宗 群， 王丹丹， 邵士凱， 張博淵， 韓 宇

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

多無人機(jī)協(xié)同編隊(duì)飛行控制研究現(xiàn)狀及發(fā)展

宗 群1， 王丹丹1， 邵士凱1， 張博淵1， 韓 宇2

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

無人機(jī)在軍事和民用應(yīng)用上越來越廣泛，為使無人機(jī)能夠更好地發(fā)揮作用，需要采用多無人機(jī)編隊(duì)飛行控制來實(shí)現(xiàn)協(xié)同偵察、作戰(zhàn)、防御及噴灑農(nóng)藥等任務(wù). 多無人機(jī)協(xié)同編隊(duì)控制技術(shù)主要包括信息感知技術(shù)、數(shù)據(jù)融合技術(shù)、任務(wù)分配技術(shù)、航跡規(guī)劃技術(shù)、編隊(duì)控制技術(shù)、通信組網(wǎng)技術(shù)和虛擬/實(shí)物驗(yàn)證實(shí)驗(yàn)平臺(tái)技術(shù)等. 首先對(duì)國(guó)內(nèi)外多無人機(jī)編隊(duì)相關(guān)技術(shù)的現(xiàn)狀和進(jìn)展進(jìn)行綜述，然后重點(diǎn)對(duì)多無人機(jī)編隊(duì)控制方法進(jìn)行分析，并對(duì)隊(duì)形設(shè)計(jì)、隊(duì)形調(diào)整和隊(duì)形重構(gòu)等問題進(jìn)行歸納總結(jié)，最后對(duì)多無人機(jī)協(xié)同編隊(duì)所面臨的機(jī)遇和挑戰(zhàn)進(jìn)行了展望. 結(jié)果表明：目前多無人機(jī)編隊(duì)飛行理論方面取得了豐碩成果，但是實(shí)物飛行試驗(yàn)僅能實(shí)現(xiàn)簡(jiǎn)單通信環(huán)境下的協(xié)同編隊(duì)飛行，任務(wù)分配和航跡規(guī)劃實(shí)時(shí)性不高，控制方法應(yīng)對(duì)突發(fā)情況魯棒性低，多機(jī)多傳感器協(xié)同感知能力不足，欠缺對(duì)實(shí)體的仿真實(shí)現(xiàn)，未來的研究方向應(yīng)是突破上述關(guān)鍵技術(shù)的不足，開展復(fù)雜感知約束和復(fù)雜通信環(huán)境下的多無人機(jī)協(xié)同編隊(duì)飛行研究，提出更加有效的控制方法，并進(jìn)行多無人機(jī)實(shí)物編隊(duì)飛行試驗(yàn)，使無人機(jī)能夠更好地完成既定任務(wù).

多無人機(jī)；協(xié)同編隊(duì)飛行；任務(wù)分配；航跡規(guī)劃；編隊(duì)控制；感知與融合；虛擬平臺(tái)/實(shí)物平臺(tái)

無人機(jī)具有低成本、無人員傷亡、設(shè)備簡(jiǎn)單、操作方便和靈活可靠等特點(diǎn)，其可以近距離對(duì)地面目標(biāo)有選擇性和針對(duì)性地實(shí)施觀測(cè)，并且可以進(jìn)入敵方陣地進(jìn)行監(jiān)視，提高情報(bào)的可靠性和時(shí)效性. 在軍事偵察和民用測(cè)量上采用一定的編隊(duì)隊(duì)形進(jìn)行飛行，可以擴(kuò)大偵察和搜索的范圍. 多架無人機(jī)編隊(duì)飛行協(xié)同偵察時(shí)，通過調(diào)整相機(jī)在無人機(jī)上的安裝角度，可對(duì)目標(biāo)的全方位立體拍照，實(shí)現(xiàn)地面目標(biāo)的偵察和監(jiān)視. 單架無人機(jī)采用先進(jìn)控制策略可實(shí)現(xiàn)實(shí)時(shí)的高精度姿態(tài)控制，完成軌跡追蹤[1]，但是多無人機(jī)編隊(duì)飛行執(zhí)行任務(wù)的成功率和抗突發(fā)事件的能力要比單架飛機(jī)飛行高. 例如，在某次任務(wù)的執(zhí)行過程中，有一架飛機(jī)出現(xiàn)故障不能繼續(xù)工作，那么它可以返回進(jìn)行維修，而其余飛機(jī)仍舊按照原來的計(jì)劃保持編隊(duì)飛行，使任務(wù)得以圓滿完成. 但是現(xiàn)有的科技水平還無法支持完全意義上的多無人機(jī)編隊(duì)自主決策功能，幾乎不能實(shí)現(xiàn)較高程度智能化集群式大規(guī)模協(xié)同編隊(duì)飛行，因此深入開展信息感知技術(shù)、數(shù)據(jù)融合技術(shù)、任務(wù)分配技術(shù)、航跡規(guī)劃技術(shù)、編隊(duì)控制技術(shù)、通信組網(wǎng)技術(shù)和虛擬/實(shí)物驗(yàn)證實(shí)驗(yàn)平臺(tái)技術(shù)等多項(xiàng)技術(shù)的研究，以及多項(xiàng)技術(shù)間協(xié)同研究，對(duì)中國(guó)實(shí)現(xiàn)美國(guó)空軍發(fā)布的2016年—2036年小型無人機(jī)發(fā)展規(guī)劃[2]中“蜂群”、“編組”、“忠誠(chéng)僚機(jī)”和誘餌等多無人機(jī)協(xié)同編隊(duì)具有重要指導(dǎo)意義.

1 協(xié)同編隊(duì)飛行任務(wù)描述

為了達(dá)到多無人機(jī)協(xié)同編隊(duì)飛行的擴(kuò)大任務(wù)范圍、提高任務(wù)執(zhí)行效率和完成質(zhì)量、增強(qiáng)在高危環(huán)境中的作戰(zhàn)能力、提升系統(tǒng)對(duì)環(huán)境自適應(yīng)能力、擴(kuò)展任務(wù)能力等多個(gè)目標(biāo)，必須研究多無人機(jī)的狀態(tài)感知和數(shù)據(jù)融合、任務(wù)分配和航跡規(guī)劃、編隊(duì)控制和通信組網(wǎng)等多個(gè)技術(shù)，并研究多項(xiàng)技術(shù)間的協(xié)同作用.

多無人機(jī)協(xié)同編隊(duì)執(zhí)行危險(xiǎn)任務(wù)是一種必然趨勢(shì). 進(jìn)行多無人機(jī)協(xié)同編隊(duì)，首先要進(jìn)行信息感知，并對(duì)多源信息進(jìn)行融合；其次對(duì)各種任務(wù)進(jìn)行分配和決策；進(jìn)而對(duì)每架無人機(jī)進(jìn)行航跡規(guī)劃生成期望的軌跡；然后利用先進(jìn)的編隊(duì)控制方法和隊(duì)形設(shè)計(jì)技術(shù)實(shí)現(xiàn)多機(jī)編隊(duì)飛行任務(wù)；在編隊(duì)控制設(shè)計(jì)過程中，需要考慮多無人機(jī)之間的組網(wǎng)通信問題；最后，搭建模擬多無人機(jī)協(xié)同編隊(duì)飛行虛擬仿真平臺(tái)和實(shí)物演示平臺(tái)，驗(yàn)證編隊(duì)控制算法的可行性和有效性. 圖1為多無人機(jī)協(xié)同編隊(duì)飛行控制中各項(xiàng)關(guān)鍵技術(shù)之間的關(guān)系.

圖1 多無人機(jī)協(xié)同編隊(duì)飛行結(jié)構(gòu)圖

中國(guó)正在大力開展多無人機(jī)協(xié)同編隊(duì)飛行控制的研究，并對(duì)多機(jī)協(xié)同技術(shù)越來越重視，審批的國(guó)家基金項(xiàng)目不僅包括編隊(duì)控制研究，還包括無人機(jī)協(xié)同通信組網(wǎng)、感知融合、協(xié)同優(yōu)化決策、任務(wù)分配和協(xié)同航跡規(guī)劃等多個(gè)相關(guān)領(lǐng)域的交叉研究.

2 關(guān)鍵技術(shù)

本部分介紹多無人機(jī)協(xié)同編隊(duì)飛行的任務(wù)分配、航跡規(guī)劃、編隊(duì)控制、通信組網(wǎng)和感知、數(shù)據(jù)融合等技術(shù)的現(xiàn)狀和進(jìn)展，重點(diǎn)對(duì)編隊(duì)控制中的隊(duì)形設(shè)計(jì)和動(dòng)態(tài)調(diào)整技術(shù)、編隊(duì)控制方法、編隊(duì)重構(gòu)和避碰、避障技術(shù)進(jìn)行詳細(xì)分析.

2.1 任務(wù)分配

無人機(jī)飛行的環(huán)境日益復(fù)雜及于無人機(jī)性能等要求的提高，對(duì)無人機(jī)編隊(duì)任務(wù)分配的時(shí)效性、處理位置環(huán)境能力、求解速度等提出了更高的要求.

2010年，美國(guó)麻省理工學(xué)院大學(xué)Mcgrew等[3]針對(duì)固定速度一對(duì)一作戰(zhàn)機(jī)動(dòng)問題，用近似動(dòng)態(tài)規(guī)劃技術(shù)進(jìn)行求解，該方法針對(duì)快速變化的戰(zhàn)術(shù)情況能夠提供快速響應(yīng)，并在室內(nèi)完成了飛行試驗(yàn),對(duì)算法進(jìn)行了驗(yàn)證. 2011年，印度Sujit等[4]針對(duì)兩個(gè)無人機(jī)的未知區(qū)域協(xié)同搜索問題展開研究，考慮了無人機(jī)通信范圍、傳感器探測(cè)范圍、油量限制及補(bǔ)給站位置等約束條件，采用博弈論的方法對(duì)該問題進(jìn)行了求解，仿真結(jié)果表明基于博弈論的方法對(duì)于未知環(huán)境的搜索效率很高. 2011年，美國(guó)波爾圖大學(xué)Manathara等[5]針對(duì)多無人機(jī)作戰(zhàn)的最優(yōu)資源分配問題，針對(duì)多種異構(gòu)無人機(jī)設(shè)計(jì)了任務(wù)分配策略，并采用啟發(fā)式算法進(jìn)行求解. 2011年，美國(guó)加利福尼亞大學(xué)Marden等[6]針對(duì)多智能體系統(tǒng)中的分布式控制問題，考慮了分配效能函數(shù)設(shè)計(jì)問題，并分析了效能函數(shù)同納什平衡之間的關(guān)系. 2013年，該團(tuán)隊(duì)針對(duì)多類資源分配問題，采用改進(jìn)的基于狀態(tài)的博弈論方法，進(jìn)一步優(yōu)化了效能函數(shù)，相比傳統(tǒng)的博弈論，提高了資源分配求解速度[7]. 2013年，美國(guó)波爾圖大學(xué)Sujit等[8]針對(duì)無人機(jī)和水下機(jī)器人的協(xié)同搜索問題展開研究，分別提出了周期性協(xié)調(diào)、最短路徑協(xié)調(diào)和基于概率協(xié)調(diào)3種協(xié)同搜索策略，并分析了在無人機(jī)速度和數(shù)據(jù)影響下3種協(xié)同搜索策略的任務(wù)執(zhí)行時(shí)間及適用范圍. 2014年，美國(guó)珀杜大學(xué)Kim等[9]針對(duì)異構(gòu)無人機(jī)的編隊(duì)區(qū)域搜索和任務(wù)分配問題，提出了一種基于響應(yīng)閾值模型的概率決策機(jī)制的分布式方法，考慮了環(huán)境的不確定性，實(shí)現(xiàn)了快速靈活的無人機(jī)區(qū)域搜索和任務(wù)分配. 2015年，美國(guó)弗羅里達(dá)大學(xué)Malvankar-mehta等[10]針對(duì)有人/無人機(jī)器人任務(wù)分配問題，將高風(fēng)險(xiǎn)信息和低風(fēng)險(xiǎn)信息分層處理，選用多層任務(wù)分配模型，建立綜合考慮任務(wù)收益、代價(jià)和人為因素的綜合性能指標(biāo)，采用非線性規(guī)劃算法進(jìn)行求解，完成無人機(jī)任務(wù)分配. 2015年馬來西亞科技大學(xué)Wei等[11]針對(duì)傳統(tǒng)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(jí)任務(wù)分配方法，通過雙極任務(wù)分配結(jié)構(gòu)自適應(yīng)的條件搜索效率，相比傳統(tǒng)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(wù)分配的求解速度.

2.2 航跡規(guī)劃

為了確保復(fù)雜環(huán)境中多無人機(jī)編隊(duì)能夠安全、快速到達(dá)任務(wù)區(qū)域，降低被敵方雷達(dá)捕獲、摧毀的概率，需要設(shè)計(jì)滿足一定約束條件及性能指標(biāo)最優(yōu)的編隊(duì)航跡.

2013年，英國(guó)諾森比亞大學(xué)的Kothari等[12]采用機(jī)會(huì)約束方法來處理系統(tǒng)環(huán)境和環(huán)境態(tài)勢(shì)感知中的不確定性，再通過快速隨機(jī)搜索樹方法獲取了多無人機(jī)魯棒最優(yōu)路徑. 2015年，北京航空航天大學(xué)的段海濱等[13]將無人機(jī)全局路徑規(guī)劃問題轉(zhuǎn)化為三維空間含約束的優(yōu)化問題，并采用改進(jìn)的差分進(jìn)化算法進(jìn)行求解，克服了傳統(tǒng)差分進(jìn)化算法容易陷入局部極小的問題，相比傳統(tǒng)方法提高了無人機(jī)路徑的約束處理能力、路徑質(zhì)量和魯棒性. 2016年，加拿大魁北克大學(xué)的Berger等[14]針對(duì)異構(gòu)飛行器的靜態(tài)目標(biāo)搜索問題，建立新的整數(shù)線性和二次規(guī)劃模型，降低了計(jì)算復(fù)雜度，采用線性規(guī)劃算法求解，以輕微的計(jì)算代價(jià)獲得了包含異構(gòu)飛行器的近似最優(yōu)解. 2016年，沈陽航空航天大學(xué)的梁宵等[15]針對(duì)復(fù)雜環(huán)境下對(duì)移動(dòng)目標(biāo)的路徑跟蹤問題，采用滾動(dòng)時(shí)域優(yōu)化結(jié)合人工勢(shì)場(chǎng)法，獲取無人機(jī)的前進(jìn)方向，實(shí)時(shí)給出針對(duì)移動(dòng)目標(biāo)的最優(yōu)軌跡.

在實(shí)際飛行過程中，需要考慮編隊(duì)避撞問題. 2014年，伊朗伊斯蘭阿扎德大學(xué)的Shorakaei等[16]將無人機(jī)之間避撞作為性能指標(biāo)，采用基于概率的環(huán)境建模方法，研究了多無人機(jī)協(xié)同搜索問題. 并運(yùn)用平行遺傳算法進(jìn)行求解，設(shè)計(jì)了二維及三維的最優(yōu)路徑. 遺傳算法的優(yōu)點(diǎn)是易于與其他算法相結(jié)合，并充分發(fā)揮自身迭代的優(yōu)勢(shì)，缺點(diǎn)是運(yùn)算效率不高，不如蟻群等算法有先天優(yōu)勢(shì). 2013年，華中科技大學(xué)的丁明躍等[17]針對(duì)海上無人機(jī)路徑規(guī)劃問題，提出了一種基于量子行為粒子群優(yōu)化的混合差分進(jìn)化算法，用于在不同威脅環(huán)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(guī)則更為簡(jiǎn)單，求解速度更快，但容易陷入局部收斂.

2.3 編隊(duì)控制

2.3.1 編隊(duì)隊(duì)形設(shè)計(jì)與調(diào)整

1)隊(duì)形設(shè)計(jì). 在實(shí)際任務(wù)執(zhí)行中，多無人機(jī)以不同的隊(duì)形形成編隊(duì)，如楔隊(duì)、梯隊(duì)、橫隊(duì)、縱隊(duì)和V形等，可以實(shí)現(xiàn)協(xié)同偵察、防御和進(jìn)攻等復(fù)雜任務(wù). 合理有效的隊(duì)形設(shè)計(jì)可以延長(zhǎng)無人機(jī)編隊(duì)飛行距離、節(jié)省燃料消耗、增加編隊(duì)靈活性，這大大提高其安全性與任務(wù)完成率. 2011年，英國(guó)機(jī)械工程師協(xié)會(huì)的報(bào)告[18]指出V字隊(duì)形最高可節(jié)省12%的燃料，這種編隊(duì)模式用于跨洋飛行或長(zhǎng)途飛行的客機(jī)編隊(duì)，大大延長(zhǎng)了飛行距離并節(jié)省燃料消耗. 如圖2所示，從任務(wù)需求的角度出發(fā)，新加坡南洋理工大學(xué)的朱森強(qiáng)等[19]針對(duì)多無人機(jī)固定區(qū)域的資源探測(cè)問題，設(shè)計(jì)了一種圓形編隊(duì)隊(duì)形，這種隊(duì)形不僅能擴(kuò)大探測(cè)半徑，還能有效提高探測(cè)資源區(qū)域的效率，有效地完成了多無人機(jī)協(xié)同探測(cè)任務(wù). 從編隊(duì)靈活性出發(fā)，2015年，英國(guó)貝爾法斯特女王大學(xué)Lau等[20]針對(duì)多無人機(jī)任意隊(duì)形設(shè)計(jì)問題，通過提出基于張拉整體結(jié)構(gòu)隊(duì)形建模方法，得到多種穩(wěn)定隊(duì)形，這種隊(duì)形構(gòu)造方法實(shí)現(xiàn)了隊(duì)形的靈活調(diào)整，并使多無人機(jī)適應(yīng)了外界環(huán)境的變化. 2009年，復(fù)旦大學(xué)萬婧[21]指出實(shí)際空戰(zhàn)中，編隊(duì)?wèi)?zhàn)術(shù)通常是以基本的兩機(jī)編隊(duì)為單元，按照層級(jí)的概念建立起大規(guī)模的飛機(jī)編隊(duì). 僚機(jī)在長(zhǎng)機(jī)的前15°到后20°區(qū)域形成一字編隊(duì)隊(duì)形時(shí)，具有良好的攻擊性和防御性，適合于高空；僚機(jī)在長(zhǎng)機(jī)后30°到60°的區(qū)域時(shí)，整體操縱性良好，適合于低空.

圖2 圓形編隊(duì)

2)隊(duì)形動(dòng)態(tài)調(diào)整. 面對(duì)復(fù)雜環(huán)境及任務(wù)的突然變化，能夠盡可能短時(shí)間快速地生成各項(xiàng)性能指標(biāo)最優(yōu)的隊(duì)形，是多無人機(jī)協(xié)同編隊(duì)控制隊(duì)形調(diào)整技術(shù)好壞的評(píng)價(jià)指標(biāo). 恰當(dāng)?shù)年?duì)形變換方案能夠提高燃料使用效率、靈活應(yīng)對(duì)突發(fā)情況，實(shí)現(xiàn)編隊(duì)的安全快速飛行. 如圖3所示，2013年，美國(guó)加利福尼亞大學(xué)Richert等[22]針對(duì)一對(duì)無人機(jī)中“Leader”角色的合理配置問題，提出一種分區(qū)協(xié)同算法，計(jì)算出了每架無人機(jī)作為“Leader”角色的行程區(qū)間. 該算法有效解決了編隊(duì)隊(duì)形的動(dòng)態(tài)調(diào)整問題，并最小化leader-follower角色的轉(zhuǎn)化次數(shù)，使得整體編隊(duì)燃料消耗與單架無人機(jī)燃料消耗的同時(shí)最少. 2013年，廈門大學(xué)的羅德林等[23]提出一種通過控制編隊(duì)間距實(shí)現(xiàn)隊(duì)形變換的設(shè)計(jì)思想，有效地實(shí)現(xiàn)了編隊(duì)隊(duì)形的實(shí)時(shí)變換. 2014年，巴西圣克魯斯大學(xué)的Giacomin等[24]針對(duì)多無人機(jī)縱向隊(duì)形與圓形隊(duì)形的轉(zhuǎn)換問題，設(shè)計(jì)了一種基于軌跡分段的分布式算法，實(shí)現(xiàn)了隊(duì)形的快速調(diào)整. 北京航空航天大學(xué)的段海濱[25]利用混合粒子群遺傳算法與鴿群仿生優(yōu)化算法配置了控制器輸出，實(shí)現(xiàn)了三維環(huán)境中原始隊(duì)形向期望隊(duì)形的動(dòng)態(tài)調(diào)整問題.

(a)無人機(jī)②作為leader

(b) leader角色變換

(c)無人機(jī)①作為leader

圖3 無人機(jī)Leader角色轉(zhuǎn)換

Fig.3 Leader role transformation

2.3.2 編隊(duì)飛行控制方法

在多無人機(jī)編隊(duì)執(zhí)行偵察和防御等任務(wù)時(shí)，需要多無人機(jī)保持一定隊(duì)形編隊(duì)飛行到任務(wù)執(zhí)行區(qū)域. 編隊(duì)保持的控制方法主要有l(wèi)eader-follower方法、基于行為法、虛擬結(jié)構(gòu)法、圖論法和基于一致性方法，每種編隊(duì)方法適應(yīng)不同環(huán)境，各有優(yōu)缺點(diǎn).

1)leader-follower法. Leader-follower方法是目前多無人機(jī)編隊(duì)控制中最常用的方法之一. leader跟蹤一個(gè)預(yù)先給定的軌跡，follower和leader軌跡保持一定構(gòu)型，并速度達(dá)到一致. leader可以看成是目標(biāo)追蹤的對(duì)象，或是整個(gè)多智能體的共同利益. 賓西法尼亞大學(xué)的Desai團(tuán)隊(duì)[26]對(duì)該方法做了大量理論和實(shí)驗(yàn)上的研究工作. 2012年，該團(tuán)隊(duì)Turpin等[27]研究了改進(jìn)的leader-follower編隊(duì)方法，其中每架無人機(jī)從與之通信的其他無人機(jī)中間接獲取跟蹤的leader的狀態(tài). 如圖4所示，2015年，該團(tuán)隊(duì)Saska等[28]基于機(jī)載視覺感知設(shè)備和leader-follower方法實(shí)現(xiàn)了非GPS定位密集編隊(duì)飛行. 目前，該團(tuán)隊(duì)研究還包括多智能體協(xié)作規(guī)劃、避障、協(xié)作抓取和運(yùn)輸?shù)壤碚摴ぷ?

(a) t=15 s時(shí)編隊(duì) (b) t=26 s時(shí)編隊(duì)

(c) t=43 s時(shí)編隊(duì) (d) t=50 s時(shí)編隊(duì)

如圖5所示，受自然界鳥群編隊(duì)飛行啟發(fā)，2014年，瑞士的蘇黎世聯(lián)邦理工大學(xué)Nageli等[29]利用機(jī)載視覺感知設(shè)備和通訊設(shè)備結(jié)合卡爾曼濾波算法對(duì)編隊(duì)狀態(tài)進(jìn)行估計(jì)，從而實(shí)現(xiàn)了完全分布式的leader-follower編隊(duì)飛行控制，并進(jìn)行了室內(nèi)和室外飛行實(shí)驗(yàn).

(a)鳥群飛行(b) 機(jī)載視覺和通信設(shè)備

(c)室外飛行實(shí)驗(yàn)(d)室內(nèi)飛行實(shí)驗(yàn)

如圖6所示，2016年，加拿大的康戈迪亞大學(xué)Ghamry團(tuán)隊(duì)[30]將地面機(jī)器人作為leader，空中四旋翼飛行器作為follower，利用滑?？刂品椒ㄔO(shè)計(jì)編隊(duì)控制器，實(shí)現(xiàn)了地面機(jī)器人與飛行器之間的編隊(duì). 2016年，德黑蘭阿米爾卡比爾理工大學(xué)Aghdam團(tuán)隊(duì)[31]通過將follower信息反饋給leader，解決了follower出現(xiàn)問題時(shí)會(huì)引起編隊(duì)失敗的問題，并實(shí)現(xiàn)了四架四旋翼無人機(jī)協(xié)同搬取重物的仿真實(shí)驗(yàn). 2015年，國(guó)防科技大學(xué)劉歡等[32]針對(duì)編隊(duì)通訊阻塞和通訊時(shí)滯問題，提出了基于狀態(tài)估計(jì)算法和基于反步的分布式leader-follower編隊(duì)控制方法，并實(shí)現(xiàn)了對(duì)多架無人機(jī)編隊(duì)飛行的仿真.

圖6 地面機(jī)器人與飛行器之間的編隊(duì)演示[29]

該方法將編隊(duì)問題轉(zhuǎn)化為了經(jīng)典控制理論中的誤差跟蹤問題，具有較強(qiáng)的擴(kuò)展性，而且該方法節(jié)約能量、減少通信花費(fèi)、增強(qiáng)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(gè)目標(biāo)體狀態(tài)的編隊(duì)方法很難達(dá)到預(yù)期效果.

2)基于行為法. 基于行為的編隊(duì)方法是定義無人機(jī)的幾種基本控制行為，如跟隨、避障和隊(duì)形構(gòu)成等，對(duì)定義的幾種行為進(jìn)行加權(quán)得到編隊(duì)控制方法. 這使系統(tǒng)中的每個(gè)單體都具備依據(jù)自身決策來協(xié)同其他單體完成目標(biāo)或任務(wù)的能力.

受生物群體社會(huì)行為的啟發(fā)，越來越多團(tuán)隊(duì)通過分析生物系統(tǒng)的行為規(guī)律研究多無人機(jī)編隊(duì)飛行. 1999年，美國(guó)杜克大學(xué)Reif等[33]針對(duì)編隊(duì)中個(gè)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(shì)場(chǎng)方法，實(shí)現(xiàn)了存在個(gè)別成員故障失效情況下的編隊(duì). 2003年，美國(guó)Jadbabaie等[34]對(duì)基于行為法進(jìn)行了深入的分析，提出了最近鄰協(xié)調(diào)思想. 2009年，Kim等[35]提出了一種基于反饋線性化方法設(shè)計(jì)的分布式行為控制器. 2012年，河南理工大學(xué)宋運(yùn)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(zhuǎn)化為實(shí)用的雙積分系統(tǒng)模型，解決了多智能體系統(tǒng)構(gòu)形控制問題. 2015年，Shin等[37]提出了一種利用鄰近無人機(jī)狀態(tài)信息設(shè)計(jì)的基于行為法的分布式編隊(duì)控制器，從而提高了多無人機(jī)群集編隊(duì)的魯棒性. 2015年，北京航空航天大學(xué)的段海濱等[38]提出了一種基于鴿群特性的編隊(duì)控制方法，該方法利用圖論和勢(shì)場(chǎng)函數(shù)理論對(duì)編隊(duì)中的拓?fù)浣Y(jié)構(gòu)和群體中的主從關(guān)系進(jìn)行定義，實(shí)現(xiàn)了對(duì)無人機(jī)緊密編隊(duì)飛行的仿真.

在傳感器數(shù)據(jù)錯(cuò)誤或缺乏的情況下，基于行為法的多無人機(jī)編隊(duì)能夠綜合考慮多無人機(jī)協(xié)同編隊(duì)飛行中的多個(gè)行為，有效整合各種行為，從而使整個(gè)編隊(duì)仍然可以保持. 該方法根據(jù)預(yù)設(shè)信息和觸發(fā)條件來形成控制指令，因此降低了編隊(duì)的適應(yīng)性和靈活性.

3)虛擬結(jié)構(gòu)法. 虛擬結(jié)構(gòu)法是一種集中式控制方法，由美國(guó)加利福尼亞大學(xué)Lewis等[39]在1997年首次提出. 將編隊(duì)作為一個(gè)虛擬剛體，在編隊(duì)中設(shè)定一個(gè)虛擬長(zhǎng)機(jī)或虛擬幾何中心，隊(duì)中所有無人機(jī)都參照虛擬長(zhǎng)機(jī)或虛擬幾何中心運(yùn)動(dòng).

2001年，美國(guó)楊百翰大學(xué)Beard等[40]針對(duì)航天器的編隊(duì)問題，綜合利用虛擬結(jié)構(gòu)、“長(zhǎng)機(jī)-僚機(jī)”及行為方法的合成，實(shí)現(xiàn)了航天器在深度空間的編隊(duì)飛行. 如圖7所示，2002年，美國(guó)加州理工學(xué)院Saber等[41]針對(duì)編隊(duì)隊(duì)形快速定位及隊(duì)形穩(wěn)定問題，提出了基于二維空間的虛擬長(zhǎng)機(jī)和幾何中心的編隊(duì)結(jié)構(gòu).

(a)虛擬長(zhǎng)機(jī)結(jié)構(gòu)(b)虛擬幾何中心結(jié)構(gòu)

2004年，美國(guó)加州大學(xué)河濱分校任偉等[42]針對(duì)多智能體編隊(duì)運(yùn)動(dòng)過程中的擾動(dòng)的影響，提出編隊(duì)反饋控制方法；針對(duì)虛擬結(jié)構(gòu)法集中控制的弊端，將分散控制引入虛擬結(jié)構(gòu)法中[43]，并設(shè)計(jì)了基于虛擬結(jié)構(gòu)法的空間飛行器編隊(duì)飛行的分散式控制框架. 2004年，日本東京工業(yè)大學(xué)Yang等[44]提出了基于虛擬結(jié)構(gòu)的三維空間編隊(duì)方式，該方法的應(yīng)用更接近于實(shí)際情況. 2006年，美國(guó)華盛頓大學(xué)Lalish等[45]基于虛擬結(jié)構(gòu)法研究了三維空間中多智能體的編隊(duì)跟蹤問題. 2008年，加拿大多倫多大學(xué)Li等[46]在文獻(xiàn)[44]的基礎(chǔ)上，結(jié)合同步控制器設(shè)計(jì)了多無人機(jī)自動(dòng)編隊(duì)飛行駕駛儀. 2012年，Cai等[47]針對(duì)無人機(jī)在未知環(huán)境中避障能力的問題，引入虛擬結(jié)構(gòu)作為參考，提高了無人機(jī)在未知環(huán)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(xué)Askari等[48]基于經(jīng)典理論和逆動(dòng)力學(xué)，提出了一種新的基于虛擬結(jié)構(gòu)的編隊(duì)飛行方法，提高了編隊(duì)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(jié)構(gòu)法避免了領(lǐng)航跟隨者方法中領(lǐng)航無人機(jī)出現(xiàn)故障或毀機(jī)時(shí)編隊(duì)無法保持的缺點(diǎn). 而且該方法通過把編隊(duì)誤差反饋加到控制器，得到了較高的編隊(duì)控制精度. 然而，合成虛擬長(zhǎng)機(jī)和獲取鄰機(jī)位置，需要較高的通信質(zhì)量和強(qiáng)計(jì)算能力，這使得編隊(duì)可靠性較差. 而且此方法要求編隊(duì)飛行必須剛性運(yùn)動(dòng)，限制了實(shí)際飛行的應(yīng)用范圍.

4)圖論法. 圖論法利用拓?fù)鋱D上的頂點(diǎn)來描述單個(gè)無人機(jī)，兩點(diǎn)之間的邊用來表述無人機(jī)間的關(guān)聯(lián)/約束拓?fù)潢P(guān)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(gòu)建編隊(duì)控制策略.

剛性圖論在編隊(duì)中應(yīng)用取得了比較大的進(jìn)展[49]. 一般來講，剛性圖處理的對(duì)象是無向圖，即無人機(jī)之間的聯(lián)系是雙向的. 在很多實(shí)際情況中，為了簡(jiǎn)潔通信量，多無人機(jī)系統(tǒng)常常利用有向圖表示. 2007年，比利時(shí)魯汶大學(xué)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(tuán)隊(duì)在2D剛性圖的基礎(chǔ)上延伸到3D甚至更高維數(shù)，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(xué)Barca等[51]引入圖論到多機(jī)器人編隊(duì)中，完善領(lǐng)航者-追隨者的多機(jī)器人控制機(jī)制，使多機(jī)器人形成二維編隊(duì)而不需要彼此通信. 2014年，美國(guó)Zhang等[52]利用一階積分模型和剛性圖理論，設(shè)計(jì)了指數(shù)穩(wěn)定的編隊(duì)控制器，使得編隊(duì)中多個(gè)個(gè)體間形成期望隊(duì)形. 2016年，美國(guó)路易斯安那州立大學(xué)Ramazani等[53]針對(duì)不同平面運(yùn)動(dòng)個(gè)體間的協(xié)同控制問題，利用剛性圖論分別對(duì)單積分和雙積分模型進(jìn)行了協(xié)同仿真實(shí)驗(yàn). 燕山大學(xué)羅小元等[54-55]針對(duì)多智能體最優(yōu)剛性編隊(duì)問題，設(shè)計(jì)了最優(yōu)持久編隊(duì)自動(dòng)生成算法，生成了最優(yōu)持久編隊(duì).

利用剛性圖可以表示任意隊(duì)形，且圖論有成熟的理論作為研究基礎(chǔ)，但是仿真研究實(shí)現(xiàn)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(tài)信息更新自身的狀態(tài)，并最終使所有智能體狀態(tài)達(dá)到一致. 采用一致性理論進(jìn)行多無人機(jī)編隊(duì)控制研究，基于分布式網(wǎng)絡(luò)實(shí)現(xiàn)無人機(jī)之間信息感知與交互，可以實(shí)時(shí)應(yīng)對(duì)突發(fā)情況，提高編隊(duì)安全性.

一致性概念最早出現(xiàn)在計(jì)算機(jī)分布式計(jì)算網(wǎng)絡(luò)化的動(dòng)態(tài)系統(tǒng)中. 2004年，美國(guó)加利福尼亞大學(xué)Saber等[56]得到多智能體系統(tǒng)一致收斂的充要條件是拓?fù)鋱D是連通的. 2005年，任偉等[57]證明了有向網(wǎng)絡(luò)拓?fù)渲灰嬖谏蓸浣Y(jié)構(gòu)，則所智能體可實(shí)現(xiàn)全局一致收斂. 任偉等[58]和Jadbabaie等[59]研究得到動(dòng)態(tài)網(wǎng)絡(luò)拓?fù)湎露嘀悄荏w實(shí)現(xiàn)一致性收斂的充要條件：在任意時(shí)間段的網(wǎng)絡(luò)拓?fù)涠加幸粋€(gè)生成樹結(jié)構(gòu)，則多智能體可實(shí)現(xiàn)一致性收斂. 任偉等[60]進(jìn)而將一致性控制引入到多智能體編隊(duì)控制系統(tǒng)中. 2009年，韓國(guó)首爾大學(xué)Seo等[61]針對(duì)多無人機(jī)時(shí)變編隊(duì)問題，采用基于一致性反饋線性化方法，保證了多無人機(jī)按照給定時(shí)變隊(duì)形進(jìn)行編隊(duì)飛行. 2011年，德克薩斯大學(xué)Jamshidi等[62]等針對(duì)異構(gòu)多智能體協(xié)同編隊(duì)控制問題，利用全球定位系統(tǒng)對(duì)無人機(jī)進(jìn)行航路點(diǎn)導(dǎo)航，對(duì)每架無人機(jī)設(shè)計(jì)一致性協(xié)議，實(shí)現(xiàn)地面機(jī)器人和多架無人機(jī)的協(xié)同控制. 2012年，Matthew等[63]針對(duì)微小無人機(jī)緊密編隊(duì)通過一個(gè)三維環(huán)境的問題，通過引入相對(duì)位置誤差，設(shè)計(jì)非線性一致性分散控制器，實(shí)現(xiàn)了4架四旋翼無人機(jī)的緊密編隊(duì)飛行. 2014年，日本慶應(yīng)大學(xué)Kuriki等[64]針對(duì)多無人機(jī)協(xié)同控制問題，提出了具有防撞能力一致性協(xié)同編隊(duì)控制策略，實(shí)現(xiàn)了四旋翼協(xié)同編隊(duì)飛行并解決了機(jī)間防撞. 2015年，該團(tuán)隊(duì)[65]采用分散式模型預(yù)測(cè)控制和基于一致性的控制，實(shí)現(xiàn)了多無人機(jī)具有防撞能力的協(xié)同編隊(duì)飛行. 2013年，東南大學(xué)李世華等[66]通過有限時(shí)間一致性算法處理了有領(lǐng)航者和無領(lǐng)航者的編隊(duì)控制問題. 2013年，邢關(guān)生等[67]研究小型旋翼機(jī)群編隊(duì)問題，在串級(jí)控制系統(tǒng)框架下提出一種基于Hamilton環(huán)的通信拓?fù)湓O(shè)計(jì)方案. 如圖8所示，天津大學(xué)宗群等[68]針對(duì)飛行器姿態(tài)同步問題，采用leader-follower結(jié)合基于行為和一致性的方法，設(shè)計(jì)了有限時(shí)間姿態(tài)同步控制器，實(shí)現(xiàn)了多個(gè)飛行器有限時(shí)間同步問題.

(a)航天器編隊(duì)初始姿態(tài) (b)航天器同步姿態(tài)編隊(duì)

基于一致性進(jìn)行分布式大規(guī)模編隊(duì)具有良好的靈活性和適應(yīng)性，同時(shí)編隊(duì)魯棒性也不會(huì)因某架無人機(jī)損傷或毀機(jī)而降低. 同時(shí)改變的是不依賴某一控制單元，并且某架無人機(jī)發(fā)生故障對(duì)整體隊(duì)形不會(huì)有太大影響. 但是分布式控制算法比較復(fù)雜，對(duì)通信信道容量及通信時(shí)延的要求較高，目前的所設(shè)計(jì)的編隊(duì)控制器不能長(zhǎng)時(shí)間保障所有無人機(jī)收斂到一致狀態(tài).

為了避免幾種方法缺點(diǎn)，人們提出了很多綜合多種方法優(yōu)點(diǎn)的改進(jìn)方法. 2016年，波蘭比亞韋斯托克科技大學(xué)Kownacki[69]針對(duì)多無人機(jī)編隊(duì)過程中機(jī)間通信問題，提出一種結(jié)合虛擬結(jié)構(gòu)、leader-follower方法及基于行為的編隊(duì)方法，提高了無人機(jī)編隊(duì)飛行過程中機(jī)間信息共享的可靠性和吞吐量. 其他編隊(duì)控制方法還有模型預(yù)測(cè)控制、模糊邏輯、神經(jīng)網(wǎng)絡(luò)技術(shù)、信息感知視覺傳感器等方法，可以實(shí)現(xiàn)機(jī)群間通信不完整情況下編隊(duì)飛行.

2.3.3 編隊(duì)重構(gòu)及避撞

多無人機(jī)編隊(duì)重構(gòu)包括隊(duì)形切換及缺少一架或多架無人機(jī)時(shí)新編隊(duì)隊(duì)形的重構(gòu)，在隊(duì)形重構(gòu)過程中必須考慮機(jī)間避撞. 例如，多無人機(jī)編隊(duì)飛行執(zhí)行任務(wù)時(shí)，需要規(guī)避雷達(dá)、電磁干擾、敵機(jī)和較大障礙物，變換合適的隊(duì)形可以增加任務(wù)完成率. 實(shí)現(xiàn)無人機(jī)編隊(duì)重構(gòu)的方法有：1)勢(shì)能域函數(shù)方法;2)滾動(dòng)時(shí)域法;3)模型預(yù)測(cè)法;4)生物算法;5)最優(yōu)控制法.

2010年，新加坡南洋理工大學(xué)Lie等[70]針對(duì)固定翼無人機(jī)編隊(duì)重構(gòu)控制問題，給出最終的編隊(duì)位置和重構(gòu)時(shí)間，設(shè)計(jì)了帶有防撞機(jī)制的滑模跟蹤控制器，最終實(shí)現(xiàn)了安全隊(duì)形重構(gòu). 2015年，印度特里凡得瑯工程學(xué)院Rajasree等[71]針對(duì)無障礙物多無人機(jī)編隊(duì)重構(gòu)問題，通過合適地選擇時(shí)變編隊(duì)向量形成任意期望編隊(duì)，實(shí)現(xiàn)了環(huán)形編隊(duì)中一架出現(xiàn)故障時(shí)編隊(duì)的重構(gòu)情況. 2016年，加拿大女王大學(xué)Hafez等[72]針對(duì)無人機(jī)協(xié)同編隊(duì)重構(gòu)問題，采用基于學(xué)習(xí)的模型預(yù)測(cè)控制方法，實(shí)現(xiàn)了無人機(jī)形成緊密編隊(duì)安全繞過靜止障礙物. 2016年，新加坡國(guó)立大學(xué)廖峰團(tuán)隊(duì)[73]應(yīng)用勢(shì)能域函數(shù)方法對(duì)垂直起降無人機(jī)系統(tǒng)外環(huán)設(shè)計(jì)了編隊(duì)及重構(gòu)控制器，又對(duì)內(nèi)環(huán)設(shè)計(jì)魯棒跟蹤控制器，實(shí)現(xiàn)了垂直起降無人機(jī)編隊(duì)飛行與重構(gòu)問題.

在國(guó)內(nèi)，2012年，北京航空航天大學(xué)段海濱團(tuán)隊(duì)[74]采用基于鴿群優(yōu)化方法，設(shè)計(jì)了終端狀態(tài)和控制動(dòng)作能量約束下的多無人機(jī)編隊(duì)重構(gòu)控制器，實(shí)現(xiàn)了最優(yōu)的多無人機(jī)編隊(duì)重構(gòu). 2014年，該團(tuán)隊(duì)利用滾動(dòng)時(shí)域方法將多無人機(jī)編隊(duì)全局重構(gòu)問題轉(zhuǎn)化成幾個(gè)在線局部最優(yōu)問題[75]，利用差分進(jìn)化(DE)算法優(yōu)化各無人機(jī)控制序列，最終使多無人機(jī)形成新的隊(duì)形. 2015年，大連理工大學(xué)彭會(huì)軍等[76]提出了一種新的辛迭代數(shù)值算法，以獲得最佳的解決方案的非線性滾動(dòng)時(shí)域控制策略，使得多無人機(jī)在編隊(duì)重構(gòu)過程中更快速形成編隊(duì)并且對(duì)參數(shù)具有強(qiáng)魯棒性. 2016年，沈陽航空航天大學(xué)張紅梅等[77]通過設(shè)計(jì)編隊(duì)重構(gòu)時(shí)的安全距離，將編隊(duì)重構(gòu)問題轉(zhuǎn)化成帶有約束的時(shí)間最優(yōu)控制問題. 2016年，景德鎮(zhèn)陶瓷學(xué)院王建紅等[78]提出了自主重構(gòu)的內(nèi)點(diǎn)算法，將編隊(duì)重構(gòu)問題最終轉(zhuǎn)化成標(biāo)準(zhǔn)非線性單目標(biāo)最優(yōu)化問題.

其他編隊(duì)重構(gòu)的思路還有：2009年，捷克布拉格捷克理工大學(xué)Spinka等[79]設(shè)計(jì)了一個(gè)新的分布式分層結(jié)構(gòu)，實(shí)現(xiàn)了故障時(shí)遙控自動(dòng)駕駛多無人機(jī)重構(gòu)；2014年，巴西圣克魯斯州立大學(xué)Giacomin等[80]提出了一種分段算法，算法重新配置了每架無人機(jī)的緯度，并利用導(dǎo)航協(xié)助每架無人機(jī)完成編隊(duì)重構(gòu).

2.4 信息感知與數(shù)據(jù)融合

無人機(jī)通過紅外探測(cè)儀，攝像機(jī)和雷達(dá)等機(jī)載傳感器設(shè)備對(duì)周圍環(huán)境進(jìn)行探測(cè)，實(shí)現(xiàn)對(duì)空地環(huán)境的感知. 無人機(jī)還具有編隊(duì)內(nèi)部感知能力，來保持編隊(duì)構(gòu)型和實(shí)現(xiàn)協(xié)同編隊(duì)飛行，提高多無人機(jī)編隊(duì)安全性和可靠性. 無人機(jī)將感知信息進(jìn)行機(jī)間共享，通過信息處理與數(shù)據(jù)融合實(shí)現(xiàn)無人機(jī)編隊(duì)協(xié)同感知，從而獲得更廣的探測(cè)范圍和更加精確全面的環(huán)境信息，完成多無人機(jī)協(xié)同編隊(duì)偵察等任務(wù).

多無人機(jī)編隊(duì)協(xié)同感知必須解決無人機(jī)異質(zhì)傳感器多源信息的融合處理問題，實(shí)現(xiàn)無人機(jī)對(duì)環(huán)境準(zhǔn)確高效的判讀. 2007年，葡萄牙里斯本技術(shù)大學(xué)Lima等[81]針對(duì)自主傳感器和機(jī)器人網(wǎng)絡(luò)對(duì)目標(biāo)的協(xié)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(wǎng)絡(luò)自身狀態(tài)估計(jì)問題，提升了對(duì)觀測(cè)目標(biāo)協(xié)同定位的精確度. 2008年，美國(guó)蒙特里海軍研究生院Lee[82]針對(duì)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(tǒng)計(jì)線性誤差傳播方法處理不確定數(shù)據(jù)，得到了未知信息的不確定性程度. 2010年，國(guó)防科學(xué)技術(shù)大學(xué)王林等[83]針對(duì)多移動(dòng)傳感器測(cè)量的融合估計(jì)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(jī)協(xié)同感知的分布式融合估計(jì)方法，而且無色變換能保證更高的估計(jì)精度，可以提高多無人機(jī)的融合估計(jì)性能.

如圖9所示，無人機(jī)將感知信息進(jìn)行機(jī)間共享，通過信息處理和數(shù)據(jù)融合技術(shù)實(shí)現(xiàn)無人機(jī)編隊(duì)協(xié)同感知，從而獲得更廣的探測(cè)范圍和更加精確全面的環(huán)境信息. 2003年，澳大利亞悉尼大學(xué)Ridley等[84]在其專著里面設(shè)計(jì)了一種實(shí)時(shí)分布式機(jī)載數(shù)據(jù)融合系統(tǒng)，包括視覺傳感器和毫米波雷達(dá)，實(shí)現(xiàn)了對(duì)多個(gè)地面目標(biāo)進(jìn)行跟蹤. 2007年，美國(guó)康奈爾大學(xué)Campbell等[85]針對(duì)多無人機(jī)的目標(biāo)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(shù)據(jù)融合實(shí)現(xiàn)了兩架無人機(jī)的目標(biāo)跟蹤，并且該算法在數(shù)據(jù)丟失和出現(xiàn)延時(shí)也能提供準(zhǔn)確信息，具有高實(shí)時(shí)性和強(qiáng)魯棒性. 2008年，西安電子科技大學(xué)楊百勝等[86]針對(duì)多傳感器融合跟蹤問題，采用多個(gè)被動(dòng)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(dòng)多傳感器融合跟蹤算法，進(jìn)行了3個(gè)被動(dòng)站跟蹤的仿真研究，驗(yàn)證了其算法比傳統(tǒng)EKF方法的跟蹤精度更高.

圖9 多傳感器數(shù)據(jù)融合過程

2006年，西班牙帕布羅德奧拉維德大學(xué)Merino等[87]針對(duì)火災(zāi)探測(cè)問題，設(shè)計(jì)了一種異構(gòu)多無人機(jī)的協(xié)同感知系統(tǒng)，該系統(tǒng)包括紅外探測(cè)儀、視覺傳感器和火災(zāi)探測(cè)儀，利用數(shù)據(jù)融合算法處理多種傳感器數(shù)據(jù)進(jìn)行協(xié)同感知，實(shí)現(xiàn)了對(duì)森林火災(zāi)的檢測(cè)識(shí)別，減少了對(duì)火災(zāi)錯(cuò)誤報(bào)警次數(shù). 2014年，美國(guó)賓夕法尼亞大學(xué)的GRASP實(shí)驗(yàn)室Shen等[88]針對(duì)無人機(jī)的自主飛行和路徑規(guī)劃問題，提出了一種模塊化和可擴(kuò)展性的方法，融合了多種傳感器數(shù)據(jù)，針對(duì)四旋翼無人機(jī)自主飛行提供了一種全局一致的實(shí)時(shí)位置估計(jì)方法. 該實(shí)驗(yàn)室使用激光雷達(dá)，立體攝像頭，壓力高度計(jì)，磁力計(jì)和GPS，通過Intel NUC 第三代i3處理器來進(jìn)行狀態(tài)估計(jì)和控制. 實(shí)驗(yàn)中，全部飛行時(shí)間約8 min，以1.5 m/s飛行445 m. 該團(tuán)隊(duì)還解決了無人機(jī)的大尺度，融合多種傳感器的室內(nèi)-室外自主定位和路徑規(guī)劃問題. 2016年，伊朗德黑蘭大學(xué)Abdi等[89]針對(duì)無人機(jī)位姿估計(jì)問題，提出了一種融合無人機(jī)圖像信息、高度計(jì)和IMU數(shù)據(jù)的方法，通過EKF算法將多傳感器觀測(cè)信息與IMU運(yùn)動(dòng)模型結(jié)合，實(shí)現(xiàn)了對(duì)無人機(jī)位姿參數(shù)的準(zhǔn)確估計(jì).

2.5 編隊(duì)通信

目前，多數(shù)國(guó)家仍采用地面站直接控制無人機(jī)，構(gòu)建一種星型拓?fù)浣Y(jié)構(gòu). 多無人機(jī)通信組網(wǎng)的思想是：無人機(jī)不完全依賴地面站或衛(wèi)星等設(shè)施的控制，將所有無人機(jī)看作一個(gè)整體，在多無人機(jī)間建立一個(gè)無線通信網(wǎng)絡(luò)，各無人機(jī)間相互配合，相互轉(zhuǎn)發(fā)指令、交換信息. 該網(wǎng)絡(luò)打破了無人機(jī)之間沒有任何聯(lián)系與合作的傳統(tǒng)作戰(zhàn)思想，可以提高無人機(jī)的綜合作戰(zhàn)能力，減小作戰(zhàn)能耗.

2011年，澳大利亞新南威爾士大學(xué)Ahmed等[90]針對(duì)無人機(jī)與地面站、無人機(jī)與無人機(jī)之間的鏈路特性進(jìn)行研究，為多無人機(jī)通信組網(wǎng)的設(shè)計(jì)提供了基礎(chǔ). 2013年，土耳其空軍學(xué)院Bekmezci等[91]從節(jié)點(diǎn)移動(dòng)性、節(jié)點(diǎn)密度、拓?fù)渥兓l率和功耗等方面，介紹了飛行自組網(wǎng)不同于其他自組織網(wǎng)絡(luò)，并分層總結(jié)了飛行自組網(wǎng)的相關(guān)協(xié)議. 2016年，美國(guó)華盛頓大學(xué)Gupta等[92]研究了現(xiàn)有技術(shù)應(yīng)用于航空網(wǎng)絡(luò)存在的問題，通過調(diào)研現(xiàn)有技術(shù)對(duì)航空網(wǎng)絡(luò)的可用性，研討了各種技術(shù)的優(yōu)缺點(diǎn)，并從路由、無縫切換和節(jié)能領(lǐng)域進(jìn)行了詳細(xì)分析.

如圖10所示，無人機(jī)高速移動(dòng)容易造成鏈路中斷，使得移動(dòng)自組網(wǎng)(mobile ad hoc network，MANET)和車載自組網(wǎng)(vehicle ad hoc network，VANET)的組網(wǎng)協(xié)議不能直接應(yīng)用. 自組網(wǎng)中MAC協(xié)議和路由算法的設(shè)計(jì)是無人機(jī)通信組網(wǎng)的最大挑戰(zhàn)，MAC協(xié)議直接影響到網(wǎng)絡(luò)的吞吐量和端到端延時(shí)，而路由算法的設(shè)計(jì)需要適應(yīng)節(jié)點(diǎn)高速移動(dòng)帶來的拓?fù)渥兓?、鏈路壽命短暫等特點(diǎn)，并能與其他網(wǎng)絡(luò)兼容互聯(lián). 2004年，美國(guó)科羅拉多大學(xué)波爾得分校Brown等[93]采用基于全向天線的IEEE 802.11標(biāo)準(zhǔn)，通過使用RTS/CTS機(jī)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(xié)議，通過更新信道狀態(tài)信息，有效消除傳輸過程中的碰撞. 對(duì)于自組網(wǎng)中高可靠性路由算法的研究，2010年，美國(guó)西密歇根大學(xué)Alshbatat等[95]基于最優(yōu)鏈路狀態(tài)路由(optimized link state routing，OLSR)協(xié)議，通過引入定向天線，提出了DOLSR (directional optimized link state routing)協(xié)議，并利用飛行信息(狀態(tài)變量、傾斜度、偏航程度)進(jìn)行路由選擇，減小了端到端延遲. 2016年，瑞士聯(lián)邦理工學(xué)院Rosati等[96]考慮無人機(jī)之間的相對(duì)速度，利用GPS信息，針對(duì)飛行自組織網(wǎng)絡(luò)提出基于預(yù)測(cè)的OLSR(P-OLSR)協(xié)議，P-OLSR協(xié)議有效降低丟包率，提高了吞吐量.

(a)通信拓?fù)渥兓?

(b)通信拓?fù)渥兓?

目前，無人機(jī)編隊(duì)通信的研究都是針對(duì)某一性能進(jìn)行改進(jìn)，仍停留在理論層面，沒有應(yīng)用在實(shí)際工程中，也沒有實(shí)現(xiàn)與其他平臺(tái)的互聯(lián)互通，因此需要針對(duì)無人機(jī)的運(yùn)動(dòng)和網(wǎng)絡(luò)特性進(jìn)行通信組網(wǎng)設(shè)計(jì)，并建立通信標(biāo)準(zhǔn)協(xié)議.

2.6 編隊(duì)仿真平臺(tái)

搭建滿足多無人機(jī)協(xié)同編隊(duì)仿真的多無人機(jī)仿真平臺(tái)，對(duì)于加快開發(fā)周期，降低多無人機(jī)編隊(duì)試驗(yàn)成本，具有十分重要的意義. 當(dāng)前國(guó)內(nèi)外已有一些針對(duì)無人機(jī)編隊(duì)或多無人機(jī)仿真系統(tǒng)的研究，主要分為如下4類.

1)單系統(tǒng)仿真平臺(tái). 利用C++開發(fā)出了Multi無人機(jī)2系統(tǒng)[97]，用于協(xié)同控制研究. 美國(guó)陸軍研究所Garcia[98]基于商用飛行模擬器軟件 X-Plane和MATLAB開發(fā)的多無人機(jī)仿真平臺(tái)，實(shí)現(xiàn)了4臺(tái)無人機(jī)編隊(duì)仿真. 清華大學(xué)周昊等[99]基于多 Agent 技術(shù)開發(fā)出了名為無人機(jī)sim的仿真平臺(tái)，采用分層的體系結(jié)構(gòu)，在單系統(tǒng)內(nèi)將算法、內(nèi)核和顯示完全分離，實(shí)現(xiàn)了多無人機(jī)的仿真. 此類系統(tǒng)成本較低，又可以驗(yàn)證無人機(jī)機(jī)群控制及協(xié)同規(guī)劃算法，但與真實(shí)無人機(jī)編隊(duì)的分布式體系結(jié)構(gòu)不符，不能有效仿真無人機(jī)編隊(duì)協(xié)同任務(wù)規(guī)劃的全過程.

2)基于 HLA(high level architecture)架構(gòu)的分布式系統(tǒng)仿真平臺(tái). HLA是由美國(guó)國(guó)防部在90年代末提出的，是目前分布式系統(tǒng)仿真的主要技術(shù)之一. 基于 HLA 的仿真不需要處理底層通信傳輸、仿真運(yùn)行管理的細(xì)節(jié)，實(shí)驗(yàn)者可將主要精力放在具體的仿真功能實(shí)現(xiàn)上. 部分公司開發(fā)出基于HLA 的仿真平臺(tái),比如 VR-Forces、 FLAMES等，它們對(duì)底層的RTI進(jìn)行了封裝，提供了更加靈活強(qiáng)大的 API 函數(shù)，降低了開發(fā)難度. 合肥工業(yè)大學(xué)王國(guó)強(qiáng)等開發(fā)出了基于VR-Force的分布式的無人機(jī)編隊(duì)協(xié)同任務(wù)規(guī)劃仿真系統(tǒng)，能夠仿真多種任務(wù)場(chǎng)景下的無人機(jī)編隊(duì)協(xié)同任務(wù)規(guī)劃過程，以幫助驗(yàn)證不同類型的協(xié)同任務(wù)規(guī)劃算法，仿真展示度高，但是也帶來了較高的建設(shè)成本[100].

3)自主開發(fā)的多飛行器編隊(duì)分布式虛擬系統(tǒng)仿真平臺(tái). 該類平臺(tái)是對(duì)除了HLA架構(gòu)以外所有的分布式仿真平臺(tái)的概括. 天津大學(xué)宗群團(tuán)隊(duì)[101-102]開發(fā)的多飛行器編隊(duì)仿真平臺(tái)，由模型計(jì)算機(jī)、系統(tǒng)主控計(jì)算機(jī)、視景顯示計(jì)算機(jī)、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(jì)算機(jī)采用xPC仿真環(huán)境，運(yùn)行單飛行器動(dòng)力學(xué)以及環(huán)境模型；系統(tǒng)主控計(jì)算機(jī)發(fā)出任務(wù)指令，并監(jiān)控整個(gè)系統(tǒng)的運(yùn)行；視景顯示計(jì)算機(jī)實(shí)時(shí)地進(jìn)行視景顯示；PC104控制器運(yùn)行飛行控制算法，實(shí)現(xiàn)對(duì)單飛行器的控制；無線AP/路由器作為系統(tǒng)無線網(wǎng)絡(luò)的中轉(zhuǎn)站，實(shí)現(xiàn)信息交換；Wi-Fi無線通信模塊使有線通信方式轉(zhuǎn)為無線連接. 實(shí)現(xiàn)了對(duì)于多飛行器編隊(duì)系統(tǒng)的實(shí)時(shí)仿真、視景顯示、算法驗(yàn)證、通信組網(wǎng)等功能. 該團(tuán)隊(duì)突破了xPC平臺(tái)和dSPACE平臺(tái)兩項(xiàng)關(guān)鍵技術(shù), 實(shí)現(xiàn)了對(duì)于多無人機(jī)編隊(duì)飛行控制算法的半實(shí)物仿真驗(yàn)證與性能評(píng)估. 此類平臺(tái)靈活度較大，可以有效對(duì)協(xié)同控制算法和軌跡優(yōu)化算法進(jìn)行仿真驗(yàn)證，但內(nèi)部通信機(jī)制和管理機(jī)制的搭建，需要自主研發(fā)，具有一定難度. 多無人機(jī)虛擬仿真平臺(tái)結(jié)構(gòu)見圖11，相應(yīng)的MATLAB仿真圖和虛擬室景顯示圖見圖12.

圖11 多無人機(jī)虛擬仿真平臺(tái)結(jié)構(gòu)

(a)正六邊形編隊(duì)飛行MATLAB仿真圖

(b)正六邊形編隊(duì)飛行虛擬室景圖

(c)V字形編隊(duì)飛行MATLAB仿真圖

(d)V字形編隊(duì)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(fā)的多無人機(jī)編隊(duì)分布式實(shí)物系統(tǒng)仿真平臺(tái). 多無人機(jī)實(shí)物仿真平臺(tái)結(jié)構(gòu)圖見圖13，室內(nèi)編隊(duì)飛行圖如圖14所示. 整個(gè)系統(tǒng)由室內(nèi)定位系統(tǒng)、多無人機(jī)、ZigBee無線傳輸以及地面站組成. 首先室內(nèi)定位系統(tǒng)借助紅外攝像頭對(duì)各無人機(jī)上的標(biāo)記點(diǎn)進(jìn)行抓拍，通過解算實(shí)時(shí)地計(jì)算出每架無人機(jī)的當(dāng)前位置，并以TCP/IP協(xié)議的方式傳送給地面站；地面站借助ROS通信機(jī)制，在接收定位系統(tǒng)數(shù)據(jù)的同時(shí)運(yùn)行相關(guān)決策算法,計(jì)算出每架無人機(jī)下一時(shí)刻的期望位置，并通過ZigBee無線通信發(fā)送出去；無人機(jī)通訊網(wǎng)絡(luò)以分布式、自組網(wǎng)的形式進(jìn)行搭建，每架無人機(jī)均可與地面站通信，同時(shí)彼此間也可以進(jìn)行數(shù)據(jù)交互；各無人機(jī)接收地面站傳來的數(shù)據(jù)，提取自身當(dāng)前位置與期望位置，運(yùn)行機(jī)載控制算法，驅(qū)動(dòng)無人機(jī)運(yùn)動(dòng)到設(shè)定的位置，如此循環(huán)往復(fù)，最終實(shí)現(xiàn)多無人機(jī)編隊(duì)飛行的仿真驗(yàn)證. 目前該平臺(tái)已突破XBEE分布式網(wǎng)絡(luò)和PIXHAWK開源飛控兩項(xiàng)關(guān)鍵技術(shù)，并成功嵌入人工勢(shì)場(chǎng)法、圖論法等編隊(duì)理論算法. 在室內(nèi)也已實(shí)現(xiàn)定點(diǎn)、直線、圓等常用隊(duì)形演示，同時(shí)在飛行過程中可實(shí)時(shí)對(duì)無人機(jī)編隊(duì)進(jìn)行隊(duì)形切換. 該平臺(tái)可以為多無人機(jī)飛行過程算法提供數(shù)據(jù)支持，并可以直接充當(dāng)演示效果. 所以，該平臺(tái)可以很好的為理論研究服務(wù)，避免不必要的經(jīng)費(fèi)投入.

圖13 多無人機(jī)實(shí)物仿真平臺(tái)結(jié)構(gòu)圖

圖14 多無人機(jī)編隊(duì)飛行圖

3 結(jié)論與展望

通過對(duì)近年來國(guó)內(nèi)外多無人機(jī)協(xié)同編隊(duì)飛行控制幾個(gè)關(guān)鍵技術(shù)的進(jìn)展的綜述，同時(shí)展望了每種關(guān)鍵技術(shù)發(fā)展趨勢(shì)，具體得出以下結(jié)論：

1)現(xiàn)有的任務(wù)分配和航跡規(guī)劃主要針對(duì)離線無人機(jī)編隊(duì)任務(wù)分配和航跡規(guī)劃展開研究，未來研究應(yīng)圍繞復(fù)雜環(huán)境及有限通信環(huán)境下的無人機(jī)編隊(duì)實(shí)時(shí)任務(wù)分配和多異構(gòu)無人機(jī)編隊(duì)實(shí)時(shí)協(xié)同航跡規(guī)劃展開.

2)多無人機(jī)編隊(duì)飛行的控制方法大部分實(shí)現(xiàn)了2維編隊(duì)，對(duì)于3維立體編隊(duì)的編隊(duì)控制策略研究很少. 如何綜合利用各種編隊(duì)控制方法的優(yōu)點(diǎn)，實(shí)現(xiàn)多無人機(jī)在復(fù)雜環(huán)境和突發(fā)情況下的編隊(duì)形成、保持與重構(gòu)，是未來研究者所要追尋的目標(biāo).

3)針對(duì)無人機(jī)多傳感器數(shù)據(jù)融合問題的研究與實(shí)現(xiàn)主要停留在單個(gè)無人機(jī)攜帶的多傳感器進(jìn)行數(shù)據(jù)融合，而對(duì)多無人機(jī)編隊(duì)所攜帶的多傳感器數(shù)據(jù)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(jī)編隊(duì)的多傳感器進(jìn)行協(xié)同感知，擴(kuò)大感知范圍，提升感知精度，是未來多無人機(jī)編隊(duì)需要研究重點(diǎn)問題.

4)編隊(duì)間的通信研究都是針對(duì)某一性能進(jìn)行的改進(jìn)，仍停留在理論層面，沒有應(yīng)用在實(shí)際工程中；未來需要結(jié)合現(xiàn)有移動(dòng)自組網(wǎng)技術(shù)建立通信標(biāo)準(zhǔn)構(gòu)建無人機(jī)自組織網(wǎng)絡(luò)，實(shí)現(xiàn)無人機(jī)與其他平臺(tái)的互聯(lián)互通.

5)仿真平臺(tái)大部分是對(duì)已有算法的仿真和驗(yàn)證，對(duì)多無人機(jī)編隊(duì)飛行實(shí)物演示驗(yàn)證較少. 編隊(duì)仿真平臺(tái)應(yīng)以分布式結(jié)構(gòu)為主流，針對(duì)實(shí)物硬件及虛擬軟件環(huán)境進(jìn)行系統(tǒng)集成，推動(dòng)并簡(jiǎn)化計(jì)算，以便更好地適應(yīng)多核技術(shù)迅速發(fā)展的背景.

總之，多無人機(jī)協(xié)同編隊(duì)飛行控制的理論雖然取得了豐富成果，但是隨著環(huán)境日益復(fù)雜和任務(wù)的多種多樣，各種多無人機(jī)協(xié)同編隊(duì)飛行關(guān)鍵技術(shù)也需要迅速發(fā)展. 未來會(huì)出現(xiàn)異構(gòu)多無人機(jī)之間的協(xié)同編隊(duì)，并且通信環(huán)境會(huì)異常復(fù)雜，感知約束也會(huì)隨環(huán)境的復(fù)雜而增大，迫切需要開展在感知約束和復(fù)雜通信環(huán)境下的強(qiáng)魯棒、高精度編隊(duì)控制設(shè)計(jì)研究.

致 謝

感謝趙欣怡、邢娜、魯瀚辰、楊山、劉鵬浩、陳揚(yáng)、馮聰同學(xué)對(duì)本文中隊(duì)形設(shè)計(jì)與動(dòng)態(tài)調(diào)整、編隊(duì)通信、編隊(duì)控制、信息感知與融合及編隊(duì)仿真平臺(tái)等工作提供的幫助.

[1] 陳增強(qiáng), 李毅, 孫明瑋, 等. 四旋翼無人機(jī)飛行器ADRC-GPC控制[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 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(jī)發(fā)展路線圖[J]. 防務(wù)視點(diǎn), 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(jī)新技術(shù)[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(jī)自主編隊(duì)飛行控制系統(tǒng)設(shè)計(jì)方法及應(yīng)用研究[D].上海:復(fù)旦大學(xué), 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(yùn)忠, 楊飛飛. 基于行為法多智能體系統(tǒng)構(gòu)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，F(xiàn)AN 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(guān)新平,等. 多智能體最優(yōu)持久編隊(duì)動(dòng)態(tài)生成與控制[J]. 自動(dòng)化學(xué)報(bào), 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(guān)生，杜春燕，宗群,等. 基于一致性的小型四旋翼機(jī)群自主編隊(duì)分布式運(yùn)動(dòng)規(guī)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(jī)協(xié)同感知的分布式融合估計(jì)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(jī)協(xié)同決策算法仿真平臺(tái)設(shè)[J]. 系統(tǒng)仿真學(xué)報(bào), 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(guó)強(qiáng), 羅賀, 胡笑旋. 無人機(jī)編隊(duì)協(xié)同任務(wù)規(guī)劃仿真系統(tǒng)研究[J]. 系統(tǒng)仿真學(xué)報(bào), 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(jī)系統(tǒng)仿真與驗(yàn)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(jī)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(jī)協(xié)同編隊(duì)飛行控制研究現(xiàn)狀及發(fā)展”，是自主開發(fā)的分布式虛擬系統(tǒng)仿真平臺(tái)的多飛行器編隊(duì)視景顯示圖片. 自主開發(fā)的分布式虛擬系統(tǒng)仿真平臺(tái)是由模型計(jì)算機(jī)、系統(tǒng)主控計(jì)算機(jī)、視景顯示計(jì)算機(jī)、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(jì)算機(jī)采用xPC仿真環(huán)境，運(yùn)行單架無人機(jī)動(dòng)力學(xué)以及環(huán)境模型. 進(jìn)行仿真驗(yàn)證之前，先將多無人機(jī)動(dòng)力學(xué)模型通過以太網(wǎng)從主計(jì)算機(jī)下載到xPC從計(jì)算機(jī)1～n. 系統(tǒng)主控計(jì)算機(jī)發(fā)出編隊(duì)飛行任務(wù)指令，并監(jiān)監(jiān)視利用每個(gè)控制器PC104控制誤差信號(hào)，實(shí)現(xiàn)對(duì)單架無人機(jī)的控制. 視景顯示計(jì)算機(jī)實(shí)時(shí)顯示n架無人機(jī)編隊(duì)飛行圖. 其中無線AP/路由器作為系統(tǒng)無線網(wǎng)絡(luò)的中轉(zhuǎn)站，實(shí)現(xiàn)信息交換.Wi-Fi無線通信模塊使有線通信方式轉(zhuǎn)為無線連接. 多無人機(jī)協(xié)同編對(duì)飛行，驗(yàn)證了所設(shè)計(jì)算法的有效性，并證明了所搭建的自主開發(fā)分布式虛擬系統(tǒng)仿真平臺(tái)的正確性，這一平臺(tái)適用于多種飛行器(如無人機(jī)、衛(wèi)星)的協(xié)同控制算法和軌跡優(yōu)化算法的仿真和驗(yàn)證.

(圖文提供： 宗群， 王丹丹， 邵士凱， 張博淵， 韓宇. 天津大學(xué)電氣與自動(dòng)化工程學(xué)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(guó)家自然科學(xué)基金(61673294，61273092)

宗 群(1961—)，男，教授，博士生導(dǎo)師

韓 宇，han_yu@tju.edu.cn

V11

A

0367-6234(2017)03-0001-14