多無人機協同編隊飛行控制研究現狀及發展

宗 群， 王丹丹， 邵士凱， 張博淵， 韓 宇

(1.天津大學 電氣與自動化工程學院, 天津 300072; 2.天津大學 電子信息工程學院，天津 300072)

多無人機協同編隊飛行控制研究現狀及發展

宗 群1， 王丹丹1， 邵士凱1， 張博淵1， 韓 宇2

(1.天津大學 電氣與自動化工程學院, 天津 300072; 2.天津大學 電子信息工程學院，天津 300072)

無人機在軍事和民用應用上越來越廣泛，為使無人機能夠更好地發揮作用，需要采用多無人機編隊飛行控制來實現協同偵察、作戰、防御及噴灑農藥等任務. 多無人機協同編隊控制技術主要包括信息感知技術、數據融合技術、任務分配技術、航跡規劃技術、編隊控制技術、通信組網技術和虛擬/實物驗證實驗平臺技術等. 首先對國內外多無人機編隊相關技術的現狀和進展進行綜述，然后重點對多無人機編隊控制方法進行分析，并對隊形設計、隊形調整和隊形重構等問題進行歸納總結，最后對多無人機協同編隊所面臨的機遇和挑戰進行了展望. 結果表明：目前多無人機編隊飛行理論方面取得了豐碩成果，但是實物飛行試驗僅能實現簡單通信環境下的協同編隊飛行，任務分配和航跡規劃實時性不高，控制方法應對突發情況魯棒性低，多機多傳感器協同感知能力不足，欠缺對實體的仿真實現，未來的研究方向應是突破上述關鍵技術的不足，開展復雜感知約束和復雜通信環境下的多無人機協同編隊飛行研究，提出更加有效的控制方法，并進行多無人機實物編隊飛行試驗，使無人機能夠更好地完成既定任務.

多無人機；協同編隊飛行；任務分配；航跡規劃；編隊控制；感知與融合；虛擬平臺/實物平臺

無人機具有低成本、無人員傷亡、設備簡單、操作方便和靈活可靠等特點，其可以近距離對地面目標有選擇性和針對性地實施觀測，并且可以進入敵方陣地進行監視，提高情報的可靠性和時效性. 在軍事偵察和民用測量上采用一定的編隊隊形進行飛行，可以擴大偵察和搜索的范圍. 多架無人機編隊飛行協同偵察時，通過調整相機在無人機上的安裝角度，可對目標的全方位立體拍照，實現地面目標的偵察和監視. 單架無人機采用先進控制策略可實現實時的高精度姿態控制，完成軌跡追蹤[1]，但是多無人機編隊飛行執行任務的成功率和抗突發事件的能力要比單架飛機飛行高. 例如，在某次任務的執行過程中，有一架飛機出現故障不能繼續工作，那么它可以返回進行維修，而其余飛機仍舊按照原來的計劃保持編隊飛行，使任務得以圓滿完成. 但是現有的科技水平還無法支持完全意義上的多無人機編隊自主決策功能，幾乎不能實現較高程度智能化集群式大規模協同編隊飛行，因此深入開展信息感知技術、數據融合技術、任務分配技術、航跡規劃技術、編隊控制技術、通信組網技術和虛擬/實物驗證實驗平臺技術等多項技術的研究，以及多項技術間協同研究，對中國實現美國空軍發布的2016年—2036年小型無人機發展規劃[2]中“蜂群”、“編組”、“忠誠僚機”和誘餌等多無人機協同編隊具有重要指導意義.

1 協同編隊飛行任務描述

為了達到多無人機協同編隊飛行的擴大任務范圍、提高任務執行效率和完成質量、增強在高危環境中的作戰能力、提升系統對環境自適應能力、擴展任務能力等多個目標，必須研究多無人機的狀態感知和數據融合、任務分配和航跡規劃、編隊控制和通信組網等多個技術，并研究多項技術間的協同作用.

多無人機協同編隊執行危險任務是一種必然趨勢. 進行多無人機協同編隊，首先要進行信息感知，并對多源信息進行融合；其次對各種任務進行分配和決策；進而對每架無人機進行航跡規劃生成期望的軌跡；然后利用先進的編隊控制方法和隊形設計技術實現多機編隊飛行任務；在編隊控制設計過程中，需要考慮多無人機之間的組網通信問題；最后，搭建模擬多無人機協同編隊飛行虛擬仿真平臺和實物演示平臺，驗證編隊控制算法的可行性和有效性. 圖1為多無人機協同編隊飛行控制中各項關鍵技術之間的關系.

圖1 多無人機協同編隊飛行結構圖

中國正在大力開展多無人機協同編隊飛行控制的研究，并對多機協同技術越來越重視，審批的國家基金項目不僅包括編隊控制研究，還包括無人機協同通信組網、感知融合、協同優化決策、任務分配和協同航跡規劃等多個相關領域的交叉研究.

2 關鍵技術

本部分介紹多無人機協同編隊飛行的任務分配、航跡規劃、編隊控制、通信組網和感知、數據融合等技術的現狀和進展，重點對編隊控制中的隊形設計和動態調整技術、編隊控制方法、編隊重構和避碰、避障技術進行詳細分析.

2.1 任務分配

無人機飛行的環境日益復雜及于無人機性能等要求的提高，對無人機編隊任務分配的時效性、處理位置環境能力、求解速度等提出了更高的要求.

2010年，美國麻省理工學院大學Mcgrew等[3]針對固定速度一對一作戰機動問題，用近似動態規劃技術進行求解，該方法針對快速變化的戰術情況能夠提供快速響應，并在室內完成了飛行試驗,對算法進行了驗證. 2011年，印度Sujit等[4]針對兩個無人機的未知區域協同搜索問題展開研究，考慮了無人機通信范圍、傳感器探測范圍、油量限制及補給站位置等約束條件，采用博弈論的方法對該問題進行了求解，仿真結果表明基于博弈論的方法對于未知環境的搜索效率很高. 2011年，美國波爾圖大學Manathara等[5]針對多無人機作戰的最優資源分配問題，針對多種異構無人機設計了任務分配策略，并采用啟發式算法進行求解. 2011年，美國加利福尼亞大學Marden等[6]針對多智能體系統中的分布式控制問題，考慮了分配效能函數設計問題，并分析了效能函數同納什平衡之間的關系. 2013年，該團隊針對多類資源分配問題，采用改進的基于狀態的博弈論方法，進一步優化了效能函數，相比傳統的博弈論，提高了資源分配求解速度[7]. 2013年，美國波爾圖大學Sujit等[8]針對無人機和水下機器人的協同搜索問題展開研究，分別提出了周期性協調、最短路徑協調和基于概率協調3種協同搜索策略，并分析了在無人機速度和數據影響下3種協同搜索策略的任務執行時間及適用范圍. 2014年，美國珀杜大學Kim等[9]針對異構無人機的編隊區域搜索和任務分配問題，提出了一種基于響應閾值模型的概率決策機制的分布式方法，考慮了環境的不確定性，實現了快速靈活的無人機區域搜索和任務分配. 2015年，美國弗羅里達大學Malvankar-mehta等[10]針對有人/無人機器人任務分配問題，將高風險信息和低風險信息分層處理，選用多層任務分配模型，建立綜合考慮任務收益、代價和人為因素的綜合性能指標，采用非線性規劃算法進行求解，完成無人機任務分配. 2015年馬來西亞科技大學Wei等[11]針對傳統粒子群算法求解過程中求解過慢或易陷入局部極小的問題，提出了一種雙級任務分配方法，通過雙極任務分配結構自適應的條件搜索效率，相比傳統粒子群算法提高了求解的可靠性、搜索精度和搜索效率，最終提高了任務分配的求解速度.

2.2 航跡規劃

為了確保復雜環境中多無人機編隊能夠安全、快速到達任務區域，降低被敵方雷達捕獲、摧毀的概率，需要設計滿足一定約束條件及性能指標最優的編隊航跡.

2013年，英國諾森比亞大學的Kothari等[12]采用機會約束方法來處理系統環境和環境態勢感知中的不確定性，再通過快速隨機搜索樹方法獲取了多無人機魯棒最優路徑. 2015年，北京航空航天大學的段海濱等[13]將無人機全局路徑規劃問題轉化為三維空間含約束的優化問題，并采用改進的差分進化算法進行求解，克服了傳統差分進化算法容易陷入局部極小的問題，相比傳統方法提高了無人機路徑的約束處理能力、路徑質量和魯棒性. 2016年，加拿大魁北克大學的Berger等[14]針對異構飛行器的靜態目標搜索問題，建立新的整數線性和二次規劃模型，降低了計算復雜度，采用線性規劃算法求解，以輕微的計算代價獲得了包含異構飛行器的近似最優解. 2016年，沈陽航空航天大學的梁宵等[15]針對復雜環境下對移動目標的路徑跟蹤問題，采用滾動時域優化結合人工勢場法，獲取無人機的前進方向，實時給出針對移動目標的最優軌跡.

在實際飛行過程中，需要考慮編隊避撞問題. 2014年，伊朗伊斯蘭阿扎德大學的Shorakaei等[16]將無人機之間避撞作為性能指標，采用基于概率的環境建模方法，研究了多無人機協同搜索問題. 并運用平行遺傳算法進行求解，設計了二維及三維的最優路徑. 遺傳算法的優點是易于與其他算法相結合，并充分發揮自身迭代的優勢，缺點是運算效率不高，不如蟻群等算法有先天優勢. 2013年，華中科技大學的丁明躍等[17]針對海上無人機路徑規劃問題，提出了一種基于量子行為粒子群優化的混合差分進化算法，用于在不同威脅環境下生成一條安全和可飛的路徑. 粒子群算法模擬鳥群飛行捕食行為，相比遺傳算法規則更為簡單，求解速度更快，但容易陷入局部收斂.

2.3 編隊控制

2.3.1 編隊隊形設計與調整

1)隊形設計. 在實際任務執行中，多無人機以不同的隊形形成編隊，如楔隊、梯隊、橫隊、縱隊和V形等，可以實現協同偵察、防御和進攻等復雜任務. 合理有效的隊形設計可以延長無人機編隊飛行距離、節省燃料消耗、增加編隊靈活性，這大大提高其安全性與任務完成率. 2011年，英國機械工程師協會的報告[18]指出V字隊形最高可節省12%的燃料，這種編隊模式用于跨洋飛行或長途飛行的客機編隊，大大延長了飛行距離并節省燃料消耗. 如圖2所示，從任務需求的角度出發，新加坡南洋理工大學的朱森強等[19]針對多無人機固定區域的資源探測問題，設計了一種圓形編隊隊形，這種隊形不僅能擴大探測半徑，還能有效提高探測資源區域的效率，有效地完成了多無人機協同探測任務. 從編隊靈活性出發，2015年，英國貝爾法斯特女王大學Lau等[20]針對多無人機任意隊形設計問題，通過提出基于張拉整體結構隊形建模方法，得到多種穩定隊形，這種隊形構造方法實現了隊形的靈活調整，并使多無人機適應了外界環境的變化. 2009年，復旦大學萬婧[21]指出實際空戰中，編隊戰術通常是以基本的兩機編隊為單元，按照層級的概念建立起大規模的飛機編隊. 僚機在長機的前15°到后20°區域形成一字編隊隊形時，具有良好的攻擊性和防御性，適合于高空；僚機在長機后30°到60°的區域時，整體操縱性良好，適合于低空.

圖2 圓形編隊

2)隊形動態調整. 面對復雜環境及任務的突然變化，能夠盡可能短時間快速地生成各項性能指標最優的隊形，是多無人機協同編隊控制隊形調整技術好壞的評價指標. 恰當的隊形變換方案能夠提高燃料使用效率、靈活應對突發情況，實現編隊的安全快速飛行. 如圖3所示，2013年，美國加利福尼亞大學Richert等[22]針對一對無人機中“Leader”角色的合理配置問題，提出一種分區協同算法，計算出了每架無人機作為“Leader”角色的行程區間. 該算法有效解決了編隊隊形的動態調整問題，并最小化leader-follower角色的轉化次數，使得整體編隊燃料消耗與單架無人機燃料消耗的同時最少. 2013年，廈門大學的羅德林等[23]提出一種通過控制編隊間距實現隊形變換的設計思想，有效地實現了編隊隊形的實時變換. 2014年，巴西圣克魯斯大學的Giacomin等[24]針對多無人機縱向隊形與圓形隊形的轉換問題，設計了一種基于軌跡分段的分布式算法，實現了隊形的快速調整. 北京航空航天大學的段海濱[25]利用混合粒子群遺傳算法與鴿群仿生優化算法配置了控制器輸出，實現了三維環境中原始隊形向期望隊形的動態調整問題.

(a)無人機②作為leader

(b) leader角色變換

(c)無人機①作為leader

圖3 無人機Leader角色轉換

Fig.3 Leader role transformation

2.3.2 編隊飛行控制方法

在多無人機編隊執行偵察和防御等任務時，需要多無人機保持一定隊形編隊飛行到任務執行區域. 編隊保持的控制方法主要有leader-follower方法、基于行為法、虛擬結構法、圖論法和基于一致性方法，每種編隊方法適應不同環境，各有優缺點.

1)leader-follower法. Leader-follower方法是目前多無人機編隊控制中最常用的方法之一. leader跟蹤一個預先給定的軌跡，follower和leader軌跡保持一定構型，并速度達到一致. leader可以看成是目標追蹤的對象，或是整個多智能體的共同利益. 賓西法尼亞大學的Desai團隊[26]對該方法做了大量理論和實驗上的研究工作. 2012年，該團隊Turpin等[27]研究了改進的leader-follower編隊方法，其中每架無人機從與之通信的其他無人機中間接獲取跟蹤的leader的狀態. 如圖4所示，2015年，該團隊Saska等[28]基于機載視覺感知設備和leader-follower方法實現了非GPS定位密集編隊飛行. 目前，該團隊研究還包括多智能體協作規劃、避障、協作抓取和運輸等理論工作.

(a) t=15 s時編隊 (b) t=26 s時編隊

(c) t=43 s時編隊 (d) t=50 s時編隊

如圖5所示，受自然界鳥群編隊飛行啟發，2014年，瑞士的蘇黎世聯邦理工大學Nageli等[29]利用機載視覺感知設備和通訊設備結合卡爾曼濾波算法對編隊狀態進行估計，從而實現了完全分布式的leader-follower編隊飛行控制，并進行了室內和室外飛行實驗.

(a)鳥群飛行(b) 機載視覺和通信設備

(c)室外飛行實驗(d)室內飛行實驗

如圖6所示，2016年，加拿大的康戈迪亞大學Ghamry團隊[30]將地面機器人作為leader，空中四旋翼飛行器作為follower，利用滑模控制方法設計編隊控制器，實現了地面機器人與飛行器之間的編隊. 2016年，德黑蘭阿米爾卡比爾理工大學Aghdam團隊[31]通過將follower信息反饋給leader，解決了follower出現問題時會引起編隊失敗的問題，并實現了四架四旋翼無人機協同搬取重物的仿真實驗. 2015年，國防科技大學劉歡等[32]針對編隊通訊阻塞和通訊時滯問題，提出了基于狀態估計算法和基于反步的分布式leader-follower編隊控制方法，并實現了對多架無人機編隊飛行的仿真.

圖6 地面機器人與飛行器之間的編隊演示[29]

該方法將編隊問題轉化為了經典控制理論中的誤差跟蹤問題，具有較強的擴展性，而且該方法節約能量、減少通信花費、增強群體通信及保證群體方向. 但在一些特定情況下，這種依賴于單個目標體狀態的編隊方法很難達到預期效果.

2)基于行為法. 基于行為的編隊方法是定義無人機的幾種基本控制行為，如跟隨、避障和隊形構成等，對定義的幾種行為進行加權得到編隊控制方法. 這使系統中的每個單體都具備依據自身決策來協同其他單體完成目標或任務的能力.

受生物群體社會行為的啟發，越來越多團隊通過分析生物系統的行為規律研究多無人機編隊飛行. 1999年，美國杜克大學Reif等[33]針對編隊中個別成員因故障而失效使得傳感器獲得的信息傳輸不完整的問題，提出了一種類似于行為的電勢場方法，實現了存在個別成員故障失效情況下的編隊. 2003年，美國Jadbabaie等[34]對基于行為法進行了深入的分析，提出了最近鄰協調思想. 2009年，Kim等[35]提出了一種基于反饋線性化方法設計的分布式行為控制器. 2012年，河南理工大學宋運忠等[36]利用基于智能體行為的方法，通過反饋線性化將非線性模型轉化為實用的雙積分系統模型，解決了多智能體系統構形控制問題. 2015年，Shin等[37]提出了一種利用鄰近無人機狀態信息設計的基于行為法的分布式編隊控制器，從而提高了多無人機群集編隊的魯棒性. 2015年，北京航空航天大學的段海濱等[38]提出了一種基于鴿群特性的編隊控制方法，該方法利用圖論和勢場函數理論對編隊中的拓撲結構和群體中的主從關系進行定義，實現了對無人機緊密編隊飛行的仿真.

在傳感器數據錯誤或缺乏的情況下，基于行為法的多無人機編隊能夠綜合考慮多無人機協同編隊飛行中的多個行為，有效整合各種行為，從而使整個編隊仍然可以保持. 該方法根據預設信息和觸發條件來形成控制指令，因此降低了編隊的適應性和靈活性.

3)虛擬結構法. 虛擬結構法是一種集中式控制方法，由美國加利福尼亞大學Lewis等[39]在1997年首次提出. 將編隊作為一個虛擬剛體，在編隊中設定一個虛擬長機或虛擬幾何中心，隊中所有無人機都參照虛擬長機或虛擬幾何中心運動.

2001年，美國楊百翰大學Beard等[40]針對航天器的編隊問題，綜合利用虛擬結構、“長機-僚機”及行為方法的合成，實現了航天器在深度空間的編隊飛行. 如圖7所示，2002年，美國加州理工學院Saber等[41]針對編隊隊形快速定位及隊形穩定問題，提出了基于二維空間的虛擬長機和幾何中心的編隊結構.

(a)虛擬長機結構(b)虛擬幾何中心結構

2004年，美國加州大學河濱分校任偉等[42]針對多智能體編隊運動過程中的擾動的影響，提出編隊反饋控制方法；針對虛擬結構法集中控制的弊端，將分散控制引入虛擬結構法中[43]，并設計了基于虛擬結構法的空間飛行器編隊飛行的分散式控制框架. 2004年，日本東京工業大學Yang等[44]提出了基于虛擬結構的三維空間編隊方式，該方法的應用更接近于實際情況. 2006年，美國華盛頓大學Lalish等[45]基于虛擬結構法研究了三維空間中多智能體的編隊跟蹤問題. 2008年，加拿大多倫多大學Li等[46]在文獻[44]的基礎上，結合同步控制器設計了多無人機自動編隊飛行駕駛儀. 2012年，Cai等[47]針對無人機在未知環境中避障能力的問題，引入虛擬結構作為參考，提高了無人機在未知環境中的避障和躲避威脅的能力. 2015年，印度阿米爾卡比爾理工大學Askari等[48]基于經典理論和逆動力學，提出了一種新的基于虛擬結構的編隊飛行方法，提高了編隊飛行過程中控制精度，并通過非線性自由度證明了所提出控制策略的有效性.

虛擬結構法避免了領航跟隨者方法中領航無人機出現故障或毀機時編隊無法保持的缺點. 而且該方法通過把編隊誤差反饋加到控制器，得到了較高的編隊控制精度. 然而，合成虛擬長機和獲取鄰機位置，需要較高的通信質量和強計算能力，這使得編隊可靠性較差. 而且此方法要求編隊飛行必須剛性運動，限制了實際飛行的應用范圍.

4)圖論法. 圖論法利用拓撲圖上的頂點來描述單個無人機，兩點之間的邊用來表述無人機間的關聯/約束拓撲關系，例如感知、通信或控制連接等，將控制理論引入圖中，可以構建編隊控制策略.

剛性圖論在編隊中應用取得了比較大的進展[49]. 一般來講，剛性圖處理的對象是無向圖，即無人機之間的聯系是雙向的. 在很多實際情況中，為了簡潔通信量，多無人機系統常常利用有向圖表示. 2007年，比利時魯汶大學Hendrickx等[50]等提出了有向剛性的概念，給出了有向剛性的定義并給出了生成有向剛性圖的策略. 該團隊在2D剛性圖的基礎上延伸到3D甚至更高維數，給出高維空間上的剛性圖與有向圖持久性的充分必要條件. 2013年，澳大利亞莫納什大學Barca等[51]引入圖論到多機器人編隊中，完善領航者-追隨者的多機器人控制機制，使多機器人形成二維編隊而不需要彼此通信. 2014年，美國Zhang等[52]利用一階積分模型和剛性圖理論，設計了指數穩定的編隊控制器，使得編隊中多個個體間形成期望隊形. 2016年，美國路易斯安那州立大學Ramazani等[53]針對不同平面運動個體間的協同控制問題，利用剛性圖論分別對單積分和雙積分模型進行了協同仿真實驗. 燕山大學羅小元等[54-55]針對多智能體最優剛性編隊問題，設計了最優持久編隊自動生成算法，生成了最優持久編隊.

利用剛性圖可以表示任意隊形，且圖論有成熟的理論作為研究基礎，但是仿真研究實現較難.

5)一致性法. 所謂一致性是指智能體利用與之通信的鄰居智能體的狀態信息更新自身的狀態，并最終使所有智能體狀態達到一致. 采用一致性理論進行多無人機編隊控制研究，基于分布式網絡實現無人機之間信息感知與交互，可以實時應對突發情況，提高編隊安全性.

一致性概念最早出現在計算機分布式計算網絡化的動態系統中. 2004年，美國加利福尼亞大學Saber等[56]得到多智能體系統一致收斂的充要條件是拓撲圖是連通的. 2005年，任偉等[57]證明了有向網絡拓撲只要存在生成樹結構，則所智能體可實現全局一致收斂. 任偉等[58]和Jadbabaie等[59]研究得到動態網絡拓撲下多智能體實現一致性收斂的充要條件：在任意時間段的網絡拓撲都有一個生成樹結構，則多智能體可實現一致性收斂. 任偉等[60]進而將一致性控制引入到多智能體編隊控制系統中. 2009年，韓國首爾大學Seo等[61]針對多無人機時變編隊問題，采用基于一致性反饋線性化方法，保證了多無人機按照給定時變隊形進行編隊飛行. 2011年，德克薩斯大學Jamshidi等[62]等針對異構多智能體協同編隊控制問題，利用全球定位系統對無人機進行航路點導航，對每架無人機設計一致性協議，實現地面機器人和多架無人機的協同控制. 2012年，Matthew等[63]針對微小無人機緊密編隊通過一個三維環境的問題，通過引入相對位置誤差，設計非線性一致性分散控制器，實現了4架四旋翼無人機的緊密編隊飛行. 2014年，日本慶應大學Kuriki等[64]針對多無人機協同控制問題，提出了具有防撞能力一致性協同編隊控制策略，實現了四旋翼協同編隊飛行并解決了機間防撞. 2015年，該團隊[65]采用分散式模型預測控制和基于一致性的控制，實現了多無人機具有防撞能力的協同編隊飛行. 2013年，東南大學李世華等[66]通過有限時間一致性算法處理了有領航者和無領航者的編隊控制問題. 2013年，邢關生等[67]研究小型旋翼機群編隊問題，在串級控制系統框架下提出一種基于Hamilton環的通信拓撲設計方案. 如圖8所示，天津大學宗群等[68]針對飛行器姿態同步問題，采用leader-follower結合基于行為和一致性的方法，設計了有限時間姿態同步控制器，實現了多個飛行器有限時間同步問題.

(a)航天器編隊初始姿態 (b)航天器同步姿態編隊

基于一致性進行分布式大規模編隊具有良好的靈活性和適應性，同時編隊魯棒性也不會因某架無人機損傷或毀機而降低. 同時改變的是不依賴某一控制單元，并且某架無人機發生故障對整體隊形不會有太大影響. 但是分布式控制算法比較復雜，對通信信道容量及通信時延的要求較高，目前的所設計的編隊控制器不能長時間保障所有無人機收斂到一致狀態.

為了避免幾種方法缺點，人們提出了很多綜合多種方法優點的改進方法. 2016年，波蘭比亞韋斯托克科技大學Kownacki[69]針對多無人機編隊過程中機間通信問題，提出一種結合虛擬結構、leader-follower方法及基于行為的編隊方法，提高了無人機編隊飛行過程中機間信息共享的可靠性和吞吐量. 其他編隊控制方法還有模型預測控制、模糊邏輯、神經網絡技術、信息感知視覺傳感器等方法，可以實現機群間通信不完整情況下編隊飛行.

2.3.3 編隊重構及避撞

多無人機編隊重構包括隊形切換及缺少一架或多架無人機時新編隊隊形的重構，在隊形重構過程中必須考慮機間避撞. 例如，多無人機編隊飛行執行任務時，需要規避雷達、電磁干擾、敵機和較大障礙物，變換合適的隊形可以增加任務完成率. 實現無人機編隊重構的方法有：1)勢能域函數方法;2)滾動時域法;3)模型預測法;4)生物算法;5)最優控制法.

2010年，新加坡南洋理工大學Lie等[70]針對固定翼無人機編隊重構控制問題，給出最終的編隊位置和重構時間，設計了帶有防撞機制的滑模跟蹤控制器，最終實現了安全隊形重構. 2015年，印度特里凡得瑯工程學院Rajasree等[71]針對無障礙物多無人機編隊重構問題，通過合適地選擇時變編隊向量形成任意期望編隊，實現了環形編隊中一架出現故障時編隊的重構情況. 2016年，加拿大女王大學Hafez等[72]針對無人機協同編隊重構問題，采用基于學習的模型預測控制方法，實現了無人機形成緊密編隊安全繞過靜止障礙物. 2016年，新加坡國立大學廖峰團隊[73]應用勢能域函數方法對垂直起降無人機系統外環設計了編隊及重構控制器，又對內環設計魯棒跟蹤控制器，實現了垂直起降無人機編隊飛行與重構問題.

在國內，2012年，北京航空航天大學段海濱團隊[74]采用基于鴿群優化方法，設計了終端狀態和控制動作能量約束下的多無人機編隊重構控制器，實現了最優的多無人機編隊重構. 2014年，該團隊利用滾動時域方法將多無人機編隊全局重構問題轉化成幾個在線局部最優問題[75]，利用差分進化(DE)算法優化各無人機控制序列，最終使多無人機形成新的隊形. 2015年，大連理工大學彭會軍等[76]提出了一種新的辛迭代數值算法，以獲得最佳的解決方案的非線性滾動時域控制策略，使得多無人機在編隊重構過程中更快速形成編隊并且對參數具有強魯棒性. 2016年，沈陽航空航天大學張紅梅等[77]通過設計編隊重構時的安全距離，將編隊重構問題轉化成帶有約束的時間最優控制問題. 2016年，景德鎮陶瓷學院王建紅等[78]提出了自主重構的內點算法，將編隊重構問題最終轉化成標準非線性單目標最優化問題.

其他編隊重構的思路還有：2009年，捷克布拉格捷克理工大學Spinka等[79]設計了一個新的分布式分層結構，實現了故障時遙控自動駕駛多無人機重構；2014年，巴西圣克魯斯州立大學Giacomin等[80]提出了一種分段算法，算法重新配置了每架無人機的緯度，并利用導航協助每架無人機完成編隊重構.

2.4 信息感知與數據融合

無人機通過紅外探測儀，攝像機和雷達等機載傳感器設備對周圍環境進行探測，實現對空地環境的感知. 無人機還具有編隊內部感知能力，來保持編隊構型和實現協同編隊飛行，提高多無人機編隊安全性和可靠性. 無人機將感知信息進行機間共享，通過信息處理與數據融合實現無人機編隊協同感知，從而獲得更廣的探測范圍和更加精確全面的環境信息，完成多無人機協同編隊偵察等任務.

多無人機編隊協同感知必須解決無人機異質傳感器多源信息的融合處理問題，實現無人機對環境準確高效的判讀. 2007年，葡萄牙里斯本技術大學Lima等[81]針對自主傳感器和機器人網絡對目標的協同定位問題，采用貝葉斯方法解決多傳感器信息融合問題以及廣義傳感器網絡自身狀態估計問題，提升了對觀測目標協同定位的精確度. 2008年，美國蒙特里海軍研究生院Lee[82]針對多傳感器信息融合問題，提出了一種新的不確定信息濾波器算法，該算法通過統計線性誤差傳播方法處理不確定數據，得到了未知信息的不確定性程度. 2010年，國防科學技術大學王林等[83]針對多移動傳感器測量的融合估計問題，基于無色變換、交互多模型和信息濾波算法，提出了一種面向多無人機協同感知的分布式融合估計方法，而且無色變換能保證更高的估計精度，可以提高多無人機的融合估計性能.

如圖9所示，無人機將感知信息進行機間共享，通過信息處理和數據融合技術實現無人機編隊協同感知，從而獲得更廣的探測范圍和更加精確全面的環境信息. 2003年，澳大利亞悉尼大學Ridley等[84]在其專著里面設計了一種實時分布式機載數據融合系統，包括視覺傳感器和毫米波雷達，實現了對多個地面目標進行跟蹤. 2007年，美國康奈爾大學Campbell等[85]針對多無人機的目標跟蹤問題，提出了一種基于平方根的sigma-point信息濾波算法，該算法通過數據融合實現了兩架無人機的目標跟蹤，并且該算法在數據丟失和出現延時也能提供準確信息，具有高實時性和強魯棒性. 2008年，西安電子科技大學楊百勝等[86]針對多傳感器融合跟蹤問題，采用多個被動傳感器集中式融合跟蹤策略，提出了基于無跡卡爾曼濾波的被動多傳感器融合跟蹤算法，進行了3個被動站跟蹤的仿真研究，驗證了其算法比傳統EKF方法的跟蹤精度更高.

圖9 多傳感器數據融合過程

2006年，西班牙帕布羅德奧拉維德大學Merino等[87]針對火災探測問題，設計了一種異構多無人機的協同感知系統，該系統包括紅外探測儀、視覺傳感器和火災探測儀，利用數據融合算法處理多種傳感器數據進行協同感知，實現了對森林火災的檢測識別，減少了對火災錯誤報警次數. 2014年，美國賓夕法尼亞大學的GRASP實驗室Shen等[88]針對無人機的自主飛行和路徑規劃問題，提出了一種模塊化和可擴展性的方法，融合了多種傳感器數據，針對四旋翼無人機自主飛行提供了一種全局一致的實時位置估計方法. 該實驗室使用激光雷達，立體攝像頭，壓力高度計，磁力計和GPS，通過Intel NUC 第三代i3處理器來進行狀態估計和控制. 實驗中，全部飛行時間約8 min，以1.5 m/s飛行445 m. 該團隊還解決了無人機的大尺度，融合多種傳感器的室內-室外自主定位和路徑規劃問題. 2016年，伊朗德黑蘭大學Abdi等[89]針對無人機位姿估計問題，提出了一種融合無人機圖像信息、高度計和IMU數據的方法，通過EKF算法將多傳感器觀測信息與IMU運動模型結合，實現了對無人機位姿參數的準確估計.

2.5 編隊通信

目前，多數國家仍采用地面站直接控制無人機，構建一種星型拓撲結構. 多無人機通信組網的思想是：無人機不完全依賴地面站或衛星等設施的控制，將所有無人機看作一個整體，在多無人機間建立一個無線通信網絡，各無人機間相互配合，相互轉發指令、交換信息. 該網絡打破了無人機之間沒有任何聯系與合作的傳統作戰思想，可以提高無人機的綜合作戰能力，減小作戰能耗.

2011年，澳大利亞新南威爾士大學Ahmed等[90]針對無人機與地面站、無人機與無人機之間的鏈路特性進行研究，為多無人機通信組網的設計提供了基礎. 2013年，土耳其空軍學院Bekmezci等[91]從節點移動性、節點密度、拓撲變化頻率和功耗等方面，介紹了飛行自組網不同于其他自組織網絡，并分層總結了飛行自組網的相關協議. 2016年，美國華盛頓大學Gupta等[92]研究了現有技術應用于航空網絡存在的問題，通過調研現有技術對航空網絡的可用性，研討了各種技術的優缺點，并從路由、無縫切換和節能領域進行了詳細分析.

如圖10所示，無人機高速移動容易造成鏈路中斷，使得移動自組網(mobile ad hoc network，MANET)和車載自組網(vehicle ad hoc network，VANET)的組網協議不能直接應用. 自組網中MAC協議和路由算法的設計是無人機通信組網的最大挑戰，MAC協議直接影響到網絡的吞吐量和端到端延時，而路由算法的設計需要適應節點高速移動帶來的拓撲變化、鏈路壽命短暫等特點，并能與其他網絡兼容互聯. 2004年，美國科羅拉多大學波爾得分校Brown等[93]采用基于全向天線的IEEE 802.11標準，通過使用RTS/CTS機制有效地解決隱藏終端問題. 2013年，加拿大通訊研究中心Cai等[94]提出了一種全雙工通信和多包接收的令牌協議，通過更新信道狀態信息，有效消除傳輸過程中的碰撞. 對于自組網中高可靠性路由算法的研究，2010年，美國西密歇根大學Alshbatat等[95]基于最優鏈路狀態路由(optimized link state routing，OLSR)協議，通過引入定向天線，提出了DOLSR (directional optimized link state routing)協議，并利用飛行信息(狀態變量、傾斜度、偏航程度)進行路由選擇，減小了端到端延遲. 2016年，瑞士聯邦理工學院Rosati等[96]考慮無人機之間的相對速度，利用GPS信息，針對飛行自組織網絡提出基于預測的OLSR(P-OLSR)協議，P-OLSR協議有效降低丟包率，提高了吞吐量.

(a)通信拓撲變化1

(b)通信拓撲變化2

目前，無人機編隊通信的研究都是針對某一性能進行改進，仍停留在理論層面，沒有應用在實際工程中，也沒有實現與其他平臺的互聯互通，因此需要針對無人機的運動和網絡特性進行通信組網設計，并建立通信標準協議.

2.6 編隊仿真平臺

搭建滿足多無人機協同編隊仿真的多無人機仿真平臺，對于加快開發周期，降低多無人機編隊試驗成本，具有十分重要的意義. 當前國內外已有一些針對無人機編隊或多無人機仿真系統的研究，主要分為如下4類.

1)單系統仿真平臺. 利用C++開發出了Multi無人機2系統[97]，用于協同控制研究. 美國陸軍研究所Garcia[98]基于商用飛行模擬器軟件 X-Plane和MATLAB開發的多無人機仿真平臺，實現了4臺無人機編隊仿真. 清華大學周昊等[99]基于多 Agent 技術開發出了名為無人機sim的仿真平臺，采用分層的體系結構，在單系統內將算法、內核和顯示完全分離，實現了多無人機的仿真. 此類系統成本較低，又可以驗證無人機機群控制及協同規劃算法，但與真實無人機編隊的分布式體系結構不符，不能有效仿真無人機編隊協同任務規劃的全過程.

2)基于 HLA(high level architecture)架構的分布式系統仿真平臺. HLA是由美國國防部在90年代末提出的，是目前分布式系統仿真的主要技術之一. 基于 HLA 的仿真不需要處理底層通信傳輸、仿真運行管理的細節，實驗者可將主要精力放在具體的仿真功能實現上. 部分公司開發出基于HLA 的仿真平臺,比如 VR-Forces、 FLAMES等，它們對底層的RTI進行了封裝，提供了更加靈活強大的 API 函數，降低了開發難度. 合肥工業大學王國強等開發出了基于VR-Force的分布式的無人機編隊協同任務規劃仿真系統，能夠仿真多種任務場景下的無人機編隊協同任務規劃過程，以幫助驗證不同類型的協同任務規劃算法，仿真展示度高，但是也帶來了較高的建設成本[100].

3)自主開發的多飛行器編隊分布式虛擬系統仿真平臺. 該類平臺是對除了HLA架構以外所有的分布式仿真平臺的概括. 天津大學宗群團隊[101-102]開發的多飛行器編隊仿真平臺，由模型計算機、系統主控計算機、視景顯示計算機、PC104控制器、無線AP/路由器以及Wi-Fi無線通信模塊組成. 模型計算機采用xPC仿真環境，運行單飛行器動力學以及環境模型；系統主控計算機發出任務指令，并監控整個系統的運行；視景顯示計算機實時地進行視景顯示；PC104控制器運行飛行控制算法，實現對單飛行器的控制；無線AP/路由器作為系統無線網絡的中轉站，實現信息交換；Wi-Fi無線通信模塊使有線通信方式轉為無線連接. 實現了對于多飛行器編隊系統的實時仿真、視景顯示、算法驗證、通信組網等功能. 該團隊突破了xPC平臺和dSPACE平臺兩項關鍵技術, 實現了對于多無人機編隊飛行控制算法的半實物仿真驗證與性能評估. 此類平臺靈活度較大，可以有效對協同控制算法和軌跡優化算法進行仿真驗證，但內部通信機制和管理機制的搭建，需要自主研發，具有一定難度. 多無人機虛擬仿真平臺結構見圖11，相應的MATLAB仿真圖和虛擬室景顯示圖見圖12.

圖11 多無人機虛擬仿真平臺結構

(a)正六邊形編隊飛行MATLAB仿真圖

(b)正六邊形編隊飛行虛擬室景圖

(c)V字形編隊飛行MATLAB仿真圖

(d)V字形編隊飛行虛擬室景圖

Fig.12 MATLAB simulation diagram and virtual room view of six unmanned aerial vehicles formation flight

4)自主開發的多無人機編隊分布式實物系統仿真平臺. 多無人機實物仿真平臺結構圖見圖13，室內編隊飛行圖如圖14所示. 整個系統由室內定位系統、多無人機、ZigBee無線傳輸以及地面站組成. 首先室內定位系統借助紅外攝像頭對各無人機上的標記點進行抓拍，通過解算實時地計算出每架無人機的當前位置，并以TCP/IP協議的方式傳送給地面站；地面站借助ROS通信機制，在接收定位系統數據的同時運行相關決策算法,計算出每架無人機下一時刻的期望位置，并通過ZigBee無線通信發送出去；無人機通訊網絡以分布式、自組網的形式進行搭建，每架無人機均可與地面站通信，同時彼此間也可以進行數據交互；各無人機接收地面站傳來的數據，提取自身當前位置與期望位置，運行機載控制算法，驅動無人機運動到設定的位置，如此循環往復，最終實現多無人機編隊飛行的仿真驗證. 目前該平臺已突破XBEE分布式網絡和PIXHAWK開源飛控兩項關鍵技術，并成功嵌入人工勢場法、圖論法等編隊理論算法. 在室內也已實現定點、直線、圓等常用隊形演示，同時在飛行過程中可實時對無人機編隊進行隊形切換. 該平臺可以為多無人機飛行過程算法提供數據支持，并可以直接充當演示效果. 所以，該平臺可以很好的為理論研究服務，避免不必要的經費投入.

圖13 多無人機實物仿真平臺結構圖

圖14 多無人機編隊飛行圖

3 結論與展望

通過對近年來國內外多無人機協同編隊飛行控制幾個關鍵技術的進展的綜述，同時展望了每種關鍵技術發展趨勢，具體得出以下結論：

1)現有的任務分配和航跡規劃主要針對離線無人機編隊任務分配和航跡規劃展開研究，未來研究應圍繞復雜環境及有限通信環境下的無人機編隊實時任務分配和多異構無人機編隊實時協同航跡規劃展開.

2)多無人機編隊飛行的控制方法大部分實現了2維編隊，對于3維立體編隊的編隊控制策略研究很少. 如何綜合利用各種編隊控制方法的優點，實現多無人機在復雜環境和突發情況下的編隊形成、保持與重構，是未來研究者所要追尋的目標.

3)針對無人機多傳感器數據融合問題的研究與實現主要停留在單個無人機攜帶的多傳感器進行數據融合，而對多無人機編隊所攜帶的多傳感器數據融合問題的研究較少,且大多停留在理論與算法研究上. 如何通過合理利用多無人機編隊的多傳感器進行協同感知，擴大感知范圍，提升感知精度，是未來多無人機編隊需要研究重點問題.

4)編隊間的通信研究都是針對某一性能進行的改進，仍停留在理論層面，沒有應用在實際工程中；未來需要結合現有移動自組網技術建立通信標準構建無人機自組織網絡，實現無人機與其他平臺的互聯互通.

5)仿真平臺大部分是對已有算法的仿真和驗證，對多無人機編隊飛行實物演示驗證較少. 編隊仿真平臺應以分布式結構為主流，針對實物硬件及虛擬軟件環境進行系統集成，推動并簡化計算，以便更好地適應多核技術迅速發展的背景.

總之，多無人機協同編隊飛行控制的理論雖然取得了豐富成果，但是隨著環境日益復雜和任務的多種多樣，各種多無人機協同編隊飛行關鍵技術也需要迅速發展. 未來會出現異構多無人機之間的協同編隊，并且通信環境會異常復雜，感知約束也會隨環境的復雜而增大，迫切需要開展在感知約束和復雜通信環境下的強魯棒、高精度編隊控制設計研究.

致 謝

感謝趙欣怡、邢娜、魯瀚辰、楊山、劉鵬浩、陳揚、馮聰同學對本文中隊形設計與動態調整、編隊通信、編隊控制、信息感知與融合及編隊仿真平臺等工作提供的幫助.

[1] 陳增強, 李毅, 孫明瑋, 等. 四旋翼無人機飛行器ADRC-GPC控制[J]. 哈爾濱工業大學學報, 2016, 48(9): 176-180.

CHEN Zengqiang, LI Yi, SUN Mingwei, et al. ADRC-CPC control of a quad-rotor unmanned aerial vehicle[J]. Journal of Harbin institute of Technology, 2016, 48(9): 176-180.

[2] 袁政英.美空軍未來20年小型無人機發展路線圖[J]. 防務視點, 2016 (10): 58-59.

YUAN Zhengying. United States Air Force in the next 20 years the development of a small UAV Roadmap[J]. DEFENSE POINT, 2016(10): 58-59.

[3] MCGREW J S,HOW J P,WILLIAMS B,et al.Air-combat strategy using approximate dynamic programming[J]. Journal of Guidance Control and Dynamics, 2010, 33(5): 1641-1654. DOI:10.2514/1.46815.

[4] SUJIT P B, GHOSE D. Self assessment-based decision making for multiagent cooperative Search[J]. Automation Science and Engineering IEEE Transactions on, 2011 (4):705-719. DOI:10.1109/TASE.2011.2155058.

[5] MANATHARA J G, SUJIT P B, BEARD R W. Multiple UAV coalitions for a search and mission[J]. Journal of Intelligent & Robotic Systems, 2011, 62(1):125-158.DOI: 10.1007/s10846-010-9439-2.

[6] MARDEN J R, ROUGHGARDEN T. Generalized efficiency bounds in distributed resource allocation[J]. Automatic Control IEEE Transactions on, 2011, 59(3): 2233-2238. DOI: 10.1109/TAC.2014.2301613.

[7] MARDEN J R, WIERMAN A. Distributed welfare games[J]. Operations Research, 2013, 61(1): 155-168. DOI:1 0.1287/opre.1120.1137.

[8] SUJIT P B, SARIPALLI S. An empirical evaluation of co-ordination strategies for an AUV and UAV[J]. Journal of Intelligent & Robotic Systems, 2013, 70(1): 373-384. DOI: 10.1007/s10846-012-9728-z.

[9]KIM M H, BAIK H, LEE S. Response threshold model based UAV search planning and task allocation[J]. Journal of Intelligent & Robotic Systems, 2014, 75(3): 625-640. DOI: 10.1007/s10846-013-9887-6.

[10]MALVANKAR-MEHTA M S, MEHTA S S. Optimal task allocation in multi-human multi-robot interaction[J]. Optimization Letters, 2015, 9(8): 1-17.DOI: 10.1007/s11 590-015-0890-7.

[11]WEI H L, ISA N A M. Particle swarm optimization with dual-level task allocation[J]. Engineering Applications of Artificial Intelligence, 2015, 38: 88-110. DOI:10.1016/j.en gappai. 2014.10.022.

[12]KOTHARI M, POSTLETHWAITE I. A probabilistically robust path planning algorithm for UAVs using rapidly-exploring random trees[J]. Journal of Intelligent & Robotic Systems, 2013, 71(2):231-253. DOI:10.1007/s1 0846-012-9776-4.

[13]ZHANG Xiangyin, DUAN Haibin. An improved constrained differential evolution algorithm for unmanned aerial vehicle global route planning[J]. Applied Soft Computing, 2015, 26(C): 270-284. DOI: 10.1016/j.asoc.2014.09.046.

[14]BERGER J, LO N, BARKAOUI M. Static target search path planning optimization with heterogeneous agents[J]. Annals of Operations Research, 2016, 244(2): 295-312. DOI:10.1007/s 10 479-016-2145-0.

[15]LIANG Xiao, MENG Guanglei, LUO Haitao, et al. Dynamic path planning based on improved boundary value problem for unmanned aerial vehicle[J]. Cluster Computing, 2016, 19(4): 2087-2096. DOI:10.1007/s10586-016-0650-1.

[16]SHORAKAEI H, VAHDANI M, GHOLAMI B I A. Optimal cooperative path planning of unmanned aerial vehicles by a parallel genetic algorithm[J]. Robotica, 2014, 34(4): 823-836. DOI:10.1016/j.asoc.2014.09.046.

[17]FU Yangguang, DING Mingyue, ZHOU Chengping, et al. Route planning for unmanned aerial vehicle (UAV) on the sea using hybrid differential evolution and quantum-behaved particle swarm optimization[J]. IEEE Transactions on Systems Man & Cybernetics Systems, 2013, 43(6): 1451-1465. DOI:10.1109/TSMC.2013.224 8146.

[18]楊孝文.未來五大客機新技術[J].廈門航空, 2012(1):88-89.

YANG Xiaowen.The new technology in the future five aircraft:V formation flight more fuel-efficient[J].Xiamen Air, 2012(1):88-89.

[19]ZHU S Q, WANG D, LOW C B. Cooperative Control of Multiple UAVs for Moving Source Seeking[J]. Journal of Intelligent & Robo-tic Systems, 2013, 70(1):293-301.DOI: 10.1007/s10846-013-9899-2.

[20]LAU S Y, NAEEM W. Co-operative tensegrity-based formation control algorithm for a multi-aircraft system[C]//American Control Conference. Chicago: IEEE, 2015: 750-756. DOI: 0.1109/AC C.2015.7170824.

[21]萬婧. 無人機自主編隊飛行控制系統設計方法及應用研究[D].上海:復旦大學, 2009.

WAN Jing. Research on design method and application of autonomous formation flight control system for UAV[D].Shanghai:Fudan University, 2009.

[22]RICHERT D, CORTéS J. Optimal leader allocation in UAV formation pairs ensuring cooperation[J]. Automatica, 2013, 49(11): 3189-3198. DOI:10.1016/j.automatica.2013. 07.030.

[23]LUO Delin, XU Wenlong, WU Shunxiang, et al. UAV formation flight control and formation switch strategy[C]// Proceedings of the 8th International Conference on Computer Science and Education. Colombo: IEEE Press, 2013: 264-269. DOI:10.119/ICCSE.2013.6 553922.

[24]GIACOMIN P A S, HEMERLY E M. Reconfiguration between longitudinal and circular formations for multi-UAV systems by using segments[J]. Journal of Intelligent & Robotic Systems, 2014, 78(2): 339-355. DOI: 10.1007/s10846-014-0063-4.

[25]DUAN Haibin, LUO Qinan, SHI Yuhui, et al. Hybrid particle swarm optimization and genetic algorithm for multi-UAV formation reconfiguration[J]. IEEE Computational Intelligence Magazine, 2013, 8(3): 16-27. DOI: 10.1109/MCI.2013.2264577.

[26]DESAI J P, OSTROWSKI J, KUMAR V. Controlling formations of multiple mobile robots[C]// IEEE International Conference on Robotics and Automation. Leuven: IEEE Press, 1998: 2864-2869. DOI:10.1109/ROBOT.1998.680621.

[27]TURPIN M, MICHAEL N, KUMAR V. Trajectory design and control for aggressive formation flight withquadrotors[J]. Autonomous Robots, 2012, 33(1/2): 143-156. DOI: 10.1007/s10514-012-9279-y.

[28]SASKA M,BACA T, THOMAS J, et al. System for deployment of groups of unmanned micro aerial vehicles in GPS-denied environments using onboard visual relative localization[J]. Autonomous Robots,2017,41(4): 919-944. DOI:10.1007/s10514-016-9567-z.

[29]NAGELI T, CONTE C, DOMAHIDI A, et al. Environment independent formation flight for micro aerial vehicles[C]// IEEE International Conference on Intelligent Robots and Systems. Chicago: IEEE Press, 2014: 1141-1146. DOI:10.1109/IROS.2014.6942701.

[30]GHAMRY K A, DONG Y, KAMEL M A, et al. Real-time autonomous take-off, tracking and landing of UAV on a moving UGV platform[C]// Mediterranean Conference on Control and Automation. Athens: IEEE, 2016, 1236-1241.

[31]AGHDAM A S, MENHAJ M B, BARAZANDEH F, et al. Cooperative load transport with movable load center of mass using multiplequadrotor UAVs[C]// 2016 4th International Conference on Control, Instrumentation, and Automation. Qazvin: IEEE Press, 2016:23-27. DOI: 10.1109/ICCIAutom.2016.7483130.

[32]LIU Huan, WANG Xiangke, ZHU Huayong. A novel backstepping method for the three-dimensional multi-UAVs formation control[C]// IEEE International Conference on Mechatronics and Automation.Beijing: IEEE Press, 2015, 923-928. DOI: 10.1109/ICMA.2015.7 237609.

[33]REIF J H, WANG H. Social potential fields: A distributedbehavioral control for autonomous robots[J]. Robotics and Autonomous Systems, 1999, 27: 171-194. DOI: 10.1016/S0921-8890(99)00004-4.

[34]JADBABAIE A, LIN J, MORSE A. Coordination of groups of mobile autonomous agents using nearest neighborrules[J]. IEEE Trans on Automatic Control, 2003, 48(6): 988-1001. DOI: 10.1109/TAC.2003.812781.

[35]KIM S, KIM Y, TSOURDOS A. Optimized behavioural UAV formation flight controller design[C]// Proceedings of the European Control Conference. Budapest: IEEE Press, 2009: 4973-4978.

[36]宋運忠, 楊飛飛. 基于行為法多智能體系統構形控制研究[J]. 控制工程, 2012, 19(4): 687-690.

SONG Yunzhong, YANG Feifei. On formation control based on behavior for second-order multi-agent system[J]. Control Engineering of China, 2012, 19(4): 687-690.

[37]SHIN J, KIM S, SUK J. Development of robust flocking control law for multiple UAVs using behavioral decentralized method[J]. Journal of the Korean Society for Aeronautical and Space Sciences, 2015, 43(10): 859-867. DOI : 10.5139/JKSAS.2015.43.10.859.

[38]QIU Huaxin，DUAN Haibin，FAN Yanming. Multiple unmanned aerial vehicle autonomous formation based on the behavior mechanism in pigeon flocks[J]. Control Theory & Applications, 2015, 32(10): 1298-1304. DOI: 10.7641/CTA.2015.50314.

[39]LEWIS M A, TAN K H. High precision formation control of mobile robots using virtual structures[J]. Autonomous Robots, 1997, 4(4): 387-403. DOI:10.1023/A:1008814 708459.

[40]BEARD R W, LAW J, HADAEGH F Y. A coordination architecture for spacecraft formation control[J]. IEEE Transactions on Control Systems Technology, 2001, 9(6): 777-790. DOI: 10.1109/87.960341.

[41]SABER R O, MURRAY R M. Distributed structural stabilization and tracking for formations of dynamic multi-agents[C]// Proceedings of the 41st IEEE Conference on Decision and Control. Lss Vegas: IEEE Press, 2002: 209-215. DOI: 10.1109/CDC.2002.1184493.

[42]REN Wei, BEARD R. Formation feedback control for multiple spacecraft via virtual structures[J]. IET Control Theory and Applications, 2004, 5(3): 357-368. DOI: 10.1049/ip-cta: 20040484.

[43]REN Wei, BEARD R. Decentralized scheme for spacecraft formation flying via the virtual structure approach[J]. Journal of Guidance Control and Dynamics, 2004, 27(1): 73-82. DOI: 10.2514/1.9287.

[44]YANG E, MASUKO Y, MITA T. Dual controller approach to three-dimensional autonomous formation control[J]. Journal of Guidance Control and Dynamics, 2004, 27(3): 336-346. DOI: 10.2514/1.1562.

[45]LALISH E, MORGANSEN K, TSUKAMAKI T. Formation tracking control using virtual structures anddeconfliction[C]// IEEE Conference on Decision & Control. San Diego: IEEE Press, 2006: 5699-5705. DOI: 10.1109/CDC.2006.377187.

[46]LI N H M, LIU H H T. Formation UAV flight control using virtual structure and motion synchronization[C]// American Control Conference. Washington: IEEE Press, 2008: 1782-1787. DOI: 10.1109/ACC.2008.4586750.

[47]CAI Da, SUN Jian, WU Sentang. UAVs formation flight control based on behavior and virtual structure[M]. Berlin: Springer, 2012: 429-438. DOI: 10.1007/978-3-642-34387-2_49.

[48]ASKARI A, MORTAZAVI M, TALEBI H A. UAV formation control via the virtual structure approach[J]. Journal of Aerospace Engineering, 2015, 28(1): 1738-44. DOI.10.1061/(ASCE)AS.1943-5525.0000351

[49]LAMAN G. On graphs and rigidity of plane skeletalstructures[J]. Journal of Engineering Mathematics, 1970, 4(4): 331-340. DOI: 10.1007/BF01534980.

[50]HENDRICKX J M, ANDERSON B, DELVENNE J C, et al. Directed graphs for the analysis of rigidity and persistence in autonomous agentsystems[J]. International Journal of Robust and Nonlinear Control, 2007, 17: 960-981. DOI: 10.1002/rnc.1145.

[51]BARCA J C, SEKERCIOGLU A, FORD A. Controlling formations of robots with graphtheory[M]//Intelligent Autonomous Systems 12. Berlin: Springer, 2013: 563-574. DOI: 10.1007/978-3-642-33932-5_52.

[52]ZHANG Pengpeng, QUEIROZ M D, CAI Xiaoyu. 3D Dynamic formation control of multi-agent systems using rigid graphs[J]. Journal of Dynamic Systems Measurement and Control, 2014, 137(11):1-7. DOI: 10.1115/1.4030973

[53]RAMAZANI S, SELMIC R R, QUEIROZ M D. Chapter thirteen-multiagent layered formation control based on rigid graph theory[M]. Control of Complex Syatems. Blacksburg: Elsevier, 2016: 397-419. DOI:10.1016/B978-0-12- 805246-4.00013-6.

[54]LUO Xiaoyuan, SHAO Shikai, ZHANG Yuyan, et al. Generation of minimally persistent circle formation for a multi-agent system[J]. Chinese Physics B, 2014, 23(2):614-622. DOI: 10.1088/1674-1056/23/2/028901.

[55]羅小元, 邵士凱, 關新平,等. 多智能體最優持久編隊動態生成與控制[J]. 自動化學報, 2013, 39(9):1431-1438. DOI: 10.3724/SP.J.1004.2013.01431.

LUO Xiaoyuan，SHAO Shikai，GUAN Xinping，et al. Dynamic generation and control of optimally persistent formation for multi-agent systems[J]. Acta Automatica Sinica, 2013, 39(9):1431-1438. DOI:10.3724/SP.J.10 04.2013.01431.

[56]SABER R O, MURRAY R M. Consensus problems in networks of agents with switching topology and time-delays[J]. IEEE Transactions on Automatic Control, 2004, 49(9): 1520-1533. DOI: 10.1109/TAC.2004.8341 13.

[57]REN Wei, BEARD R W, MCLAIN T W. Coordination variables and consensus building in multiple vehicle systems[J]. Lecture Notes in Control & Information Sciences, 2005, 309: 439-442. DOI: 10.1007/978-3-540-31595-7_10.

[58]REN Wei, BEARD R W. Consensus of information under dynamically changing interaction topologies[C]// IEEE American Control Conference. Boston: IEEE Press, 2004: 4939-4944.

[59]JADBABAIE A, LIN J, MORSE A S. Coordination of groups of mobile autonomous agents using nearest neighbor rules[J]. IEEE Transactions on Automatic Control, 2003, 48(6): 988-1001. DOI: 10.1109/CDC.2002.1184304.

[60]REN Wei, BEARD R W, ATKINS E M. Information consensus in multivehicle cooperative control [J]. IEEE Control Systems, 2007, 27(2): 71-82.

[61]SEO J, AHN C, KIM Y. Controller design for UAV formation flight using consensus based decentralized approach[C]// Proceedings of AIAA Conference. Reston: AIAA Press, 2009: 1-11. DOI: 10.2514/6.2009-1826.

[62]JAMSHIDI M, GOMEZ J, JAIMES B A S. Intelligent control of UAVs for consensus-based and network controlled applications[J]. Applied and Computational Mathematics, 2011, 10(1):35-64.

[63]MATTHEW T, NATHAN M, VIJY K. Trajectory design and control for aggressive formation flight withquadrotors[J]. Autonomous Robots, 2012, 33(1): 143-156. DOI: 10.1007/s105 14-012-9279-y.[64]KURIKI Y, NAMERIKAWA T. Consensus-based cooperative formation control with collision avoidance for a multi-UAV system[C]// American Control Conference. Portland: IEEE Press, 2014: 2077-2082.

[65]KURIKI Y, NAMERIKAWA T. Formation control with collision avoidance for a multi-UAV system using decentralized MPC and consensus-basedcontrol[J]. Sice Journal of Control Measurement and System Integration, 2015, 8(4):285-294. DOI: 10.9746/jcmsi.8.285.

[66]LI Shihua, WANG Xiangyu. Finite-time consensus and collision avoidance control algorithms for multiple AUVs[J]. Automatica, 2013, 49(11): 3359-3367. DOI: 10.1016/j.automatica.2013.08.003.

[67]邢關生，杜春燕，宗群,等. 基于一致性的小型四旋翼機群自主編隊分布式運動規劃[J]. 控制與決策, 2014, 29(11): 2081-2084. DOI:10.13195/j.kzyjc.2 013.1002.

XING Guansheng, DU Chunyan, ZONG Qun, et al. Consensus-based distributed motion planning for autonomous formation of miniature quadrotor groups[J]. Control and Decision, 2014, 29(11): 2081-2084. DOI: 10.13195 /j.kzy j c.2013.1002.

[68]ZONG Qun, SHAO Shikai. Decentralized finite-time attitude synchronization for multiple rigid spacecraft via a novel disturbance observer[J]. Isa Transactions, 2016, 65:150-163. DOI: 10.1016/j.isatra.2016.08.009.

[69]KOWNACKI C. Multi-UAV flight using virtual structure combined with behavioral approach[J]. Acta Mechanica et Automatica, 2016, 10(2): 92-99. DOI: 10.1515/ama -2016-0015.

[70]LIE F A P, GO T H. A collision-free formation reconfiguration control approach for unmanned aerial vehicles[J]. International Journal of Control Automation and Systems, 2010, 8(8): 1100-1107. DOI: 10.1007/s12555-010-0519-7.

[71]RAJASREE R, JISHA V R. Optimal formation control of Unmanned Aerial Vehicles with reconfiguration[C]// International Conference on Control Communication and Computing India. Trivandrum: IEEE Press, 2015:36-41. DOI: 10.1109/ICCC.2015.7432866.

[72]HAFEZ A, GIVIGI S. Formation reconfiguration of cooperative UAVs via Learning Based Model Predictive Control in an obstacle-loaded environment[C]// IEEE Systems Conference. Orlando: IEEE Press, 2016:1-8. DOI: 10.1109/SYSCON.2016.7490605.

[73]LIAO F, TEO R, WANGJianliang, et al. Distributed formation and reconfiguration control of VTOL UAVs[J]. IEEE Transactions on Control Systems Technology, 2017, 25(1):270-277. DOI: 10.1109/TCST.2016.2547952.

[74]ZHANG Xiangyin, DUAN Haibin. Differential evolution-based receding horizon control design for multi-UAVs formation reconfiguration[J]. Transactions of the Institute of Measurement and Control, 2012, 34(1): 165-183.

[75]ZHANG Xiaomin, DUAN Haibin, YANG Chen. Pigeon-Inspired optimization approach to multiple UAVs formation reconfiguration controller design[C]// IEEE Guidance, Navigation and Control Conference. Yantai: IEEE Press, 2015: 2707-2712. DOI:10.1109/CGNC C.2014.7007594.

[76]PENG Huijun, JIANG Xin. Nonlinear receding horizon guidance for spacecraft formation reconfiguration on libration point orbits using a symplectic numerical method[J]. Isa Transactions, 2015, 60: 38-52. DOI: 10.1016/j.isatra.2015.10.015.

[77]ZHANG Hongmei, ZHAO Guoli, XU Guangyang. Time-optimal control for formation reconfiguration of multiple unmanned aerial vehicles[C]// Chinese Control Conference. Chengdu: IEEE Press, 2016, 5630-5635.

[78]WANG Jianhong, MASOOD R J. Interior point algorithm for multi-UAVs formation autonomous reconfiguration[J]. 2016 (1): 1-9. DOI: 10.1155/2016/9095372.

[79]SPINKA O, HOLUB O, HANZALEK Z. Low-cost reconfigurable control system for small UAVs[J]. IEEE Transactions on Industrial Electronics, 2011, 58(3): 880-889. DOI: 10.1109/TIE.2009.2030827.

[80]GIAOCOMIN P A S, HEMERLY E M. Reconfiguration between longitudinal and circular formations for multi-UAV systems by using segments[J]. Journal of Intelligent and Robotic Systems, 2014, 78(2): 339-355. DOI: 10.1007/s10846-014-0063-4.

[81]LIMA P U. Abayesian approach to sensor fusion in autonomous sensor and robot networks[J]. IEEE Instrumentation and Measurement Magazine, 2007, 10(3): 22-27. DOI: 10.1109/MIM.2007.4284253.

[82]LEE D J. Nonlinear estimation and multiple sensor fusion using unscented information filtering[J]. IEEE Signal Processing Letters, 2008, 15: 861-864. DOI: 10.1109/ LSP.2008.2005447.

[83]王林, 王楠, 朱華勇,等. 一種面向多無人機協同感知的分布式融合估計方法[J]. 控制與決策, 2010, 25(6): 814-820.

WANG Lin, WANG Nan, ZHU Huayong, et al. Distributed fusion estimation algorithm for multi-UAVs cooperative sensing[J]. Control and Decision, 2010, 25(6): 814-820.

[84]RIDLEY M, NETTLETON E,G?KTOGAN A, et al. Decentralised ground target tracking with heterogeneous sensing nodes on multiple UAVs [M]//Information Processing in Sensor Networks. Berlin: Springer, 2003: 545-565. DOI:10.1007/3-540-36978-3_37.

[85]CAMPBELL M E, WHITACRE W W. Cooperative tracking using vision measurements on seascan UAVs[J]. Control Systems Technology IEEE Transactions on, 2007, 15(4): 613-626. DOI: 10.1109/TCST.2007.899177.

[86]YANG Baisheng, JI Hongbing. Multi-passive-sensor fusion tracking based on unscented kalman filter[J]. Control and Decision, 2008，23(4):460-463. DOI: 1001-0920( 2008) 04-0460-04

[87]MERINO L, CABALLERO F, MARTINEZ-DE D J R, et al. A cooperative perception system for multiple UAVs: Application to automatic detection of forest fires [J]. Journal of Field Robotics, 2006, 23(3/4): 165-184. DOI: 10.1002/rob.20108.

[88]SHEN Shaojie, MULGAONKAR Y, MICHAEL N, et al. Multi-sensor fusion for robust autonomous flight in indoor and outdoor environments with a rotorcraft MAV[C]// IEEE International Conference on Robotics and Automation. Hong Kong: IEEE Press, 2014: 4974-4981. DOI: 10.1109/ICRA.2014.6907588.

[89]ABDI G, SAMADZADEGAN F, KURZ F. Pose estimation of unmanned aerial vehicles based on a vision-aided multi-sensorfusion[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2016, XLI-B6: 193-199. DOI: 10.5194/isprs-archives-XLI-B6-193-2016.

[90]AHMED N, KANHERE S S, JHA S. Link characterization for aerial wireless sensor networks[C]// IEEE GLOBECOM Workshops. 2011: 1274-1279. DOI: 10.1109/GLOCOMW. 2011.6162388.

[91]BEKMEZCI I, SAHINGOZ O K, TEMEL. Flying ad-hoc networks (FANETs):a survey[J]. Ad Hoc Networks, 2013, 11(3): 1254-1270. DOI: 10.1016/j.adhoc.2012.12.004.

[92]GUPTA L, JAIN R, VASZKUN G. Survey of important issues in UAV communication networks[J]. IEEE Communications Surveys and Tutorials, 2016, 18(2): 1123-1152. DOI: 10.1109/COMST.2015.2495297.

[93]BROWN T X, ARGROW B, DIXON C, et al. Ad hocuav ground network (augnet)[C]// AIAA 3rd Unmanned Unlimited Technical Conference. Chicago: AIAA Press, 2004: 1-11. DOI:10.2514/6.2004-6321

[94]CAI Y, YU F R, LI J, et al. Medium access control for unmanned aerial vehicle (UAV) ad-hoc networks with full-duplex radios andmultipacket reception capability[J]. IEEE Transactions on Vehicular Technology, 2013, 62(1): 390-394. DOI: 10.1109/TVT.2012.2211905.

[95]ALSHABTAT A I, DONG L, LI J, et al. Low latency routing algorithm for unmanned aerial vehicles ad-hocnetworks[J]. International Journal of Electrical and Computer Engineering, 2010, 6(1): 48-54.

[96]ROSATI S, KRUZELECKI K, HEITZ G, et al. Dynamic routing for flying ad hoc networks[J]. IEEE Transactions on Vehicular Technology, 2016, 65(3): 1690-1700. DOI: 10.1109/TVT. 2015.2414819.

[97]RASMUSSEN S J, MITCHELL J W, CHANDLER P R, et al. Introduction to the Multi-UAV 2 simulation and its application to cooperative control research[C]// IEEE American Control Conference. Porland: IEEE Press, 2005: 4490-4501. DOI: 10.1109/ACC2005.1470704.

[98]GARCIA R, BARNES L. Multi-UAV simulator utilizing x-plane[J]. Journal of Intelligent and Robotic Systems, 2010, 57(1): 393-406. DOI:10.1007/s10846-009-93 72-4.

[99]周昊, 覃征, 邢劍寬. 基于多Agent的多無人機協同決策算法仿真平臺設[J]. 系統仿真學報, 2012, 24(3):53-60.

ZHOU Hao, TAN Zheng, XING Jiankuan. Simulation platform of cooperative algorithm for UAVs based on multi-agent system[J]. Journal of System Simulation, 2012, 24(3): 53-60.

[100]王國強, 羅賀, 胡笑旋. 無人機編隊協同任務規劃仿真系統研究[J]. 系統仿真學報, 2014, 26(8):1856-1862.

WANG Guoqiang, LUO He, HU Xiaoxuan. Research on UAV formation coordinated task planning simulation system[J]. Journal of System Simulation, 2014, 26(8): 1856-1862.

[101]宗群, 程燕勝, 李慶鑫,等. 多無人機系統仿真與驗證方法與裝置: CN103246204 A[P]. 2013-08-14.

ZONG Qun, CHENG Yansheng, LI Qingxin, et al. Method and device for simulation and verification of multi UAV system: CN103246204 A[P]. 2013-08-14.

[102]宗群, 廖海林, 李慶鑫,等. 基于HLA的多無人機分布式仿真方法: ZL201310158658.0[P]. 2016-01-20.

ZONG Qun, LIAO Linhai, LI Qingxin, et al. Distributed simulation method for multi UAV Based on HLA: ZL201310158658.0[P]. 2016-01-20.

(編輯 魏希柱)

封面圖片說明

封面圖片來自本期論文“多無人機協同編隊飛行控制研究現狀及發展”，是自主開發的分布式虛擬系統仿真平臺的多飛行器編隊視景顯示圖片. 自主開發的分布式虛擬系統仿真平臺是由模型計算機、系統主控計算機、視景顯示計算機、PC104控制器、無線AP/路由器以及Wi-Fi無線通信模塊搭建組成. 模型計算機采用xPC仿真環境，運行單架無人機動力學以及環境模型. 進行仿真驗證之前，先將多無人機動力學模型通過以太網從主計算機下載到xPC從計算機1～n. 系統主控計算機發出編隊飛行任務指令，并監監視利用每個控制器PC104控制誤差信號，實現對單架無人機的控制. 視景顯示計算機實時顯示n架無人機編隊飛行圖. 其中無線AP/路由器作為系統無線網絡的中轉站，實現信息交換.Wi-Fi無線通信模塊使有線通信方式轉為無線連接. 多無人機協同編對飛行，驗證了所設計算法的有效性，并證明了所搭建的自主開發分布式虛擬系統仿真平臺的正確性，這一平臺適用于多種飛行器(如無人機、衛星)的協同控制算法和軌跡優化算法的仿真和驗證.

(圖文提供： 宗群， 王丹丹， 邵士凱， 張博淵， 韓宇. 天津大學電氣與自動化工程學院)

Research status and development of multi UAV coordinated formation flight control

ZONG Qun1, WANG Dandan1, SHAO Shikai1, ZHANG Boyuan1, HAN Yu2

(1.School of Electrical Engineering and Automation, Tianjin University，Tianjin 300072, China;2.School of Electrical Information Engineering, Tianjin University，Tianjin 300072, China)

It is well known that unmanned aerial vehicle (UAV) is more and more widely applied in military and civil areas. In order to play the better role of UAV, it is needed to utilize multi UAVs cooperative formation to accomplish cooperative reconnaissance, combat, defense and spraying pesticides and other tasks. The multi UAVs cooperative formation control technology mainly contains the following key techniques: data fusion technology, sensing technology, task allocation technology, path planning technology, formation control technology, communication network technology and virtual/physical verification platform technology. Firstly, summarize the research and development of key technologies worldwide. Then, the classification for multi UAVs formation control methods is mainly investigated, and the problems about formation design and adjustment, formation reconfiguration are summarized. Finally, the challenges and future development for multi UAV cooperative formation are prospected. Research shows: at present, the theory of multi UAV formation flight has acquired fruitful results, while the real cooperative formation flight test can only be implemented in the simple communication environment. The real time performance for task allocation and path planning is not high. The robustness of control methods to cope with the unexpected situation is low. The cooperative sensing ability for multi UAV with multi sensor is insufficient. The simulation of the entity is lacked. Breaking through the above key technologies, carrying out the cooperative formation flight of multi UAV in complex sensing constraints and complex communication environment, putting forward more effective control method and carrying out the UAV physical formation flying test so that the UAV can finish the task better may be the future research directions.

multiple UAV; cooperative formation flight; task allocation; route planning; formation control; perception and fusion; virtual platform /physical platform

10.11918/j.issn.0367-6234.2017.03.001

2016-11-17

國家自然科學基金(61673294，61273092)

宗 群(1961—)，男，教授，博士生導師

韓 宇，han_yu@tju.edu.cn

V11

A

0367-6234(2017)03-0001-14