來源 | 無人機

智庫 | 云腦智庫(CloudBrain-TT)

云圈 | 進“云腦智庫微信群”,請加微信:15881101905,備注研究方向

馬子玉，何 明*，劉祖均，顧凌楓，劉錦濤

（中國人民解放軍陸軍工程大學指揮與控制工程學院，南京 210000）

（*通信作者郵箱paper_review@126.com）

摘要：無人機（UAV）協同控制是指一組UAV 以機間通信為基礎、群體智能為核心，合作分工完成某一共同任務的控制方式。UAV 集群是擁有一定自主能力的大量UAV 基于局部規則執行各項任務的多智能體系統，與單架UAV相比，UAV 集群有著高效率、高靈活性和高可靠性等優點。針對近幾年UAV 協同控制技術的最新發展動態，首先，從民用和軍事兩個角度舉例說明多UAV技術的應用前景；接著，對比分析一致性控制、蜂擁控制和編隊控制這三種主流協同控制方式的區別與發展現狀；最后，對協同控制面臨的時延、避障和續航等問題提出幾點建議，為未來UAV 協同控制研究發展提供一定幫助。

關鍵詞：無人機；協同控制；蜂擁控制；一致性；編隊控制

0 引言

自然界中許多生物群系都是由大量個體組成。雖然個體功能簡單，并且獲取信息的方式單一，但它們成功憑借局部交互構成了復雜的群體行為，完成躲避捕食者［1］、尋找獵物［2］和長途遷移［3］等任務。集群行為的研究方法共經歷3 個發展階段：1）生物集群行為的發現階段，許多生物研究者通過長時間觀察發現生物群體特有的行為［4］；2）群集行為的仿真階段，研究人員用計算機模擬并完成了生物群集行為的測試；3）嚴格的建模和集群行為的分析，這是目前正在進行的研究［5-6］。集群作為一種集體行為，它最重要的特點便是從簡單的局部規則演化為協調的全局行為。從系統學的角度看，群體行為具有自適應性、魯棒性、分散性和自組織性等特點［7］。無人機集群作為一種新型的集群系統，無論在民事還是在軍事領域都有著廣泛的應用場景。

隨著技術發展，無人機（Unmanned Aerial Vehicle，UAV）逐漸代替危險環境中的工人，執行未知領域探索和危險環境監測等D3 類任務（Dull，Dirty and/or Dangerous missions，D3 missions）。科技的進步推動了無人機自動化水平的提高，讓操作者可以下達抽象式指令，而非進行詳細地控制，例如手動操作避開障礙等。在戰場環境中，人工控制的減少將使決策中心從傳統的后方轉移至戰場中心，相較于遠程控制，直接參與作戰的單位對戰場有著更強的理解，能夠更快地做出決策。但單無人機能力始終有一定的限度，存在搜索范圍小、環境敏感度低和運行時間短等問題，同時單無人機在遇到硬件損壞或軟件故障等情況時很難順利完成任務，因而多無人機協作應運而生。無人機協同系統是一組無人機通過與其他無人機和周圍環境相互作用來完成特定任務，作戰成本低、自適應能力強和可擴展性強等優點［8］使得無人機集群協同作戰越來越受到各個國家的重視。無人機集群技術發展至今，日益廣泛地應用于國土資源遙感、警事維穩、電力巡線、環境監測和城市規劃等民用領域［9-12］，同時在軍事領域的火力打擊、電子對抗、雷達誘騙和偵察搜索等特殊任務［13-15］中也扮演著重要角色。

協同控制算法根據控制方式和目標的不同主要分為三類，包括一致性控制、蜂擁控制和編隊控制。其中一致性問題是學者關注最多的一個問題，Ren 等［16］對一致性問題研究做出系統性解釋，但未包括近幾年獲得的一些重要成果；Sun等［17］和Wiandt 等［18］對蜂擁控制進行回顧，但沒有討論其他的相關協同技術和蜂擁控制算法的具體應用；Senanayake 等［19］研究了用于搜索和跟蹤的協同算法，但缺少對協同系統的其他應用和算法的介紹。本文主要介紹近幾年協同控制算法在無人機領域的具體應用和相關算法的研究進展，回顧學者在解決一些難題時做出的努力和總結目前仍存在的問題。

1 無人機應用

隨著社會發展，無人機技術在越來越多的行業中扮演著重要角色。研究人員也在研究通過多架無人機合作來拓展和改進它們的應用。多無人機技術已在搜索救援、城市規劃和軍事需求等領域投入使用。本章將介紹多無人機協同控制的應用現狀和發展潛力。

1.1 民事應用

搜索救援 相較于傳統的地面或直升機搜索救援，無人機成本更低且效率更高。在危險環境中搜索時間是救援能否成功的關鍵因素，相較于救援車，無人機可更快到達救援地點；相較于直升機，無人機裝載的人臉識別系統和鳥類視覺比人眼更為靈敏和耐心。無人機部署時間短，針對大范圍的搜索救援工作多無人機協同合作有著更直接的優勢。在2006年的卡特里娜颶風災后，美國使用多架自主無人機為救援行動搶下許多寶貴時間。Maza 等［20］在模擬火災場景中使用兩架無人機協作實時監控消防員的行動和安全情況。Goodrich等［21］合作研發出一套用于荒野搜索和救援的微型無人機，通過技術手段收集和分析失蹤人員的可能跡象來建立模擬失蹤人員行為的隨機模型。如果該模型與某一受害者相匹配，那么就可以定位失蹤者目前的可能位置。該系統解決了載人直升機的局限性，也為無人機協同控制方法提供新的思路。

城市規劃 靈活性高、視野廣闊和無障礙進入多數環境等優勢使得無人機成為繪制地圖和城市規劃的流行工具，無人機如何協助研究人員繪制地圖已有很多研究［22-24］。Remondino 等［22］成功使用多無人機進行空間測繪和三維建模，對無人機的編隊和分布方式提出具體要求。Lin等［23］利用無人機激光探測技術繪制芬蘭部分地區的精細地圖。在對違章建筑監測［25］過程中，多無人機協同配合，可快速完成區域內重點建筑的調查取證工作。不僅如此，無人機定位在危險環境或未知環境起著重要作用［26］。Han等［27］提出多無人機遙感進行核輻射場景下的測繪，降低危險環境下多無人機的工作成本并提高原子輻射探測的工作效率。

1.2 軍事應用

無人機協同控制在軍事領域中有著許多現實和潛在的應用。從偵查搜索到對地精準打擊等任務已經證明一組低成本、組織性強的無人機群比單一的高成本無人機有著更強的作戰能力。通常協同作戰需要無人機以固定結構飛行，編隊飛行的優勢之一便是通過定位跟隨可減少無人機的飛行阻力，顯著降低油耗［28］。圖1 展示了四種無人機集群參與的軍事任務。

圖1 無人機集群軍事應用
Fig.1 Multi-UAV military missions

火力打擊 相較于傳統的火力打擊，無人機作戰距離更遠、打擊精度更高、人員傷亡更低。無人機集群式作戰可提供更大范圍的火力覆蓋和更高的成功率。主動釋放的誘餌無人機在受到攻擊時，可收集敵方雷達和戰車等重要設施的位置信息，為后方精準打擊提供先機。面對敵方火力防線，無人機集群中部分無人機將作為“僚機”，負責護送攜帶高殺傷武器的無人機進入其有效攻擊范圍。不僅如此，導彈控制系統也可仿照無人機協同控制，面對敵方多層次防御體系，一組導彈協同作戰更能實現對關鍵目標的精準打擊。

電子對抗 通過電子對抗進行隱藏通常被稱為干擾，一般是依靠噪聲形成雷達干擾以達到欺騙的作用，電子對抗使得我方單位從敵方雷達中隱去，是戰場獲勝的重要先機。一般而言，干擾可分為自干擾和支援干擾。自干擾是無人機采用雷達干擾以實現自我保護，支援干擾則是多架無人機協同干擾以掩護其他單位。Kim 等［29］針對無人機的護航任務，提出一種緊密編隊和協同合作來欺騙對空導彈的跟蹤雷達。

偵察監視 無人機憑借空中優勢可以有效完成偵察任務，如派往敵方空域收集重要設施的位置信息，在科索沃戰爭中，美軍就利用偵察無人機精準轟炸了南聯盟70%的軍火庫和30%的指揮所［30］。同時無人機可用于搜索滲透至我方范圍內的敵人，在森林場景中，其特點是許多小的障礙（樹或灌木叢）和一個個獨立的目標單元（敵人），相應策略是增加單獨行動的無人機數量，并提供一定攻擊能力（如果包含火力打擊任務）；而視野開闊的平原，其特點是障礙物少、目標單元密集，相應策略則是出動分布廣而稀疏的無人機群，保證大范圍的偵查視野。

戰術格斗 在正面戰場上，無人機帶來的“戰斗零傷亡”是指揮官們一直追求的目標，通過操作員實現遠程作戰可有效完成各種高危險任務［31］。但在大規模對抗中，“一人一機”模式下操作員數量的增加會對控制中心和通信造成很大的負擔。“有人機+無人機”模式由此提出，操作員控制單個或部分無人機，無人機群依靠協同系統共同完成操作員下達的指令。無人機群轉變成作戰小組，組內成員合作完成任務，同時小組間也可分工合作實現某些戰術。美軍曾實驗5 架協同無人機與8 架配有預警機的F-22 對抗，最終戰損比為8∶0［32］，由此可見，無人機集群協同控制使得戰術能融入無人化作戰當中，對未來戰爭將產生很大影響。

2 協同控制方法

根據方法的不同協同控制算法主要分為三類，包括一致性控制算法、蜂擁控制算法和編隊控制算法。下面將具體介紹三種算法的一般定義與研究現狀。

2.1 一致性控制

2.1.1 一致性算法

為實現無人機集群分布式控制，許多學者已提出多種不同方法，其中基于圖論的一致性控制算法越來越受到關注。該算法將無人機抽象為圖中的節點，無人機之間的通信則用邊表示，其優點是可用圖表示任意隊形，理論較為成熟。Jamshidi 等［40］為無人機的協同控制設計了一個實驗臺和共識技術；Rezaee 等［41］提出一種針對高階多智能體系統的一致性協議，展示了智能體如何利用周圍鄰居共享的相對位置信息實現一致性；Shoja等［42］針對非線性非完全動態系統設計一種基于估計的一致性控制方案，并成功跟隨多個領導者；Gallehdari 等［43］提出一種實時分布控制重構法，該算法利用智能體的最近鄰信息和內部故障檢測與識別功能，保證智能體出現故障時仍可以保持一致性。算法中智能體采用一階動力模型，在最小化維持故障智能體運行成本的基礎上設計控制器，從而優化了集群的性能指標。

其中：xi(t)表示無人機i 在t 時刻的狀態信息，A=[aij]為鄰接矩陣，如果無人機i 和j 之間存在通信，則aij=1。式（1）可以重寫為：

其中：L= D - A 表示拉普拉斯矩陣，根據拉普拉斯矩陣的性質，系統達到一致性的條件為：

當無人機之間的通信質量低時，一般可采用間歇性通信方式，通過差分方程更新無人機的信息狀態。一般性離散時間差分方程［33］如下：

記x=[x1，x2，…，xn]，A[k]=[aij(k)]，則式（4）可寫成矩陣形式：

相似地，智能體系統達到離散時間一致性的條件［33］為：

2.1.2 一致性控制研究現狀

一致性控制起源于計算機科學和并行計算［34-35］。Vicsek等［36］提出的Vicsek模型實現了Reynolds三種規則中的“對齊”規則，集群中智能體以勻速率運動，其運動方向由周圍鄰居速度方向的平均值決定。過去的幾年中，Jadbabaie 等［37］和Olfati-Saber等［38］的研究工作對其他學者研究一致性控制問題產生了相當大的影響。具體而言，Jadbabaie 等［37］將Vicsek 提出的動態模型線性化，通過圖論和矩陣分析等工具為對齊行為提供理論支持。Olfati-Saber等［38］則提出了解決積分器網絡一致性控制問題的一般性框架。隨后Ren等［39］在此基礎上將一致性問題推廣到二階系統，證明了有向網絡中多智能體系統的穩定性。

在協同控制領域中一致性一直是一個重要而復雜的問題。一致性是指一組智能體通過傳感器或通信網絡相互交流，使得所有智能體的狀態隨時間趨于一致。根據通信方式的不同，主要分為微分和差分方程兩種建模方式。最常見的動態微分方程為：

2.2 蜂擁控制

2.2.1 蜂擁算法

與一致性算法的策略相反，基于蜂擁算法的集群并不一定是一個剛性的形狀或結構，即一致性算法要求系統是固定拓撲，而采用蜂擁算法的系統的拓撲結構在運動過程中可能會發生變化。蜂擁算法一般要求智能體滿足Reylnolds［44］提出的三種規則，即：

其中為基于梯度項，促進集群的形成為一致性項，使智能體的速度逐漸一致為導航反饋項，使智能體向目標方向運動。

2.2.2 蜂擁控制研究現狀

蜂擁被定義為由一群可獨立行動的個體組成群體以實現共同目標的集體行為。蜂擁控制算法的靈感來源于自然界中的蜂群和鳥群等自然群體，并主要參照Reylnolds［44］提出的三種規則建立分布式控制算法。Reylnolds根據附近鄰居的位置和速度對智能體的運動建立Boid 模型，提出分離（碰撞避免）、對齊（速度匹配）和聚集（集群中心）三種規則。智能體的影響區域被分為3 個部分：排斥區（zor）、保持區（zoo）和吸引區（zoa）。以圖2無人機為例，由于局部通信存在距離限制，無人機只能感知到一定范圍內的個體。考慮到無人機的碰撞體積和活動范圍，無人機間為避免發生碰撞應設置安全距離，即排斥區。在排斥區內，無人機間的排斥作用力會使兩者距離逐漸增大。同時，為避免保持通信的兩架無人機失去聯系，會在感知范圍內設置吸引區，通過吸引力使鄰居無人機進入保持區。而在保持區的無人機間相對勢能達到最小值，且兩者運動方向將逐漸一致。

圖2 智能體鄰域分布
Fig.2 Agent neighborhood distribution

Moshtagh 等［45］基于圖論知識提出一種新的蜂擁算法，通過最短距離控制來最小化相對勢能以到達速度匹配和聚集的效果，實驗結果證明即使集群的拉普拉斯矩陣發生變化時仍可以保持蜂擁，同時只要保證良好的通信還可以實現一致性控制。Martin 等［46］設計一種新的二階動力學模型，認為智能體存在通信半徑并且集群內各智能體的通信半徑隨機，并證明在選擇合適的初始速度誤差后集群最終實現蜂擁。Martinez 等［47］針對固定和移動障礙物下的集群行為進行研究，實驗結果表明，在低噪聲固定障礙物情況下，可以得到與之前相同的觀察結果；但在移動障礙物情況下，集群的穩定性隨障礙阻力的增加而加速破壞。同時發現另一個有趣的結論：在某些情況下，引入低阻力障礙物可得到比自由狀態下更有序的集群。Zhao 等［48］提出一種具有改進自適應速度和加權策略的快速收斂模型，該模型認為少數個體對系統的影響比一般個體大，當它們中部分與集群失去聯系時甚至會導致整個系統的崩潰。Jolles 等［49］將Reylnolds 模型用于對魚群的集群行為研究，研究發現同類魚個體離開群體探索未知區域（為獲得更多食物，但風險增大）的傾向大體相同，同時魚群間保持著清晰的吸引和排斥區，由它們的速度和航向決定。

2.3 編隊控制

編隊控制是指集群中所有無人機調整自己的位置狀態以達到規定的幾何形狀。如果從感知能力和拓撲交互的角度來描述編隊控制，便會遇到這樣一個問題：為實現目標編隊控制，傳感器需要獲取哪些參數信息，這些參數中又有多少是無人機可主動控制的。無人機可獲取何種參數決定了個體的感知能力，同時可控的參數變量類型將與交互拓撲相聯系，例如如果無人機的全局位置信息可以被主動控制，那么這些無人機便可直接移動到目標位置，而不需要局部信息交流；如果可以主動控制無人機間的距離，那么將系統視為固定拓撲，集群的網絡結構則為剛體。基于以上信息，可將現有編隊控制的研究分為基于坐標控制、基于位移控制和基于距離控制三種研究。表1展示了三種控制方式的主要區別。

表1 三種控制方式的區別
Tab.1 Differences between three control methods

2.3.1 編隊算法

根據編隊算法的分類將先介紹一般性編隊控制算法，之后討論基于坐標、位移和距離三種控制算法的區別。一般性編隊算法的動態方程為：

其中：xi ∈表示無人機的狀態信息，ui ∈和yi ∈表示可獲取的參數變量，zi ∈Rr 表示無人機i 的狀態輸出。設z* ∈Rnr 為給定的時間函數，則式（8）的目標編隊可以寫成以下約束形式：

如此，一般性編隊控制問題便是在僅獲取參數變量yi 的情況下，如何設計一種控制協議使得關于無人機系統（8）的集合Ez*={x：F(z)= F(z*)}漸進穩定。

基于坐標控制 參數yi 是在全局坐標系下的絕對變量，無人機i可主動控制自己的輸出zi，式（9）可寫為：

基于位移控制 參數yi是在全局坐標系下獲取的相對變量，無人機i的輸出zi具有平移不變性，式（9）可寫為：

基于距離控制 參數yi是在智能體的局部坐標系而非全局坐標系下獲取的相對變量，無人機i的輸出zi具有平移和旋轉不變性，式（9）可寫為：

2.3.2 編隊控制研究現狀

基于坐標控制 智能體根據全局坐標系確定自己的位置。主動控制自己的坐標，移動到全局坐標系下的目標位置以實現協同控制。基于坐標控制的研究方向一般分為兩種：1）憑借各智能體之間的相互作用來提高編隊控制性能；2）引入全局協調器從個體獲取反饋并為群體提供適當的協同命令，在個體的驅動能力有限或者受到干擾時這種反饋式協同十分有益。Van Tran 等［50］在假設智能體可感知自身狀態和鄰居相對于全局坐標系狀態的條件下，提出了一種基于位置的控制協議來驅動智能體跟蹤期望軌跡；Cortés［51］在基于位置控制的基礎上引入分布式位置估計，每個智能體都沿最短路徑運動到目標位置，實驗表明系統全局估計位置以指數形式收斂至實際位置，實際位置以指數形式收斂至目標位置；劉祖均等［52］基于分布式重新建立主機-從機協議，成功實現多無人機的避障和編隊重構。

基于位移控制 智能體主動控制與鄰近智能體的相對位移以實現協同控制，假設每個智能體能夠感知到鄰近智能體相對于全局坐標系的相對位置，這意味著智能體需要知道全局坐標系統的方向。不過這些智能體既不需要全局坐標系本身信息，也不需要清楚它們關于該坐標系的具體位置。Cortes［53］研究了相對位置感知故障和錯誤的系統魯棒性問題，提出一種用于離散時域單積分器智能體模型的協同控制算法，并驗證該算法對測量失敗和錯誤的魯棒性。在智能體局部坐標系方向相同的條件下，Han 等［54］通過局部通信使用速度和位移測量來估計鄰居的實時相對位置，結果表明持續控制輸入條件下相對位置的估計值和相對速度間呈指數收斂關系。

基于距離控制 主動控制智能體間的距離以達到由期望距離所形成的協同控制。假設單個智能體可感知相鄰智能體在自己局部坐標系下的相對位置，同時局部坐標系并不需要完全對齊。在基于距離的控制中，即使智能體模型是線性的，控制協議一般也是非線性的。此外多智能體系統在基于距離的控制協議下的不變集分析也是目前研究的重點。如果多智能體系統的交互圖不完整，則需要智能體通過控制部分智能體間的距離來達到期望的距離。Kang 等［55］提出基于距離的領導者跟隨控制算法，通過自適應算法來測量相對位移以估計領導者的速度。Ahn 等［56］設計n 維基于距離的無向協同控制，但關注的是局部穩定性。在集群中只有單智能體接收到編隊控制的具體信息的情況下，Yang 等［57］提出一種分布式估計器協助智能體估計變量，并在一般剛性結構系統中取得較好結果。

3 問題與挑戰

隨著應用無人機的不斷普及，越來越多的現實問題開始出現在研究者面前。時延［58］、通信帶寬［59］和躲避障礙［60］等問題阻礙無人機技術的發展，雖然學者已經取得一些相關成果，但離完全解決仍有很大的距離。

時延 由于傳輸速度限制，且傳感器獲取信息需要一定時間，實際生活中幾乎所有系統都存在時延問題。無人機集群在執行任務時需要對系統發出的指令立刻做出反應，以應對碰撞避免、障礙躲避等問題。在一致性控制中，時延可大致分為通信時延和輸入時延，前者是通信距離造成的延遲，后者則是無人機在飛行中更新運動信息產生的延遲。Hu 等［60］證明只要通信時延在一定閾值內便不會造成系統崩潰，但依舊會影響系統的穩定性。Min 等［61］基于分數階微積分模型求出一階系統實現一致性的必要條件，并設置輸入時延的最大上限，但對于高階非線性系統，仍沒有較好的解決方法。

避障 躲避障礙是無人機執行任務不可避免的問題，對于個體具有自主決策能力的多無人機系統而言，在移動過程中躲避障礙是最基本的要求。在蜂擁控制中，避障控制的基本策略是將前方障礙物想象成一個圓柱體模型［62］，存在多個障礙物時無人機會優先避開最近的目標，但該方法沒有考慮障礙物的實際大小以及障礙物與無人機之間的距離對無人機轉向控制力的影響。Olfati-Saber［63］假設障礙物是一個移動的智能體，障礙物進入無人機感知范圍時將障礙物視作鄰居處理，但無人機在繞過障礙物后仍會受到障礙物影響。路徑規劃問題是無人機研究領域的一個熱點，通常采用蟻群算法和模擬退火算法等算法尋找出一條合理路線，但這需要全部障礙物的位置信息。對于未知環境還需依靠無人機本身的自主決策能力。

信息估計 編隊控制多采用集中控制以提高系統穩定性，但對于大型無人機集群全局通信成本太過高昂。隨著無人機自主化水平提高，將更多依賴局部通信，這意味著需要一種分布式協議去預測全局信息。一方面，應設計一種局部分布估計系統，可以在有限時間內估計出某些全局信息；另一方面，基于局部估計來設計局部控制器，提高閉環系統穩定性。基于估計的分布式控制本質上是集中式控制和分布式控制的結合，它將分布式控制用于全局信息的估計，將集中式控制思想用于局部控制器的設計。但包含分布式估計器的無人機系統比沒有分布式估計器的無人機系統要復雜得多。在無人機協同控制系統中，必須適當地替換某些昂貴的測量設備或使用分布式估計，而代價是控制系統設計困難性增加和系統穩定性分析更加復雜。此外，諸如有界控制輸入、異步通信和信息量化等物理限制可能會降低聯合估計和控制方案在各種分布式無人機協同系統中的適用性。

離散通信 傳統的飛行控制都是假設可以連續接收控制信號或者保持持續監聽，但這需要足夠的計算資源和理想的通信環境來支撐。實際應用中無人機攜帶能源和通信帶寬有限，如果持續性與周圍無人機通信將造成續航時間縮短和通信堵塞等問題。因而有學者提出采用離散性控制，一般將離散控制分為周期性和非周期性兩種。周期性控制是在固定時間間隔后觸發通信，然而一方面在系統狀態逐漸接近平衡時，周期性觸發通信的機制仍可能導致通信和計算資源的過度消耗。另一方面，盡管周期性快速采樣可以更有效地捕捉到關鍵系統狀態，但高頻的數據更新終將導致諸如如成本上升或通信堵塞等不利結果，對其他重要功能造成影響。因而，如何設計合適的控制方案，在保證質量控制性能的同時，顯著減少通信和計算資源的過度消耗，是當前需要解決的一個重要問題。非周期性控制則是指無人機在滿足某種條件后才產生通信，其中包含事件觸發［64］和自觸發［65］等方式，但仍存在Zeno行為［66］的風險。

4 結語

本文對無人機協同控制技術的算法和應用進行了詳細介紹，分開討論近年來研究的主要方向和所用技術。展示無人機協同控制領域的最新研究成果，并分析各種方法的優缺點，探索無人機協同控制技術在各領域的應用。本文中可能仍會遺漏一些合作領域的相關研究，但希望所做工作可以幫助讀者對無人機協同控制領域形成直觀了解。

參考文獻（References）

[1] POTTS W K.The chorus-line hypothesis of manoeuvre coordination in avian flocks［J］.Nature，1984，309（5966）：344-345.

[2] OKUBO A.Dynamical aspects of animal grouping：swarms，schools，flocks，and herds［J］.Advances in Biophysics，1986，22：1-94.

[3] PARRISH J K，VISCIDO S V，GRüNBAUM D.Self-organized fish schools：an examination of emergent properties［J］.Biological Bulletin，2002，202（3）：296-305.

[4] EHRLICH P R.The population biology of coral reef fishes［J］.Annual Review of Ecology and Systematics，1975，6：211-247.

[5] ZAVLANOS M M，TANNER H G，JADBABAIE A，et al.Hybrid control for connectivity preserving flocking［J］.IEEE Transactions on Automatic Control，2009，54（12）：2869-2875.

[6] ZHANG H，ZHAI C，CHEN Z.A general alignment repulsion algorithm for flocking of multi-agent systems［J］.IEEE Transactions on Automatic Control，2011，56（2）：430-435.

[7] BEARD R W，MCLAIN T W，NELSON D B，et al.Decentralized cooperative aerial surveillance using fixed-wing miniature UAVs［J］.Proceedings of the IEEE，2006，94（7）：1306-1323.

[8] CAO Y，YU W，REN W，et al.An overview of recent progress in the study of distributed multi-agent coordination［J］.IEEE Transactions on Industrial Informatics，2013，9（1）：427-438.

[9] 史駿.基于單目視覺無人機避障系統的算法研究［J］.計算機與數 字 工 程，2018，46（9）：1887-1893.（SHI J.Research on algorithm of obstacle avoidance system of UAV based on monocular vision［J］.Computer and Digital Engineering，2018，46（9）：1887-1893.）

[10] 周曉妹.試論無人機遙感技術在測繪工程測量中的應用［J］.居舍，2019（20）：196.（ZHOU X M.The application of UAV remote sensing technology in surveying and mapping engineering［J］.Calmato Residence，2019（20）：196.）

[11] 楊雪棟，金榮，云美清，等.無人機在我國林業上應用概述［J］.內蒙古林業調查設計，2019，42（4）：61-63.（YANG X D，JIN R，YUN M Q，et al.Overview of the application of UAV in forestry in China［J］.Inner Mongolia Forestry Investigation and Design，2019，42（4）：61-63.）

[12] 成浩浩，楊森，齊曉慧.面向城市環境的四旋翼無人機在線避障航跡規劃方法［J］.計算機科學，2019，46（4）：241-246.（CHENG H H，YANG S，QI X H.Online obstacle avoidance and path planning of quadrotor oriented to urban environment［J］.Computer Science，2019，46（4）：241-246.）

[13] 葛向然.無人機在情報領域應用前景［J］.電子世界，2019（19）：98-99.（GE X R.The application prospect of UAV in intelligence field［J］.Electronics World，2019（19）：98-99.）

[14] 鄧興民，楊超，魏延萍.無人機反潛作戰研究［J］.科學技術創新，2020（24）：1-3.（DEN X M，YANG C，WEI Y P.Research on UAV anti-submarine warfare［J］.Scientific and Technological Innovation，2020（24）：1-3.）

[15] 李曉東，渠弘毅，何濱，等.美軍情報監視偵察系統發展與啟示［J］.飛航導彈，2020（6）：59-63，86.（LI X D，QU H Y，HE B，et al.The development and enlightenment of American surveillance and reconnaissance system［J］.Aerodynamic Missile Journal，2020（6）：59-63，86.）

[16] REN W，BEARD R W，ATKINS E M.Collective group behavior through local interaction［J］.IEEE Control Systems Magazine，2007，27（2）：71-82.

[17] SUN Y，WANG Z，SU H，et al.A brief overview of flocking control for multi-agent systems［C］// Proceedings of the 2018 International Conference on Intelligent Robotics and Applications，LNCS 10984.Cham：Springe，2018：48-58.

[18] WIANDT B，K?KUTI A，SIMON V.Application of collective movement in real life scenarios：overview of current flocking solutions［J］.Scalable Computing：Practice and Experience，2015，16（3）：233-247.

[19] SENANAYAKE M，SENTHOORAN I，BARCA J C，et al.Search and tracking algorithms for swarms of robots：a survey［J］.Robotics and Autonomous Systems，2016，75（Pt B）：422-434.

[20] VIGURIA A，MAZA I，OLLERO A.Distributed service-based cooperation in aerial/ground robot teams applied to fire detection and extinguishing missions［J］.Advanced Robotics，2010，24（1/2）：1-23.

[21] GOODRICH M A，COOPER J L，ADAMS J A，et al.Using a mini-UAV to support wilderness search and rescue：practices for human-robot teaming［C］// Proceedings of the 2007 IEEE International Workshop on Safety，Security and Rescue Robotics.Piscataway：IEEE，2007：1-6.

[22] REMONDINO F，BARAZZETTI L，NEX F，et al.UAV photogrammetry for mapping and 3D modeling — current status and future perspectives［J］.The International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2011，38（XXXVIII-1/C22）：25-31.

[23] LIN Y，HYYPP? J，JAAKKOLA A.UAV for mapping — low altitude photogrammetric survey［J］.IEEE Geoscience and Remote Sensing Letters，2011，8（3）：426-430.

[24] LIN Z.UAV for mapping — low altitude photogrammetric survey［J］.The International Archives of Photogrammetry，Remote Sensing and Spatial Information Science，2008，XXXVII：1183-1186.

[25] 趙瑩瑩，楊志波.多旋翼無人機在城市規劃勘測工作中的應用［J］.資源信息與工程，2020，35（3）：60-62.（ZHAO Y Y，

YANG Z B.Application of multi-rotor Unmanned Aerial Vehicle in urban planning and survey［J］.Nonferrous Metals Abstract，2020，35（3）：60-62.）

[26] BRYSON M，SUKKARIEH S.Co-operative localisation and mapping for multiple UAVs in unknown environments［C］//Proceedings of the 2007 IEEE Aerospace Conference.Piscataway：IEEE，2007：1-12.

[27] HAN J，XU Y，DI L，et al.Low-cost multi-UAV technologies for contour mapping of nuclear radiation field［J］.Journal of Intelligent and Robotic Systems：Theory and Applications，2013，70（1/2/3/4）：401-410.

[28] LAVRETSKY E.F/A-18 autonomous formation flight control system design［C］// Proceedings of the 2002 AIAA Guidance，Navigation，and Control Conference and Exhibit.Reston，VA：AIAA，2002：No.4757.

[29] KIM J，HESPANHA J P.Cooperative radar jamming for groups of unmanned air vehicles［C］// Proceedings of the 43rd IEEE Conference on Decision and Control.Piscataway：IEEE，2004：632-637.

[30] 楊志錢，梁光建.美軍無人機偵察技術應用［J］.數字通信世界，2020（6）：235-236.（YANG Z Q，LIANG G J.Application of US UAV reconnaissance technology［J］.Digital Communication World，2020（6）：235-236.）

[31] 張翚，王冶.無人機：飛向戰場更深處［N］.解放軍報，2020-07-17（9）.（ZHANG H，WANG Y.Unmanned aerial vehicles：flying deeper into the battlefield［N］.PLA Daily，2020-07-17（9）.）

[32] MURRAY R M.Recent research in cooperative control of multivehicle systems ［J］.Journal of Dynamic Systems，Measurement and Control，2007，129（5）：571-583.

[33] LI H，CHEN G，HUANG T，et al.Event-triggered distributed average consensus over directed digital networks with limited communication bandwidth［J］.IEEE Transactions on Cybernetics，2016，46（12）：3098-3110.

[34] BORKAR V，VARAIYA P P.Asymptotic agreement in distributed estimation［J］.IEEE Transactions on Automatic Control，1982，27（3）：650-655.

[35] TSITSIKLIS J N，BERTSEKAS D P，ATHANS M.Distributed asynchronous deterministic and stochastic gradient optimization algorithms［J］.IEEE Transactions on Automatic Control，1986，31（9）：803-812.

[36] VICSEK T，CZIRóK A，BEN-JACOB E，et al.Novel type of phase transition in a system of self-driven particles［J］.Physical Review Letters，1995，75（6）：1226-1229.

[37] 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.

[38] OLFATI-SABER R，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.

[39] REN Z，ANUMBA C J.Multi-agent systems in construction -state of the art and prospects［J］.Automation in Construction，2004，13（3）：421-434.

[40] JAMSHIDI M，JAIMES BETANCOURT A S，GOMEZ J.Cyberphysical control of unmanned aerial vehicles［J］.Scientia Iranica，2011，18（3）：663-668.

[41] REZAEE H，ABDOLLAHI F.Average consensus over high-order multiagent systems［J］.IEEE Transactions on Automatic Control，2015，60（11）：3047-3052.

[42] SHOJA S，BARADARANNIA M，HASHEMZADEH F，et al.Surrounding control of nonlinear multi-agent systems with nonidentical agents［J］.ISA Transactions，2017，70：219-227.

[43] GALLEHDARI Z，MESKIN N，KHORASANI K.A distributed control reconfiguration and accommodation for consensus achievement of multiagent systems subject to actuator faults［J］.IEEE Transactions on Control Systems Technology，2016，24（6）：2031-2047.

[44] REYNOLDS C W.Flocks，herds，and schools：a distributed behavioral model［J］.ACM SIGGRAPH Computer Graphics，1987，21（4）：25-34.

[45] MOSHTAGH N，JADBABAIE A.Distributed geodesic control laws for flocking of nonholonomic agents［J］.IEEE Transactions on Automatic Control，2007，52（4）：681-686.

[46] MARTIN S，GIRARD A，FAZELI A，et al.Multiagent flocking under general communication rule［J］.IEEE Transactions on Control of Network Systems，2014，1（2）：155-166.

[47] MARTINEZ R，ALARCON F，RODRIGUEZ D R，et al.Collective behavior of Vicsek particles without and with obstacles?［J］.European Physical Journal E：Soft Matter and Biological Physics，2018，41（8）：No.91.

[48] ZHAO M，SU H，WANG M，et al.A weighted adaptive-velocity self-organizing model and its high-speed performance ［J］.Neurocomputing，2016，216：402-408.

[49] JOLLES J W，BOOGERT N J，SRIDHAR V H，et al.Consistent individual differences drive collective behavior and group functioning of schooling fish［J］.Current Biology，2017，27（18）：2862-2868.e7.

[50] VAN TRAN Q，PARK S H，AHN H S.Bearing-based formation control via distributed position estimation［C］// Proceedings of the 2018 IEEE Conference on Control Technology and Applications.Piscataway：IEEE，2018：658-663.

[51] CORTéS J.Global formation-shape stabilization of relative sensing networks［C］// Proceedings of the 2009 American Control Conference.Piscataway：IEEE，2009：1460-1465.

[52] 劉祖均，何明，馬子玉，等.基于分布式一致性的無人機編隊控制方法［J］.計算機工程與應用，2020，56（23）：146-152.（LIU Z J，HE M，MA Z Y，et al.UAV formation control method based on distributed consistency ［J］.Computer Engineering and Applications，2020，56（23）：146-152.）

[53] CORTES J.Discontinuous dynamical systems：a tutorial on solutions，nonsmooth analysis，and stability［EB/OL］.［2020-06-20］.https：//arxiv.org/pdf/0901.3583.pdf.

[54] HAN Z，GUO K，XIE L，et al.Integrated relative localization and leader-follower formation control［J］.IEEE Transactions on Automatic Control，2019，64（1）：20-34.

[55] KANG S M，PARK M C，LEE B H，et al.Distance-basedformation control with a single moving leader［C］// Proceedings of the 2014 American Control Conference.Piscataway：IEEE，2014：305-310.

[56] OH K K，AHN H S.Distance-based undirected formations of single-integrator and double-integrator modeled agents in ndimensional space［J］.International Journal of Robust and Nonlinear Control，2014，24（12）：1809-1820.

[57] YANG Q，SUN Z，CAO M，et al.Stress-matrix-based formation scaling control［J］.Automatica，2019，101：120-127.

[58] 晉守博.具有時滯狀態導數反饋的高階多智能體系統的一致性［J］.通化師范學院學報，2020，41（10）：29-33.（JIN S B.Consensus of high order multi-agent systems based on delayedstate-derivative feedback ［J］.Journal of Tonghua Normal University，2020，41（10）：29-33.）

[59] 何爾利，紀澎善，賈向東，等.位置協助的無人機毫米波通信網絡自適應信道估計［J］.計算機工程，2020，46（6）：196-201.（HE E L，JI P S，JIA X D，et al.Position-aided adaptive channel estimation for mmWave communication network of UAV［J］.Computer Engineering，2020，46（6）：196-201.）

[60] HU J，HONG Y.Leader-following coordination of multi-agent systems with coupling time delays［J］.Physica A：Statistical Mechanics and its Applications，2007，374（2）：853-863.

[61] MIN H，XU S，ZHANG B，et al.Output-feedback control for stochastic nonlinear systems subject to input saturation and timevarying delay［J］.IEEE transactions on Automatic Control，2018，64（1）：359-364.

[62] COUZIN I D，KRAUSE J，JAMES R，et al.Collective memory and spatial sorting in animal groups［J］.Journal of Theoretical Biology，2002，218（1）：1-11.

[63] OLFATI-SABER R.Flocking for multi-agent dynamic systems：Algorithms and theory［J］.IEEE Transactions on Automatic Control，2006，51（3）：401-420.

[64] SHI X，LI L，LU J，et al.Event-triggered consensus for doubleintegrator multi-agent systems［C］// Proceedings of the 2016 IEEE International Conference on Industrial Technology.Piscataway：IEEE，2016：1396-1401.

[65] DING L，HAN Q L，GE X，et al.An overview of recent advances in event-triggered consensus of multiagent systems［J］.IEEE Transactions on Cybernetics，2018，48（4）：1110-1123.

[66] TABUADA P.Event-triggered real-time scheduling of stabilizing control tasks［J］.IEEE Transactions on Automatic Control，2007，52（9）：1680-1685.

Survey of unmanned aerial vehicle cooperative control

MA Ziyu，HE Ming*，LIU Zujun，GU Lingfeng，LIU Jintao

（College of Command and Control Engineering，Army Engineering University of PLA，Nanjing Jiangsu 210000，China）

Abstract:Unmanned Aerial Vehicle（UAV）cooperative control means that a group of UAVs based on inter-aircraft communication complete a common mission with rational division of labor and cooperation by using swarm intelligence as the core.UAV swarm is a multi-agent system in which many UAVs with certain independence ability carry out various tasks based on local rules.Compared with a single UAV，UAV swarm has great advantages such as high efficiency，high flexibility and high reliability.In view of the latest developments of UAV cooperative control technology in recent years，firstly，the application prospect of multi-UAV technology was illustrated by giving examples from the perspectives of civil use and military use.Then，the differences and development statuses of the three mainstream cooperative control methods：consensus control，flocking control and formation control were compared and analyzed.Finally，some suggestions on delay，obstacle avoidance and endurance of cooperative control were given to provide some help for the research and development of UAV collaborative control in the future.

Key words:Unmanned Aerial Vehicle(UAV);cooperative control;flocking control;consensus;formation control

中圖分類號：TP273

文獻標志碼：A

文章編號：1001-9081（2021）05-1477-07

DOI：10.11772/j.issn.1001-9081.2020081314

收稿日期：2020-08-13；

修回日期：2020-11-19；錄用日期：2020-12-04。

基金項目：國家重點研發計劃項目（2018YFC0806900）；中國博士后科學基金資助項目（2018M633757）；江蘇省重點研發計劃項目（BE2017616，BE2018754，BE2019762）；江蘇省博士后科學基金資助項目（2019K185）。

作者簡介：馬子玉（1996—），男，江蘇宿遷人，碩士，主要研究方向：無人機集群協同控制；何明（1978—），男，新疆石河子人，教授，博士生導師，博士，主要研究方向：大數據、無人機集群協同控制；劉祖均（1996—），男，安徽宿州人，碩士，主要研究方向：無人機集群協同控制；顧凌楓（1991—），男，江蘇靖江人，碩士，主要研究方向：無人機集群協同控制；劉錦濤（1981—），男，山東煙臺人，博士，主要研究方向：多智能體系統協同控制。

This work Is partially supported by the National Key Research and Development Program of China（2018YFC0806900），the China Postdoctoral Science Foundation（2018M633757），the Key Research and Development Program of Jiangsu Province（BE2017616，BE2018754，BE2019762），the Jiangsu Provincial Postdoctoral Science Foundation（2019K185）.

MA Ziyu，born in 1996，M.S.His research interests include multi-UAV swarm cooperative control.

HE Ming，born in 1987，Ph.D.，professor.His research interests include big data，multi-UAV swarm cooperative control.

LIU Zujun，born in 1996，M.S.His research interests include multi-UAVs swarm cooperative control.

GU Lingfeng，born in 1991，M.S.His research interests include multi-UAV swarm cooperative control.

LIU Jintao，born in 1981，Ph.D.His research interests include multi-agent system cooperative control.

－ The End －

聲明：歡迎轉發本號原創內容，轉載和摘編需經本號授權并標注原作者和信息來源為云腦智庫。本公眾號目前所載內容為本公眾號原創、網絡轉載或根據非密公開性信息資料編輯整理，相關內容僅供參考及學習交流使用。由于部分文字、圖片等來源于互聯網，無法核實真實出處，如涉及相關爭議，請跟我們聯系。我們致力于保護作者知識產權或作品版權，本公眾號所載內容的知識產權或作品版權歸原作者所有。本公眾號擁有對此聲明的最終解釋權。

投稿/招聘/推廣/合作/入群/贊助 請加微信：15881101905，備注關鍵詞

微群關鍵詞：天線、射頻微波、雷達通信電子戰、芯片半導體、信號處理、軟件無線電、測試制造、相控陣、EDA仿真、通導遙、學術前沿、知識服務、合作投資.

“閱讀是一種習慣，分享是一種美德，我們是一群專業、有態度的知識傳播者.”