無人機集群技術綜述及發展應用

張昱昊

摘要：無人機集群技術作為智能無人機領域的重要發展方向，可有效解決單機作業的不足，并能夠適應日益復雜的無人機作業環境。本文從理論層面介紹了無人機集群的概念及發展現狀，從智能算法、環境感知、任務規劃、路徑規劃和自主避障等方面詳細闡釋了無人機集群的關鍵技術，并提出其面臨的技術挑戰，對未來發展方向做出一定判斷。

關鍵詞：無人機集群；智能算法；環境感知；任務規劃；發展趨勢

引言

無人機作為一種可通過自主控制或遠程控制實現平穩飛行，并執行特定任務的無人駕駛飛行器，是目前廣泛應用于軍用和民用領域的空中機器人系統[1]。以往傳統的無人機作業，通常是指單機作業，而由于使用環境的日益復雜化，作戰任務或特定用途的日益多樣化，單機作業已無法更好地滿足使用方的需求，因此多機協同作業的科技理念應運而生，為實現多機協同而得以快速發展的智能集群技術也得到了科研工作者的重視。本文將從無人機集群技術的原理概述和國內外研究現狀出發，解析智能集群的關鍵技術和相關算法，并闡述其面臨的技術挑戰和未來的發展應用。

1 無人機集群技術概述及發展現狀

“集群”的概念最初起源于對生物學的研究，即對螞蟻、蜜蜂等群居生活的昆蟲集群性行為的探究。群居昆蟲具有高度結構化的社會組織特性，通過其獨特的信息交互方法實現信息的傳遞，并表現出集群化智能行為，使其可很好地完成遠超個體能力的復雜工作任務。這種生物學行為給予科研工作者很大的啟發，隨之出現了集群智能方法，通過個體之間的協同工作來實現整體的復雜任務的順利執行，在提高任務執行力的同時提高了算法的魯棒性和計算能力。在此，給出集群的概念：集群是指擁有共同工作目標的多個實體構成的群組，集群會基于任務需求協調不同實體的行為，這些行為會根據不同個體的特定任務，隨環境變化而進行動態調整[2]。

無人機的集群即借鑒了源自生物學研究的“集群”概念，是指具備有限或完全自主能力的多架無人機，在有限的集中控制指令的條件下，通過相互之間的信息交互和協同工作，完成預期的超越單機作業的復雜任務。集群技術使得無人機群中的單一個體都具備自主飛向任務區域且避免相互碰撞的能力，并且可以自動處理個體任務，結合了人工智能、自主避障、路徑規劃等先進技術。本文結合相關文獻[3]，將無人機集群技術的優勢總結為以下三點：

（1）高魯棒性：由于不存在名義上的中心控制個體，因此不同個體之間相互傳遞信息，即使有單個個體失效，無人機群仍然可以維持正常工作；

（2）自主化飛行：工作期間所有個體只對自身飛行任務負責，并與其它個體傳遞信息，但不影響其它個體的正常工作；

（3）自修正性：穩定的集群結構自主生成，如有單一個體失效，新的集群結構會快速形成并恢復穩定形態，不影響整體工作任務。

無人機集群技術實現了多機協同工作，體現了作戰性能的優越性，國內外已對該項技術展開了廣泛研究。國外在無人機集群技術領域發展較快，美國DARPA（國防高級研究局）和NRL（海軍研究實驗室）已在該領域取得了一定的研究成果。以美國研究成果為例，目前已有小精靈項目、山鶉項目、拒止環境中協同作戰項目等。小精靈項目（Gremlins）于2015年8月立項開展，成本低，高效快速，可在空中發射與回收、重復使用。山鶉項目（Perdix）于2014年開展，2017年的美國海軍作戰實驗中，以0.6馬赫速度投放了103架山鶉無人機，創下美軍軍用無人機蜂群最大規模飛行記錄[4]；該實驗中無人機蜂群未提前嵌入飛行程序，在地面站指揮下自主實現協同，展現了集體決策、自修正、自適應編隊飛行的集群化作業性能。拒止環境中協同作戰（CODE）則體現了無人機集群的抗干擾能力和較強的適應能力，由DARPA主導完成。

2 智能集群的關鍵技術及相關算法

2.1 集群智能算法

蟻群算法是在智能集群技術中常用到的一種智能算法，其研發受到螞蟻覓食的啟發。該算法原理為把待解問題轉換成相應的構建圖，在構建圖中依照一定的規則釋放人工信息素，隨著信息素依照某種規則的不斷累積，人工螞蟻可探測人工信息素的濃度并以此得出問題的解。人工魚群算法可以用在智能集群技術的環境感知中，該算法為自上而下設計的尋優算法，基于魚群覓食、聚集、尾隨等生物學行為，在無人機集群中可將不同個體類比為不同的魚類個體，來感知同伴，探索環境，規避障礙物。此外，我們還可以用到的算法有粒子群算法，遺傳算法，一致性集束算法等。

2.2 環境感知技術

無人機集群面臨的作業環境一般較為復雜惡劣，對環境感知技術提出了較高的要求。環境感知技術首先從硬件出發，利用光電傳感器、雷達設備、視覺成像技術等傳感元件收集飛機所處環境的信息數據，在原始環境數據的基礎上運用特征識別算法，識別目標環境的目標特征，從而引導無人機集群在目標環境中作戰或執行特定任務。該部分的關鍵技術除傳感器等硬件設備研發外，還包括特征識別，對環境和識別實體的數學建模，對識別信息的融合和數據共享等。

2.3 多機協同任務規劃與決策

多機協同作業區別于單機作業，鑒于無人機集群目前較多應用于軍事領域，多機協同作戰常見于復雜戰場中同時完成情報獲取、多方位偵察、覆蓋式攻擊或多點攻擊等任務執行。在這些情況下，如何合理地分配不同單機個體的作戰/作業任務成為問題的關鍵。無人機集群基本具有個體成本低，數量多，魯棒性高及自修正能力強等特點，因此其任務分配基本依照保證最大益損比，保證較高容錯率和任務均衡的原則進行。任務規劃和決策算法可參照本節第一部分提出的集群智能算法，在該部分技術中算法優劣在很大程度上決定著任務的完成情況。

2.4 路徑規劃與自主避障

無人機集群在飛行作業時需要具有自主規劃飛行路線和規避障礙物的能力，在缺乏中心控制的條件下，需要使每個集群的個體同時具備自主的飛行控制能力。該部分技術也需要從軟硬件出發進行研究，首先需要有穩定的飛控系統，保證每架無人機的平穩飛行；此外，需對個體設計局部路徑規劃算法，避免飛行路線的沖突，消除碰撞事故；基于傳感器技術設計自主避障算法，賦予集群中個體自主規避障礙物的能力。同時，集群技術的信息交互能力，使得不同個體之間可以有效傳遞重要信息，進一步完善了無人機的路徑規劃和避障功能。

3 集群技術的難點及未來發展

3.1 面臨的技術挑戰

無人機集群的概念由美國提出，其發展同樣以美國DARPA等研發機構走在國際前列，國內目前對該領域的研究不足，尚處于研發的重要發展期。該技術所具備的巨大優勢得到了國內相關科研機構的普遍重視，北京航空航天大學、哈爾濱工業大學等高校及科研機構也都對該技術展開深入探討。本文從硬件和軟件兩方面對該技術的技術難題進行闡述。

硬件方面，環境感知技術、自主避障技術等對傳感器的性能提出了較高要求，高精度雷達、視覺傳感器等成為重要的研究方向。個體間的信息交互對無線傳輸系統提出了一定要求，需要同時具備實時性和較高的抗干擾能力。復雜的飛行任務對飛控提出了較高要求，需要在短時間內處理較多飛行數據。

軟件方面，智能算法是集群技術的研發焦點。目前，傳統的集群算法如蟻群算法、粒子群算法、遺傳算法等無法處理復雜的集群問題，在面臨龐大的多機協作群體時，計算量較大，現有算法無法在短時間內得到有效的處理結果。此外，實現集群模型的穩定性和自修正功能的相關算法發展尚不完善，仍需進一步研究以改善處理效果。

3.2 未來發展趨勢

無人機集群技術的未來發展首先是要解決研發過程中的技術挑戰，在上文已有提及，可總結歸納為集群的自主性、協同性和算法智能性等方面。隨著人工智能的發展，無人機集群技術也進入了新的階段，將傳統的集群技術與人工智能方法相結合促成了未來發展的重要趨勢。在路徑規劃方面，傳統算法可以與人工智能的預測控制算法、神經網絡、深度學習算法相結合，提高路徑規劃的智能化程度和精確度。在環境感知方面，基于深度學習的圖像識別技術為更好地感知作業環境提供了更多可能。在集群個體的自主性方面，自適應學習算法可應用于無人機的自主飛行，適應更加復雜的操作環境。

結束語

無人機集群技術是航空技術和自動化技術發展的一個重要方向，是無人機技術發展的必然趨勢，其本身所具有的諸多優勢，使其在軍事領域得到重視和高度發展，未來在無人機物流、無人機農植作業等民用領域也會得到發展應用。本文在介紹其發展現狀的基礎上解析了無人機集群的幾項關鍵技術，體現了其多學科融合的理論特色。隨著人工智能的發展，無人機集群技術將會進入更快、更高的發展階段。

參考文獻：

[1]張濤，蘆維寧，李一鵬.智能無人機綜述[J].航空制造技術，2013，432 （12）：32-35.

[2]牛軼峰，肖湘江，柯冠巖.無人機集群作戰概念及關鍵技術分析[J].國防科技，2013，34 （5）：37-43.

[3]武曉龍，王茜，焦曉靜.美國小型無人機集群發展分析[J].飛航導彈，2018 （2）.

[4]賈高偉，侯中喜.美軍無人機集群項目發展[J].國防科技，2017，38 （4）：53-56.