谷旭平 唐大全 唐管政

（海軍航空大學(xué) 煙臺(tái) 264001）

1 引言

UAV在航拍，電力巡檢，快遞，交通巡查，城市監(jiān)視，基礎(chǔ)設(shè)施檢查和三維地圖繪制等領(lǐng)域都發(fā)揮重要作用［1～3］。受自身燃料、重量、尺寸、機(jī)載傳感器以及通信設(shè)備的限制，人們依據(jù)自然界的集群行為，提出了無(wú)人機(jī)編隊(duì)理念［4］。即解決單架UAV執(zhí)行任務(wù)效率低，失敗率高的問(wèn)題，又提高了任務(wù)執(zhí)行效率，擴(kuò)展了新的任務(wù)領(lǐng)域。

國(guó)際上無(wú)人機(jī)編隊(duì)發(fā)展迅速。美國(guó)開展了“無(wú)人機(jī)蜂群”，“低成本無(wú)人機(jī)技術(shù)蜂群”，以及“小精靈”項(xiàng)目計(jì)劃［5～6］。英國(guó)開展無(wú)人機(jī)編隊(duì)競(jìng)賽，歐洲啟動(dòng)“歐洲蜂群”項(xiàng)目，俄羅斯開展無(wú)人機(jī)協(xié)同作戰(zhàn)研究，芬蘭開展“SEAD swarm”項(xiàng)目［7］。對(duì)于中國(guó)而言，南京航空航天大學(xué)基于解耦理念，設(shè)計(jì)無(wú)人機(jī)編隊(duì)控制器。西北工業(yè)大學(xué)采用分布式的編隊(duì)控制，設(shè)計(jì)無(wú)人機(jī)編隊(duì)成員之間的導(dǎo)航定位方式［8］。中國(guó)的“河豚A2”以多機(jī)編隊(duì)的形式亮相土耳其國(guó)際防務(wù)展，展現(xiàn)了其獨(dú)特的自組網(wǎng)智能集群功能。國(guó)家電網(wǎng)利用一鍵控制五架無(wú)人機(jī)開展高風(fēng)險(xiǎn)地區(qū)的電力巡檢。

無(wú)人機(jī)編隊(duì)隊(duì)形保持與變換的關(guān)鍵在于能夠準(zhǔn)確把握UAV的相對(duì)導(dǎo)航信息。作為UAV保持編隊(duì)飛行與精確定位的關(guān)鍵，協(xié)同導(dǎo)航備受關(guān)注。

2 無(wú)人機(jī)編隊(duì)協(xié)同導(dǎo)航原理

UAV一般采用慣性導(dǎo)航系統(tǒng)（INS）和全球定位系統(tǒng)（GPS）相搭配的導(dǎo)航模型，利用GPS對(duì)INS實(shí)時(shí)校正，保證定位精度。UAV主要的導(dǎo)航系統(tǒng)如圖1所示。

無(wú)人機(jī)編隊(duì)協(xié)同導(dǎo)航方式一般分為主從式和平行式，如圖2～3所示。為了節(jié)省成本，發(fā)揮編隊(duì)優(yōu)勢(shì)，一般采用主從式協(xié)同導(dǎo)航。長(zhǎng)機(jī)配備高精度導(dǎo)航設(shè)備，僚機(jī)配備較低精度導(dǎo)航設(shè)備。

圖3 平行式結(jié)構(gòu)

協(xié)同導(dǎo)航首先是主僚機(jī)的時(shí)間校對(duì)，來(lái)保證實(shí)時(shí)性。之后僚機(jī)通過(guò)將自身導(dǎo)航設(shè)備的信息與長(zhǎng)機(jī)的導(dǎo)航信息相融合，并運(yùn)用濾波算法減小導(dǎo)航誤差，完成對(duì)導(dǎo)航信息的校正，保持正常的編隊(duì)軌跡飛行，從而保證了整體的高精度定位。

3 導(dǎo)航傳感器的發(fā)展現(xiàn)狀

導(dǎo)航系統(tǒng)多種多樣，但它們輸出參數(shù)，使用條件，性能特點(diǎn)各不相同，也各有局限性。提高導(dǎo)航精度，可將不同的導(dǎo)航系統(tǒng)組成相對(duì)導(dǎo)航系統(tǒng)。下面對(duì)幾種導(dǎo)航傳感器進(jìn)行分析，為相對(duì)導(dǎo)航系統(tǒng)的論述奠定基礎(chǔ)。

3.1 慣性導(dǎo)航系統(tǒng)

INS具有自主性強(qiáng)、抗干擾能力強(qiáng)、提供的導(dǎo)航參數(shù)多、隱蔽性好［53］的優(yōu)點(diǎn)。但在初始對(duì)準(zhǔn)后，導(dǎo)航精度隨時(shí)間增加而下降［54］，且INS初始對(duì)準(zhǔn)時(shí)間長(zhǎng)。

文獻(xiàn)［9］針對(duì)旋轉(zhuǎn)導(dǎo)航系統(tǒng)（RINS）的旋轉(zhuǎn)軸或慣性傳感器的安裝誤差，以及殼體旋轉(zhuǎn)導(dǎo)致瞬時(shí)振蕩型速度和姿態(tài)誤差，提出了一種將相關(guān)方法，平均方法和卡爾曼濾波相結(jié)合的誤差估計(jì)方法。文獻(xiàn)［10］為了解決捷聯(lián)慣性導(dǎo)航系統(tǒng)的校準(zhǔn)問(wèn)題，設(shè)計(jì)一種“telescopic”系統(tǒng)。使用該系統(tǒng)，規(guī)范系統(tǒng)多次重啟和校準(zhǔn)過(guò)程。文獻(xiàn)［11］研究高精度平臺(tái)慣性導(dǎo)航系統(tǒng)（PINS）的導(dǎo)航精度估計(jì)問(wèn)題，開發(fā)了一種改進(jìn)的最小二乘支撐向量平臺(tái)，用于預(yù)測(cè)PINS導(dǎo)航精度。

此外核磁共振陀螺儀，冷原子慣性傳感器，粒子成像測(cè)速慣性傳感器，半球諧振陀螺儀技術(shù)［12］，這些新型的慣性導(dǎo)航傳感器，不僅彌補(bǔ)了INS的不足，且具有高性能和高精度特性。隨著慣導(dǎo)技術(shù)的不斷發(fā)展完善，在未來(lái)即使沒(méi)有其他導(dǎo)航系統(tǒng)的輔助，INS仍能以高可靠性和準(zhǔn)確性應(yīng)用于更多領(lǐng)域。

3.2 衛(wèi)星導(dǎo)航系統(tǒng)

目前主要的全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）主要有中國(guó)的“北斗”衛(wèi)星導(dǎo)航系統(tǒng)，歐洲的“Galieo”導(dǎo)航系統(tǒng)，俄羅斯的GLONASS導(dǎo)航系統(tǒng)，以及美國(guó)GPS導(dǎo)航系統(tǒng)。

文獻(xiàn)［13～14］為了提高GNSS的測(cè)量以及控制性能，設(shè)計(jì)了衛(wèi)星鏈路（ISL）。ISL通過(guò)獨(dú)立的評(píng)估星歷和時(shí)鐘參數(shù)的方法，提高GNSS的完整性。它是實(shí)現(xiàn)新一代GNSS自動(dòng)導(dǎo)航的關(guān)鍵技術(shù)。文獻(xiàn)［15］針對(duì)GNSS抗干擾能力弱的問(wèn)題，設(shè)計(jì)了改進(jìn)的空時(shí)自適應(yīng)處理算法。該算法增強(qiáng)了自適應(yīng)天線的抗干擾處理能力。文獻(xiàn)［16］研究了基于GNSS的反射算法。針對(duì)在特定目標(biāo)上不同的反射特性，研究了GNSS對(duì)不同目標(biāo)物的敏感特性，增強(qiáng)了目標(biāo)識(shí)別的能力。

GNSS具有導(dǎo)航精度高，用戶設(shè)備簡(jiǎn)單，價(jià)格低廉的優(yōu)點(diǎn)。但GNSS需地面站支持，且易受干擾，屬被動(dòng)式導(dǎo)航系統(tǒng)。應(yīng)加強(qiáng)GNSS增強(qiáng)技術(shù)的研究，通過(guò)增加信號(hào)或者添加信號(hào)源來(lái)提高GNSS的準(zhǔn)確性，完整性和連續(xù)性。

3.3 視覺(jué)導(dǎo)航系統(tǒng)

在GNSS受限的環(huán)境中，導(dǎo)航解決方案的需求不斷增長(zhǎng)。由于在計(jì)算能力和計(jì)算機(jī)視覺(jué)方面的進(jìn)一步發(fā)展，視覺(jué)傳感器成為了GNSS的優(yōu)秀替代者。

文獻(xiàn)［17］設(shè)計(jì)一種無(wú)地圖視覺(jué)導(dǎo)航系統(tǒng)。該系統(tǒng)基于深度強(qiáng)化學(xué)習(xí)的方法從彩色圖像中提取信息，導(dǎo)出運(yùn)動(dòng)命令，具有很強(qiáng)的自主性。文獻(xiàn)［18］介紹了基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像目標(biāo)識(shí)別的最新成果。評(píng)估運(yùn)用于視覺(jué)導(dǎo)航的可能性。文獻(xiàn)［19］基于蜜蜂導(dǎo)航，提出了一種基于光流的視覺(jué)導(dǎo)航。討論了UAV在靠近障礙物以及在狹窄通道航行時(shí)自動(dòng)調(diào)節(jié)高度和速度的可能性。

當(dāng)前視覺(jué)導(dǎo)航智能化程度依舊不高［20］。提高視覺(jué)導(dǎo)航精度，一方面要增加相機(jī)數(shù)目，另一方面也要增強(qiáng)圖像質(zhì)量和圖像處理能力。由于視覺(jué)導(dǎo)航需要對(duì)圖像特征進(jìn)行提取，為了保證實(shí)時(shí)性和有效性，就要提高圖像處理的效率以及精度。

4 無(wú)人機(jī)編隊(duì)協(xié)同導(dǎo)航的研究與進(jìn)展

下面主要從相對(duì)導(dǎo)航方式，編隊(duì)隊(duì)形和導(dǎo)航結(jié)構(gòu)，協(xié)同導(dǎo)航算法三個(gè)方面，論述其在提高導(dǎo)航精度方面的研究進(jìn)展。

4.1 相對(duì)導(dǎo)航

相對(duì)導(dǎo)航一般由衛(wèi)星導(dǎo)航設(shè)備，輔助導(dǎo)航設(shè)備以及多普勒計(jì)程儀組成，主要的導(dǎo)航流程如圖4所示。下面就對(duì)目前主流的組合導(dǎo)航系統(tǒng)發(fā)展情況進(jìn)行介紹。

圖4 相對(duì)導(dǎo)航系統(tǒng)信息流程

文獻(xiàn)［21］采用的集成導(dǎo)航系統(tǒng)是由集成捷聯(lián)慣性導(dǎo)航系統(tǒng)，電子羅盤，視覺(jué)光流導(dǎo)航系統(tǒng)，高度計(jì)和激光測(cè)距儀組成。該系統(tǒng)無(wú)需已知陸基導(dǎo)航目標(biāo)，就能實(shí)現(xiàn)UAV自主導(dǎo)航。文獻(xiàn)［22］采用的相對(duì)導(dǎo)航系統(tǒng)由INS，載波相位差分全球定位系統(tǒng)和視覺(jué)導(dǎo)航系統(tǒng)（VisNav）組成。該系統(tǒng)與INS/GPS和INS/VisNav系統(tǒng)相比，具有更高的穩(wěn)定性與精準(zhǔn)度。文獻(xiàn)［23］采用基于聯(lián)合濾波器的INS/BD/RP/TAN多源容錯(cuò)組合導(dǎo)航系統(tǒng)。該系統(tǒng)不僅彌補(bǔ)單一導(dǎo)航系統(tǒng)的不足，而且具有很強(qiáng)的容錯(cuò)能力，在出現(xiàn)故障時(shí)，仍能提供精準(zhǔn)的導(dǎo)航信息。文獻(xiàn)［24～25］的集成導(dǎo)航系統(tǒng)由載波相位差分GPS，INS和超寬帶（UWB）組成。該系統(tǒng)可在GPS受限時(shí)，仍能提供精準(zhǔn)的導(dǎo)航信息。文獻(xiàn)［26］采用基于偽距差分GPS（DGPS）的相對(duì)導(dǎo)航。驗(yàn)證了沒(méi)有基站的DGPS相對(duì)導(dǎo)航，不僅可以簡(jiǎn)化算法，減少設(shè)備支出，而且可以提高定位精度。文獻(xiàn)［27］采用的基于UWB輔助的相對(duì)導(dǎo)航方式。該方案可在單依靠GPS的情況下，達(dá)到比較精準(zhǔn)的相對(duì)導(dǎo)航效果。

相對(duì)導(dǎo)航系統(tǒng)，可以將不同導(dǎo)航系統(tǒng)的優(yōu)勢(shì)結(jié)合起來(lái)，提高整體性能指標(biāo)。但大多基于GNSS的組合導(dǎo)航系統(tǒng)，在受到干擾時(shí)，會(huì)影響導(dǎo)航精度。因此組合導(dǎo)航系統(tǒng)，可以引入自動(dòng)故障檢測(cè)、故障診斷、故障隔離和系統(tǒng)重構(gòu)技術(shù)，構(gòu)成容錯(cuò)組合導(dǎo)航系統(tǒng)。

4.2 編隊(duì)隊(duì)形和導(dǎo)航結(jié)構(gòu)

編隊(duì)隊(duì)形與導(dǎo)航結(jié)構(gòu)是無(wú)人機(jī)編隊(duì)協(xié)同導(dǎo)航的重要組成部分。文獻(xiàn)［28］針對(duì)無(wú)GPS情況下的導(dǎo)航精度問(wèn)題，提出基于機(jī)間測(cè)距信息的機(jī)群組網(wǎng)協(xié)同定位方法，利用幾何圖形平移旋轉(zhuǎn)估計(jì)慣導(dǎo)定位誤差，緩解誤差的發(fā)散速度。文獻(xiàn)［29］針對(duì)三架UAV編隊(duì)在無(wú)GPS和INS的情況下，通過(guò)構(gòu)建以UAV為定點(diǎn)的三角形，提出了基于幾何特性的多UAV協(xié)同導(dǎo)航算法。驗(yàn)證該方法優(yōu)于航位推算法，且定位誤差不隨時(shí)間累積。文獻(xiàn)［30］針對(duì)單主模式下，導(dǎo)航系統(tǒng)不易被觀測(cè)的問(wèn)題，提出了基于雙主交替領(lǐng)航的協(xié)同導(dǎo)航方法，明確了系統(tǒng)可觀測(cè)的條件。文獻(xiàn)［31，34］依據(jù)平臺(tái)搭載導(dǎo)航設(shè)備精度的差異，將系統(tǒng)分為高精度層和低精度層，低精度層利用高精度層傳遞的導(dǎo)航信息進(jìn)行修正更新。這種分層式結(jié)構(gòu)提高了低精度層的導(dǎo)航定位精度。文獻(xiàn)［32］針對(duì)主從式AUV協(xié)同導(dǎo)航的時(shí)間延遲問(wèn)題，提出了基于狀態(tài)補(bǔ)償?shù)腄EKF算法。文獻(xiàn)［33］針對(duì)同高度下的兩架UAV，提出了僅利用測(cè)距雷達(dá)和機(jī)載導(dǎo)航系統(tǒng)測(cè)距信息就可得到相對(duì)姿態(tài)的方法。文獻(xiàn)［35］在開源ROS操作系統(tǒng)的基礎(chǔ)上，結(jié)合純分布式的無(wú)人機(jī)集群控制方法，提高了無(wú)人機(jī)編隊(duì)協(xié)同導(dǎo)航精度。文獻(xiàn)［36］設(shè)計(jì)了無(wú)人機(jī)編隊(duì)的導(dǎo)航架構(gòu)，其中長(zhǎng)機(jī)使用INS/GPS集成導(dǎo)航系統(tǒng)，而僚機(jī)則使用分布式導(dǎo)航技術(shù)。建立了基于信息融合濾波的分層分布體系結(jié)構(gòu)，估計(jì)僚機(jī)的絕對(duì)位置和速度，并獲得長(zhǎng)機(jī)和僚機(jī)的相對(duì)導(dǎo)航解，進(jìn)而獲得精確的導(dǎo)航信息。

合適的編隊(duì)隊(duì)形和導(dǎo)航結(jié)構(gòu)，一方面可以增強(qiáng)編隊(duì)協(xié)調(diào)性與統(tǒng)一性，提高編隊(duì)協(xié)同導(dǎo)航的精度與性能。另一方面有利于長(zhǎng)機(jī)，僚機(jī)之間的信息交互，提高編隊(duì)控制水平和整體效能。同時(shí)合理的編隊(duì)隊(duì)形和導(dǎo)航結(jié)構(gòu)可以實(shí)現(xiàn)編隊(duì)遠(yuǎn)距離航行、減少能源消耗、增強(qiáng)編隊(duì)靈敏度，提高編隊(duì)飛行的安全性與任務(wù)完成率。

4.3 協(xié)同導(dǎo)航算法

隨著無(wú)人機(jī)編隊(duì)的不斷發(fā)展，其協(xié)同導(dǎo)航算法也在不斷完善，在精簡(jiǎn)傳統(tǒng)算法的同時(shí)，也提高了編隊(duì)導(dǎo)航的精度。

文獻(xiàn)［37］針對(duì)量測(cè)噪聲協(xié)方差矩陣的時(shí)變性以及編隊(duì)環(huán)境的易變性，提出了基于交互式多模型的協(xié)同導(dǎo)航魯棒自適應(yīng)濾波算法，提高了對(duì)量測(cè)異常的抑制能力以及自適應(yīng)能力。文獻(xiàn)［38］針對(duì)導(dǎo)航誤差的非線性特性，采用了偽線性卡爾曼濾波算法。將非線性模型轉(zhuǎn)化為線性模型實(shí)現(xiàn)對(duì)系統(tǒng)狀態(tài)的估計(jì)。文獻(xiàn)［39］針對(duì)系統(tǒng)建模偏差、未知量測(cè)噪聲和系統(tǒng)噪聲對(duì)濾波性能影響較大的問(wèn)題，提出了改進(jìn)的Myers-Tapley自適應(yīng)濾波算法，通過(guò)利用殘差樣本投影統(tǒng)計(jì)實(shí)現(xiàn)了對(duì)系統(tǒng)噪聲的有效估計(jì)，提高了濾波精度。文獻(xiàn)［40］針對(duì)編隊(duì)成員較多帶來(lái)的數(shù)據(jù)處理問(wèn)題，提出了一種基于置信傳播和協(xié)同信息篩選的協(xié)同導(dǎo)航方法。通過(guò)對(duì)導(dǎo)航信息篩選，摒棄低貢獻(xiàn)率的導(dǎo)航信息，減少了計(jì)算量，提高了協(xié)同導(dǎo)航性能。文獻(xiàn)［41］針對(duì)復(fù)雜環(huán)境下存在的通信時(shí)延和帶寬受限問(wèn)題，提出了基于分布式非線性信息濾波的協(xié)同導(dǎo)航算法，并且針對(duì)通信過(guò)程中存在的噪聲干擾問(wèn)題，提出了基于魯棒無(wú)跡信息濾波的協(xié)同導(dǎo)航算法，極大地緩解了通信時(shí)延造成濾波精度發(fā)散問(wèn)題。文獻(xiàn)［42］針對(duì)導(dǎo)航誤差隨著時(shí)間的推移而累加以及集中式卡爾曼濾波導(dǎo)致單機(jī)計(jì)算量急劇增加的問(wèn)題，提出了一種基于聯(lián)合過(guò)濾結(jié)構(gòu)的無(wú)人機(jī)協(xié)同導(dǎo)航算法。該算法減緩導(dǎo)航誤差的發(fā)散，與集中式濾波器相比，減少了計(jì)算量。文獻(xiàn)［43］針對(duì)通信受限導(dǎo)致的先驗(yàn)估計(jì)誤差以及初始化條件下收斂速度慢的問(wèn)題，提出了基于迭代插值濾波的協(xié)同導(dǎo)航算法。該算法通過(guò)對(duì)量測(cè)信息的迭代更新，保證了在弱觀測(cè)條件下量測(cè)信息的充分融合，改善了協(xié)同導(dǎo)航效果。

除了以上論述方面，協(xié)同導(dǎo)航算法，在非高斯分布輸出噪聲［44］、惡劣環(huán)境以及高速航行下導(dǎo)航精度下降［45］、通信延遲和數(shù)據(jù)丟失［46］、無(wú)人機(jī)隱身［47］、姿態(tài)估計(jì)［48］、減輕通信負(fù)擔(dān)［49］、故障檢測(cè)［50］、路徑規(guī)劃［51］、目標(biāo)跟蹤［52］等方面，同樣發(fā)揮著重要作用。

5 無(wú)人機(jī)編隊(duì)協(xié)同導(dǎo)航的發(fā)展趨勢(shì)

目前無(wú)人機(jī)編隊(duì)協(xié)同導(dǎo)航存在著導(dǎo)航精度低，多機(jī)協(xié)同難度大，多機(jī)通信受限，環(huán)境適應(yīng)度不高，自主導(dǎo)航能力差等問(wèn)題。針對(duì)這些問(wèn)題，將未來(lái)無(wú)人機(jī)編隊(duì)協(xié)同導(dǎo)航的發(fā)展趨勢(shì)總結(jié)為以下幾點(diǎn)。

1）與其他無(wú)人設(shè)備協(xié)同導(dǎo)航。通過(guò)與無(wú)人潛艇，無(wú)人汽車以及其他無(wú)人設(shè)備的協(xié)同，可實(shí)現(xiàn)對(duì)多維未知領(lǐng)域信息的掌控。

2）導(dǎo)航精度的提高。在精進(jìn)導(dǎo)航算法的同時(shí)，也要研發(fā)高精度導(dǎo)航傳感器，設(shè)計(jì)綜合力更強(qiáng)的組合導(dǎo)航系統(tǒng)。

3）態(tài)勢(shì)感知能力。面對(duì)環(huán)境多變性，任何感知信息的偏差就會(huì)導(dǎo)致嚴(yán)重的后果。精準(zhǔn)的態(tài)勢(shì)感知能力至關(guān)重要。

4）故障診斷與容錯(cuò)。UAV應(yīng)該加強(qiáng)自身故障診斷與容錯(cuò)能力，提高整體性能的穩(wěn)定性與可靠性。

5）自主導(dǎo)航。實(shí)現(xiàn)無(wú)人機(jī)編隊(duì)自主導(dǎo)航，就可以根據(jù)具體作戰(zhàn)環(huán)境進(jìn)行相應(yīng)的隊(duì)形變換，提高任務(wù)成功率。

6 結(jié)語(yǔ)

協(xié)同導(dǎo)航技術(shù)為無(wú)人機(jī)編隊(duì)提供有力支撐，通過(guò)對(duì)導(dǎo)航傳感器信息的融合，形成信息模型，將其提供給控制系統(tǒng)進(jìn)行任務(wù)分工和調(diào)度，進(jìn)而實(shí)現(xiàn)成員之間的協(xié)調(diào)控制，提高任務(wù)執(zhí)行率。本文主要對(duì)當(dāng)下無(wú)人機(jī)編隊(duì)的相對(duì)導(dǎo)航方式，編隊(duì)隊(duì)形，導(dǎo)航結(jié)構(gòu)以及協(xié)同導(dǎo)航算法在導(dǎo)航精度方向上的研究進(jìn)展進(jìn)行論述。并根據(jù)當(dāng)下研究進(jìn)展，預(yù)測(cè)了未來(lái)無(wú)人機(jī)編隊(duì)的發(fā)展趨勢(shì)。隨著無(wú)人機(jī)的軍用以及民用價(jià)值日益凸顯，協(xié)同導(dǎo)航有著很高的研究?jī)r(jià)值和理論意義。