基于動(dòng)態(tài)角色分配的一致性協(xié)同無人機(jī)編隊(duì)控制

姜鴻儒，范云鋒，徐亞周，董詩音，趙佳歡

(上海機(jī)電工程研究所，上海 201108)

0 引言

隨著硬件向微型化、高精度方向快速發(fā)展，目前無人機(jī)已在軍事和民用領(lǐng)得到了廣泛地應(yīng)用，尤其在電子對(duì)抗、探測(cè)偵察、航空攝影、地質(zhì)勘定等多個(gè)領(lǐng)域占據(jù)了一定的使用基礎(chǔ)。良好的機(jī)動(dòng)性能、較強(qiáng)的環(huán)境適應(yīng)能力、可觀的隱身性能、極高的性價(jià)比等一系列優(yōu)點(diǎn)使得它不但在軍事層面有著重大的戰(zhàn)略意義，而且在民用領(lǐng)域具有巨大的商業(yè)價(jià)值。隨著無人機(jī)的普及，使用者發(fā)現(xiàn)在環(huán)境復(fù)雜的場(chǎng)景下，單一無人機(jī)工作能力有限，工作范圍也會(huì)受到很大限制，致使單一無人機(jī)在受到損壞的情況下無法完成目標(biāo)任務(wù)，造成巨大損失，所以多無人機(jī)合作協(xié)同的需求增加，進(jìn)而推動(dòng)了多智能體協(xié)同編隊(duì)控制的研究來彌補(bǔ)單一無人機(jī)在執(zhí)行任務(wù)時(shí)出現(xiàn)的探索視野存在盲區(qū)、作戰(zhàn)使用范圍受限、區(qū)域目標(biāo)搜索能力差、魯棒性弱，執(zhí)行任務(wù)周期長(zhǎng)等問題。

隨著任務(wù)難度的提升，無人機(jī)協(xié)同編隊(duì)將是未來的軍事領(lǐng)域主要發(fā)展內(nèi)容之一。多無人機(jī)的協(xié)同控制可以很好地彌補(bǔ)單一無人機(jī)在執(zhí)行任務(wù)中出現(xiàn)的作戰(zhàn)半徑有限、巡航時(shí)間短、視野殘缺、容錯(cuò)率低、魯棒性差等問題，并且多無人機(jī)協(xié)同可將任務(wù)細(xì)化，給不同類型的無人機(jī)分配角色，讓其各自完成自身較為擅長(zhǎng)的子任務(wù)，從而提升整體的作戰(zhàn)能力和任務(wù)完成率。其中，讓多無人機(jī)可以保持原定隊(duì)形進(jìn)行運(yùn)動(dòng)，并在突發(fā)情況下仍能根據(jù)當(dāng)前環(huán)境和自身情況找到適合的編隊(duì)位置是無人機(jī)協(xié)同編隊(duì)的重點(diǎn)和難點(diǎn)，也是目前迫切需要解決的無人機(jī)編隊(duì)問題之一。

在無人機(jī)的姿態(tài)控制的基礎(chǔ)上，美國(guó)各高校率先對(duì)多無人機(jī)編隊(duì)控制進(jìn)行研究。賓夕法尼亞大學(xué)GRASP實(shí)驗(yàn)室通過動(dòng)作捕捉系統(tǒng)獲取各個(gè)無人機(jī)的位置信息，完成了多架無人機(jī)的躲避障礙和編隊(duì)飛行任務(wù)[1]，并在TED上展示了展示了他們的研究成果[2]，使得無人機(jī)編隊(duì)控制得到了更高的關(guān)注。麻省理工大學(xué)選擇了另一種編隊(duì)方式，通過利用無人機(jī)搭載的慣導(dǎo)器件和其他傳感器來獲取自身的姿態(tài)信息和周圍環(huán)境信息，進(jìn)而實(shí)現(xiàn)軌跡規(guī)劃，完成目標(biāo)搜索等任務(wù)[3]。伯克利大學(xué)的bear實(shí)驗(yàn)室設(shè)計(jì)了非線性模型預(yù)測(cè)控制方法對(duì)多智能體進(jìn)行便對(duì)控制[4]等。

相對(duì)國(guó)外，國(guó)內(nèi)無人機(jī)雖起步晚但發(fā)展較快，在編隊(duì)控制問題上都有了很大的突破和進(jìn)展[5]?；谝恢滦运惴ㄑ芯俊邦I(lǐng)航者―跟隨者”策略[6]。設(shè)計(jì)了基于三階一致性理論設(shè)計(jì)編隊(duì)控制器解決某無人機(jī)無法工作的情況下其它無人機(jī)仍保持隊(duì)形穩(wěn)定飛行的問題[7]?；谖恢谜`差和同步誤差的同步控制算法來實(shí)現(xiàn)對(duì)四旋翼無人機(jī)的編隊(duì)控制。在收到干擾的情況下[8]，設(shè)計(jì)了一種基于信息交互的一致性編隊(duì)控制方法和基于協(xié)同航跡規(guī)劃和跟蹤的編隊(duì)控制的雙模式切換的無人機(jī)編隊(duì)控制方法，來增強(qiáng)編隊(duì)的抗干擾能力[9]。基于自適應(yīng)積分滑?？刂瓶蚣?，設(shè)計(jì)了一種無人機(jī)編隊(duì)控制器方法[10]。利用觀測(cè)器來對(duì)干擾進(jìn)行補(bǔ)償，設(shè)計(jì)了一種基于狀態(tài)觀測(cè)器的分布式有限時(shí)間編隊(duì)跟蹤控制策略[11]。根據(jù)無人機(jī)的特點(diǎn)、飛行情況，對(duì)一致性變量的邊界問題進(jìn)行平滑設(shè)計(jì)以及限幅處理，設(shè)計(jì)了一種改進(jìn)的一致性編隊(duì)控制算法，提高了編隊(duì)控制算法的控制效果和執(zhí)行效率[12]。提出了一種將基于行為法和虛擬領(lǐng)航者法相結(jié)合的混合編隊(duì)技術(shù)編隊(duì)，設(shè)計(jì)了奔向目標(biāo)、隊(duì)形保持、避碰及避障共4種基本行為解決無人機(jī)群體在復(fù)雜戰(zhàn)場(chǎng)環(huán)境下的編隊(duì)、避障、避碰問題。除此之外，隨著人工智能算法領(lǐng)域的發(fā)展，一些神經(jīng)網(wǎng)絡(luò)、博弈論等算法也被運(yùn)用在編隊(duì)控制算法中[13]。提出一種基于博弈的分布式控制算法，利用一致性方法和梯度下降實(shí)現(xiàn)納什均衡點(diǎn)的求解從而實(shí)現(xiàn)理想編隊(duì)[14]。設(shè)計(jì)了一種新的BP神經(jīng)網(wǎng)絡(luò)輔助的自適應(yīng)PID無人機(jī)編隊(duì)智能控制算法，提高了現(xiàn)有PID算法的計(jì)算精度[15]。設(shè)計(jì)了一種多四旋翼分布式神經(jīng)自適應(yīng)動(dòng)態(tài)面協(xié)同編隊(duì)控制方法，實(shí)現(xiàn)對(duì)四旋翼位置回路和角度回路未知非線性干擾的快速平滑學(xué)習(xí)與補(bǔ)償[16]。設(shè)計(jì)了基于深度強(qiáng)化學(xué)習(xí)中DDQN算法設(shè)計(jì)無人機(jī)編隊(duì)控制器，控制速度與航向通道，使僚機(jī)能夠自學(xué)習(xí)跟蹤長(zhǎng)機(jī)并保持編隊(duì)。這些算法對(duì)無人機(jī)的硬件要求較為苛刻且計(jì)算量較大，在實(shí)際執(zhí)行任務(wù)中較難實(shí)現(xiàn)。此外，大多數(shù)算法未考慮無人機(jī)編隊(duì)整體能耗的影響，可能會(huì)導(dǎo)致執(zhí)行任務(wù)范圍大大縮小，降低其實(shí)際的應(yīng)用價(jià)值。

本文的貢獻(xiàn)在于在控制多無人機(jī)編隊(duì)的同時(shí)考慮了實(shí)際復(fù)雜環(huán)境和無人機(jī)整體編隊(duì)的能量損耗問題，設(shè)計(jì)了一種基于動(dòng)態(tài)角色分配的一致性協(xié)同無人機(jī)編隊(duì)控制方法。無人機(jī)獲得各自編隊(duì)中的角色，再得到其他無人機(jī)的位置信息和隊(duì)形信息后通過匈牙利算法得到最優(yōu)分配并動(dòng)態(tài)更新各自角色信息和位置信息，使多無人機(jī)收斂到一致性軌跡跟蹤控制下的隊(duì)形位置，并對(duì)相關(guān)算法進(jìn)行了證明。在此基礎(chǔ)之上，以5架無人機(jī)為例通過仿真實(shí)驗(yàn)對(duì)所設(shè)計(jì)的編隊(duì)方法進(jìn)行了驗(yàn)證。

本文接下來將從以下幾方面進(jìn)行介紹：第1節(jié)將簡(jiǎn)單介紹無人機(jī)的運(yùn)動(dòng)學(xué)模型及相應(yīng)的基于擴(kuò)張狀態(tài)觀測(cè)器的反饋線性化姿態(tài)控制器；第2節(jié)將首先介紹一些的圖論知識(shí)為后續(xù)控制算法設(shè)計(jì)和證明做支撐，然后介紹所設(shè)計(jì)的一致性編隊(duì)控制算法和基于匈牙利算法的動(dòng)態(tài)角色分配模型，并給出相應(yīng)的理論證明；第3節(jié)將以5架無人機(jī)為例進(jìn)行實(shí)驗(yàn)仿真并分析仿真結(jié)果；最后，在第4節(jié)中給出了相應(yīng)研究結(jié)論。

1 無人機(jī)運(yùn)動(dòng)學(xué)模型及姿態(tài)控制方法

本節(jié)介紹一下，無人機(jī)的運(yùn)動(dòng)學(xué)模型以及其相應(yīng)的姿態(tài)控制算法，為多無人機(jī)編隊(duì)提供基礎(chǔ)。本文采用的無人機(jī)運(yùn)動(dòng)學(xué)模型為通用的無人機(jī)運(yùn)動(dòng)學(xué)模型，設(shè)計(jì)的姿態(tài)控制方法為基于擴(kuò)張狀態(tài)觀測(cè)器的反饋線性化姿態(tài)控制器。

1.1 運(yùn)動(dòng)學(xué)模型

我們采用通用的無人機(jī)的姿態(tài)動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)模型，如下所示[17]：

其中：χ和γ表示無人機(jī)的航向角和航跡角。δ，τ，ΩE分別表示緯度、經(jīng)度和地球的角速度。α，β，μ分別表示攻角、側(cè)滑角和傾斜角。p，q，r表示無人機(jī)的體坐標(biāo)系。Mx，My，Mz表示攻角，側(cè)滑，傾斜角的氣動(dòng)力矩。f1，f2，f3表示額外干擾。Ixx，Iyy，Izz分別表示機(jī)體圍繞X，Y，Z軸的轉(zhuǎn)動(dòng)慣量。

為了從狀態(tài)過程中分離控制器，以及設(shè)置有空氣動(dòng)力學(xué)參數(shù)的不確定性和其他因素所造成的擾動(dòng)。從模型中可以看出，由于無人機(jī)在飛行過程中姿態(tài)角相較于姿態(tài)角速度的變化速度慢，往往兩者間會(huì)差幾個(gè)數(shù)量級(jí)，由此可以將姿態(tài)角速度和姿態(tài)角度兩者剝離開來，對(duì)兩者分別進(jìn)行控制，因此可以將上式看成兩個(gè)子系統(tǒng)，分別為狀態(tài)變量為Ω的角度子系統(tǒng)和狀態(tài)變量為ω的角速度子系統(tǒng)。

通過簡(jiǎn)化，可得：

其中：

1.2 姿態(tài)控制方法

根據(jù)簡(jiǎn)化的無人機(jī)運(yùn)動(dòng)學(xué)模型，設(shè)計(jì)了反饋線性化姿態(tài)控制方法，并利用擴(kuò)張狀態(tài)觀測(cè)器對(duì)擾動(dòng)進(jìn)行精確估計(jì)和補(bǔ)償。具體控制器如下，

角度子系統(tǒng)控制器：

其中：k=diag(kα，kβ，kμ)，kα，kβ，kμ都是正常數(shù)，用于調(diào)節(jié)姿態(tài)子系統(tǒng)的誤差，以此來讓系統(tǒng)為漸近穩(wěn)定。

角速度子系統(tǒng)控制器：

其中：u是反饋控制量，kf=diag{k1，k2，k3}，e=ωc-ω。

角速度子系統(tǒng)擴(kuò)張狀態(tài)觀測(cè)器：

具體的穩(wěn)定性分析可參考[18]。該方法減少調(diào)節(jié)參數(shù)，大大降低了調(diào)節(jié)難度，同時(shí)利用擴(kuò)張狀態(tài)觀測(cè)器來對(duì)擾動(dòng)進(jìn)行估計(jì)和補(bǔ)償，提高了無人機(jī)姿態(tài)控制的精度。

2 編隊(duì)控制

在上一節(jié)無人機(jī)姿態(tài)控制的基礎(chǔ)上，進(jìn)行多無人機(jī)編隊(duì)控制器的設(shè)計(jì)?？紤]到在實(shí)際執(zhí)行任務(wù)時(shí)，存在復(fù)雜的地理環(huán)境飛行損耗、巡航周期和固定能量等能耗問題，本節(jié)設(shè)計(jì)了一種在多無人機(jī)執(zhí)行任務(wù)過程中可依據(jù)具體的周圍環(huán)境情況來重新制定編隊(duì)方案和重新分配各無人機(jī)角色、確定自身位置以此來縮小執(zhí)行任務(wù)周期，同時(shí)減小整體行徑航路和能量消耗的基于動(dòng)態(tài)角色分配的一致性編隊(duì)控制方法。

以每個(gè)無人機(jī)知悉周圍無人機(jī)位置信息和編隊(duì)信息為前提，通過設(shè)計(jì)的多無人機(jī)編隊(duì)方法可動(dòng)態(tài)更新每個(gè)無人機(jī)在編隊(duì)中的角色和位置，通過匈牙利算法[19]得到最優(yōu)分配，使得每個(gè)無人機(jī)收斂到一致性軌跡跟蹤控制下的隊(duì)形位置。在設(shè)計(jì)編隊(duì)控制器前，需要介紹一些編隊(duì)控制的一些基礎(chǔ)的圖論知識(shí)，便于更好的理解無人機(jī)編隊(duì)控制算法。

2.1 基礎(chǔ)知識(shí)

2.1.1 圖論知識(shí)

假設(shè)一個(gè)編隊(duì)中由n個(gè)節(jié)點(diǎn)組成，圖g是由非空頂點(diǎn)集V= {1，2，…，n}和邊集ε?V×V組成[20]。在有向圖中，邊集中的邊(i，j)表示節(jié)點(diǎn)j可獲得節(jié)點(diǎn)i的信息，但反之則不一定成立。而在無向圖中，邊集中的邊(i，j)表示節(jié)點(diǎn)i和節(jié)點(diǎn)j可相互通信得到彼此信息。若存在一個(gè)有向樹包含圖g中所有的點(diǎn)，則稱其為有向生成樹。有向圖包含有向生成樹，即有向生成樹為有向圖的一個(gè)子集，則至少存在一個(gè)點(diǎn)可通過有向路徑指向圖中所有其他節(jié)點(diǎn)。存在一種特殊情況，若圖中任意兩個(gè)節(jié)點(diǎn)間都有邊，則稱之為完全圖。

An=[aij]?n×n是圖g的加權(quán)鄰接矩陣，若aij?ε，則定義aij>0，否則aij=0。對(duì)于無向圖來說，加權(quán)鄰接矩陣是對(duì)稱矩陣，即aij=aji。

2.1.2 匈牙利算法

匈牙利算法主要是根據(jù)二部圖匹配將最大流算法進(jìn)行了簡(jiǎn)化，通過尋找增廣路徑以此來求得二分圖最大匹配的算法，提高了整體的計(jì)算效率。普通的最大流算法一般都是基于帶權(quán)網(wǎng)絡(luò)模型的，二部圖匹配問題不需要區(qū)分圖中的源點(diǎn)和匯點(diǎn)，也不關(guān)心邊的方向，因此不需要復(fù)雜的網(wǎng)絡(luò)圖模型。具體內(nèi)容如下。

1)尋找代價(jià)矩陣中所有行中最小的元素，并減掉該行的最小元素，同理，找到所有列中的最小元素并在該列中減掉，使代價(jià)函數(shù)每一行每一列都有零元素；

2)n階的代價(jià)矩陣需至少有n個(gè)獨(dú)立的零元素，然后將這些獨(dú)立的零元素設(shè)為1，其他的元素都設(shè)為0，進(jìn)而得到代價(jià)矩陣的最優(yōu)解。但可以得到n個(gè)獨(dú)立零元素的情況比較少見，如果無法獲得n個(gè)獨(dú)立零元素，需要從只有一個(gè)零元素的行(列)中進(jìn)行標(biāo)記，將該列(行)中的其他零元素劃掉以表示此任務(wù)指派于他而其他節(jié)點(diǎn)不能完成該任務(wù)。如此反復(fù)，直到所有零元素都做了相應(yīng)的標(biāo)記。若所標(biāo)記出的零的個(gè)數(shù)為n個(gè)，則表示該代價(jià)矩陣得到最優(yōu)解，否則進(jìn)行步驟3)；

3)為使代價(jià)矩陣能找到最多的獨(dú)立零元素，即選擇最少的直線來覆蓋代價(jià)矩陣中的所有零元素。做如下操作，對(duì)沒有標(biāo)記的行打勾，對(duì)已打勾的行中有劃掉零的列打勾，再對(duì)打勾的列中含標(biāo)記的行打勾，重復(fù)進(jìn)行上述步驟直到不能再打勾為止。對(duì)未打勾的行和列畫線，即可得到用最少的直線覆蓋所有零元素；

4)從代價(jià)矩陣中找到未被直線覆蓋的元素中的最小元素，并對(duì)每個(gè)未被直線覆蓋的元素減掉該最小元素，對(duì)被直線覆蓋的元素加該最小元素，得到一個(gè)新的矩陣，再開始從第2步重復(fù)進(jìn)行，直到圈出的零元素等于n為止，則找到最優(yōu)匹配。

2.2 一致性編隊(duì)控制算法

由于圖g是由一個(gè)無人機(jī)(領(lǐng)航者)和n個(gè)無人機(jī)共同組成。

(1)

其中：ui，i=1，2…，n為給定協(xié)議，若存在一個(gè)平衡點(diǎn)ξ*使得當(dāng)t→ ∞下，針對(duì)任何初始狀態(tài)都可令ξ→ξ*，則說明了每個(gè)智能體能收斂于原定隊(duì)形或拓?fù)渲小?/p>

假設(shè)1：圖g是完全圖。

針對(duì)每個(gè)智能體，其編隊(duì)的一致性軌跡跟蹤算法為

(2)

其中：kij，αi為調(diào)節(jié)參數(shù)。

定理 2.2.1：如上文定義A=[aij]?(n+1)×(n+1)，aij和ai(n+1)有信息交流時(shí)為1，否則為0，a(n+1)k=0，?k?{1，2，…，n}。 當(dāng)且僅當(dāng)A為有向圖和ai(n+1)=1時(shí)，ξi→ξr+hi，ξj→ξr+hj。

(3)

根據(jù)式(2)～(3)，得

其中：Ln=[lij]?n×n且lij=-aijkij(i≠j)，lii=∑i≠jaijkij，?i，j∈{1，2，…，n}，

2.3 動(dòng)態(tài)角色分配

基于一致性編隊(duì)控制算法，本小節(jié)考慮多無人機(jī)在執(zhí)行任務(wù)中的能耗問題。通過采用匈牙利算法來進(jìn)行對(duì)編隊(duì)無人機(jī)的動(dòng)態(tài)角色分配，使得多無人機(jī)在遇到復(fù)雜環(huán)境時(shí)根據(jù)自身位置和編隊(duì)信息進(jìn)行角色轉(zhuǎn)換，從而減少各無人機(jī)因維持編隊(duì)位置的飛行航程，大大的降低了整體編隊(duì)的飛行能耗。該方法是為給定的代價(jià)矩陣找到最優(yōu)分配的算法。

假設(shè)2：將智能體分配到最近的目標(biāo)位置可以最大限度地降低其能源成本[21]。

首先要選擇一個(gè)合適的代價(jià)矩陣。設(shè)計(jì)代價(jià)函數(shù)為：

定義代價(jià)矩陣如下：

其中：1≤ji≤n，j1≠j2≠…≠jn，即每個(gè)ji，i=1，2，…，n相互不在同一行和同一列。

通過選擇一組合適的來最大限度地降低成本。組合的選擇可通過匈牙利算法得到。

定理 2.3.1：定義矩陣Qn=[qij]?n×n，其中若第i個(gè)無人機(jī)可獲得第j個(gè)無人機(jī)的信息，則qij，反之qij=0。令Hm(t)=[h1(t)，h2(t)，…，hn(t)]，Hm(t)為Ηb元素組成的集合。Hm(t)和Ηb分別為Η(t)和Ηb集合的矩陣形式。令Hm(t)=HbQnT，可有最低成本函數(shù)。

證明：

根據(jù)Qn所給出的定義，可得如果第i個(gè)無人機(jī)可得到編隊(duì)第i個(gè)無人機(jī)的位置信息，則Qn=In，例如Hm(t)=Hb。通過有限次列變換，可由單位矩陣In導(dǎo)出Qn，使得Qn-1=QnT。所以若Qn≠In，只需將In對(duì)Hb做反向轉(zhuǎn)換即可。因此，Hm(t)=HbQnT。

3 仿真結(jié)果與分析

針對(duì)上述所設(shè)計(jì)的編隊(duì)算法和最優(yōu)分配方法，通過實(shí)驗(yàn)仿真來驗(yàn)證基于動(dòng)態(tài)角色分配的一致性協(xié)同無人機(jī)編隊(duì)控制方法的可行性和有效性。此次仿真采用5架無人機(jī)組成，以1架為領(lǐng)航者，4架為跟隨者的編隊(duì)形式進(jìn)行實(shí)驗(yàn)，主要分為以下兩部分內(nèi)容：

1)驗(yàn)證一致性編隊(duì)控制算法的可行性。基于“領(lǐng)航者-跟隨者”模式，使各無人機(jī)實(shí)時(shí)獲取自身位置信息，并各自計(jì)算下一時(shí)刻的理想位置信息，以此來保持整體編隊(duì)隊(duì)形統(tǒng)一，進(jìn)而驗(yàn)證編隊(duì)方法的可行性和有效性；

2)驗(yàn)證動(dòng)態(tài)角色分配算法的有效性，使得多無人機(jī)在遇到復(fù)雜環(huán)境時(shí)根據(jù)自身位置和編隊(duì)信息進(jìn)行角色轉(zhuǎn)換，減少各無人機(jī)因維持編隊(duì)位置的飛行航程，大大的降低整體編隊(duì)的飛行能耗。實(shí)驗(yàn)仿真基于“領(lǐng)航者-跟隨者”模式，首先確定4架跟隨者無人機(jī)的角色，在整體編隊(duì)飛行過程中，通過改動(dòng)編隊(duì)中其中2架跟隨者節(jié)點(diǎn)的相對(duì)初始位置，來觀察整體編隊(duì)中各個(gè)節(jié)點(diǎn)的飛行軌跡，是否降低了整體編隊(duì)的飛行能耗，以此來驗(yàn)證動(dòng)態(tài)動(dòng)態(tài)角色分配的有效性。

所設(shè)計(jì)的一致性編隊(duì)控制算法，控制器的參數(shù)如下所示。

圖1 智能體編隊(duì)

圖2 xy軸跟蹤情況

接下來，驗(yàn)證動(dòng)態(tài)角色分配算法的有效性。為了進(jìn)一步驗(yàn)證該編隊(duì)控制方法具備根據(jù)環(huán)境來降低整體耗能的能力，在原有隊(duì)形的基礎(chǔ)之上，對(duì)其中跟隨者的位置進(jìn)行整體修改，將整體的隊(duì)形進(jìn)行180°旋轉(zhuǎn)。

圖3為未加入匈牙利算法的一致性編隊(duì)控制的仿真結(jié)果，圖4為加入有匈牙利算法的仿真結(jié)果。從仿真結(jié)果可以看出，未加入動(dòng)態(tài)角色分配算法的編隊(duì)控制，4個(gè)跟隨者會(huì)根據(jù)自身原有的角色按照原來角色的編隊(duì)理想位置進(jìn)行移動(dòng)，大大增加了飛行航程，同時(shí)也增加各跟隨者在飛行過程中碰撞的風(fēng)險(xiǎn)。而加入動(dòng)態(tài)角色分配算法的編隊(duì)控制器可以根據(jù)環(huán)境的變化來更改編隊(duì)中跟隨者的自身身份，從仿真結(jié)果中可以看到，4個(gè)跟隨者在執(zhí)行任務(wù)過程中，1號(hào)身份無人機(jī)轉(zhuǎn)變?yōu)?號(hào)身份無人機(jī)，2號(hào)身份無人機(jī)轉(zhuǎn)變?yōu)?號(hào)身份無人機(jī)，3號(hào)身份無人機(jī)轉(zhuǎn)變?yōu)?號(hào)身份無人機(jī)和4號(hào)身份無人機(jī)轉(zhuǎn)變?yōu)?號(hào)身份無人機(jī)，使得多無人機(jī)在執(zhí)行任務(wù)中減少了整體的行駛路徑，從而降低了整體的能源成本，降低了碰撞的風(fēng)險(xiǎn)，大大提高了其實(shí)際的應(yīng)用價(jià)值?？梢钥闯鐾ㄟ^使用動(dòng)態(tài)角色分配算法可以減少整體編隊(duì)的飛行航跡，降低能源成本。

圖3 改變位置編隊(duì)(無匈牙利算法)

圖4 改變位置編隊(duì)(有匈牙利算法)

4 結(jié)束語

針對(duì)多無人機(jī)在飛行過程中編隊(duì)保持快速收斂和復(fù)雜環(huán)境下隊(duì)形保持的相關(guān)能耗問題，本文設(shè)計(jì)了一種基于動(dòng)態(tài)角色分配的一致性協(xié)同無人機(jī)編隊(duì)控制方法來控制“領(lǐng)航者-跟隨者”模式下多無人機(jī)的編隊(duì)位置及動(dòng)態(tài)分配跟隨者各自身份。本文所設(shè)計(jì)的一致性編隊(duì)控制算法，可以提升編隊(duì)中各無人機(jī)的編隊(duì)位置精度，縮短收斂時(shí)間和提高編隊(duì)系統(tǒng)整體的魯棒性。除此之外，本文在編隊(duì)控制器中加入基于匈牙利算法的動(dòng)態(tài)角色分配方法使多無人機(jī)在執(zhí)行任務(wù)過程中可依據(jù)具體的周圍環(huán)境情況來重新制定編隊(duì)方案動(dòng)態(tài)分配跟隨者的角色信息，使得跟隨者根據(jù)新角色快速收斂到最優(yōu)的編隊(duì)位置以此來縮小整體的編隊(duì)飛行軌跡和任務(wù)執(zhí)行周期，減小整體能量消耗，并以5架無人機(jī)(1架領(lǐng)航者，4架跟隨者)構(gòu)成編隊(duì)為例開展了編隊(duì)飛行仿真分析，仿真結(jié)果也進(jìn)一步證明了本文所設(shè)計(jì)的一種基于動(dòng)態(tài)角色分配的一致性協(xié)同無人機(jī)編隊(duì)控制算法的可行性和有效性。

綜上所述，可以得出本文設(shè)計(jì)出的基于動(dòng)態(tài)角色分配的一致性協(xié)同無人機(jī)編隊(duì)控制算法能夠很好的對(duì)多個(gè)無人機(jī)進(jìn)行編隊(duì)控制，提升編隊(duì)中各無人機(jī)的編隊(duì)位置精度，縮短收斂時(shí)間和提高編隊(duì)系統(tǒng)整體的魯棒性，同時(shí)通過動(dòng)態(tài)角色分配算法重新分配各個(gè)跟隨者的角色使其獲得編隊(duì)中最佳的預(yù)期理想位置，從而減少了各節(jié)點(diǎn)的行駛路徑，降低了編隊(duì)飛行中的整體能源成本。