）进行位置检测，并产生可行路径，底层控制器只处理所获得的局部信息，以便快速动态地调整相邻距离和方向，避免机群中发生碰撞。还有提出反馈控制法、概率预测方法等进行碰撞预测和处理。有研究把防碰撞处理当成威胁类型中的一种，作为航迹规划中的约束条件加以考虑，把碰撞问题分解为路径规划和速度规划两种方式。将所有无人机速度剖面设计到潜在碰撞中去给出初始路径的最小该变量，提高了该算法的解算时间，但只是一种次优解。可利用粒子滤波和预测控制进一步改善上述控制效果，尝试给出相邻机间的最小安全距离。

本世纪依赖一些研究人员开始致力于探索充分利用分布式信息交互的控制理论，同时又力求降低算法的解算工作量。多智能体信息一致性是其中的典型代表，它的产生和发展极大地推进了无人机编队控制的进展。