随着现代化社会的快速发展，智能体编队在军事、航空领域都呈现出了巨大的应用发展前景,多智能体编队也逐渐成为了自动控制领域的研发热门。无人机编队控制是多智能体系统自主协同控制的重要部分，无人机编队从初始位置出发，采用一定的控制算法，通过无人机之间的信息交流，实现各自的状态更新，然后逐渐移动形成期望的编队队形，进而提高系统对环境的感知能力。
本文主要研究和分析了编队控制算法中比较热门的一致性控制算法，研究的主要内容如下：
首先，本文研究仿真实验环境下的多无人机协同编队控制，通过分析无人机编队中的无人机模型、通讯拓扑结构、编队队形描述和一致性算法原理，设计出用来控制编队中协同变量的一致性控制算法，根据无人机之间的信息交流和期望的队形约束，实现无人机编队队形形成和队形保持，并通过仿真实验验证了一致性算法的有效性。
其次，对一致性算法进行了扩展和应用，考虑实际应用情况中无人机编队可能出现的一些状况，如无人机编队队形变换；无人机编队自适应能力，即当编队中有无人机与其他无人机失去联系后，仍能正常通讯的无人机会形成新的队形来完成后续任务，而当有新的无人机加入编队，先与编队中部分无人机实现信息交互时，然后形成和保持较高精度和稳定性的无人机编队，这种仿真实现在实际应用中具有重要意义；将无人机编队分为领航者和跟随者实现编队的轨迹跟踪，通过控制领航者朝向一个目标点移动，实现在二维平面上对领航者的控制，应用一致性算法实现跟随者在二维平面上的轨迹跟踪控制。
一、编队控制算法分类
随着无人机编队技术的迅速发展，无人机编队技术主要分为队形生成、保持和重构三大方面[11]，编队协同控制技术逐步分为基于控制结构和基于感知和交互能力两个方面来设计控制算法。具体分类如图1所示。
图1 无人机编队控制技术
(1)集中式控制
如图2 a)，编队中存在一个中心控制器，此中心对编队中无人机的位置，速度和姿态提供控制指令，实现编队队形的控制。集中式控制算法的优点是将编队中所有无人机的信息汇总到领航者中去计算,此算法控制效果最好，编队队形形成的精确度很高。但是编队形成时通讯比较复杂，通讯负载大，需要中心点的计算能力要求高，整个编队的鲁棒性较差。
经典的Leader—follower算法和虚拟结构算法为集中式算法。
Leader—follower算法[12]，该方法中将多无人机编队分为一个领航者和多个跟随者，对领航者进行直接状态控制，逐步接近期望队形，而跟随者与领航者进行信息相互交流，实现与领航者的状态一致性，从而实现编队的控制[10]。Leader—follower算法比较简单，容易实现，但其集中式的控制方法存在领航者的信息处理量大，造成了信息冗余，使系统的稳定性降低。
虚拟结构法是由Leader—follower方法改进后的方法[13]，无人机编队通过构建自己的虚拟结构，假设编队几何中心，最后根据编队中无人机之间的相对目标距离实现队形形成。此算法优点在于控制效果的准确性高，容错性好，但当编队规模过大时，系统的通讯负载也比较大，针对复杂任务，很难设计相应的结构。
(2)分散式控制
如图2 b)所示，没有中心控制器，编队中各个无人机处于同等地位，有各自独立的控制器，通过保证无人机与期望位置的不断接近来实现队形形成和保持。并且每一架无人机掌握编队中的部分信息，所以计算时间短，但控制效果不是理想。通过与集中式相比，虽然很难实现全局最优，但其容易实现模块化，可扩展等。
基于行为的控制算法为分散式控制算法。通过输出来控制无人机的基本行为，根据行动准则和编队中各无人机之间的影响，来实现编队队形形成和保持。分散式控制编队，具有通讯量低，系统比较稳定，鲁棒性强，容易实现编队的扩展，但此算法根本上时基于无人机个体的自发行为，很难直接实现多无人机编队的形成和重构。
(3)分布式控制
如图2 c)所示。不存在中心点，编队中每架无人机会与其他无人机进行状态信息的交流，控制精度较低，但信息沟通的需求量小，使得通讯负载下降，大大降低了对计算能力的要求，编队形成相对简单。
基于一致性方法的控制算法为分布式控制算法。一致性是指编队中所有个体的协同变量都趋于一个稳定的参考值。基于通讯拓扑结构和一致性控制算法，无人机之间相互进行信息交换，无人机个体不仅知道自己的状态信息，而且也获取邻居无人机的状态信息，根据这些状态信息，编队中每架无人机不断更新位置信息，逐步实现期望的编队队形。分布式一致性算法，有较高的灵活性，抗干扰性。但是算法设计比较复杂，对无人机之间的通讯质量要求比较高。
a) 集中式控制
b) 分散式控制
c) 分布式控制
图2 无人机集群协同控制结构
无人机编队协同控制技术根据感知和交互能力的分类，如图3所示。
(4)基于位置的编队控制
编队中的无人机获得自己的位置信息，然后通过控制自己的位置实现编队队形的形成。此算法需要无人机个体的感知能力比较强。
(5)基于距离的编队控制
需要得知无人机与邻居的相对位移，来进行编队控制。对于无人机而言，编队形成过程需要坐标系提供的方向信息，不需要位置信息。
(6)基于距离的编队控制
需要得知无人机与邻居的相对距离来进行控制。对编队的交互能力要求较高。
图3 不同的扩展算法对感知和交互能力的需求
此外一些学者还提出了人工势场法、基于图论法、强化学习法、人工智能和神经网络算法等队形控制方法。
二、 国内外研究现状
2.1 国外研究现状
1987年，Reynolds2等研究人员[14]通过观察自然界中鸟群的迁移现象，总结出了Boid模型，并且将自然界中的集群现象概括为三种基本行为，即碰撞，速度匹配和中心点积聚。1995年，Benjacob等研究人员[15]分析了Boid模型中的速度匹配行为，发现处于集群中的个体经过一段时间的运动后，速度和大小和方向会趋向于稳定的一致状态。2004年，Olfati-Saber等人[16]通过分析具有时间延迟的和变换拓扑结构的一阶动力学模型的问题，成功将智能体之间的通讯拓扑关系总结为一张网络通讯拓扑图，并且提出如下控制方法，此方法奠定了一致性控制理论的基础。
2005年，W.Ren和Beard等人[17]成功证明了系统的网络通讯拓扑结构存生成树是一阶系统的一致性问题在固定拓扑结构下具有稳定收敛的充要条件，同时讨论了切换拓扑条件下的一致性问题，给出问题的必要解。2007年Olfati-Saber与Fax等人[18]分类总结了有关一致性控制算法的很多问题，详细分析了编队问题，信息一致性问题，一致性控制器的性能问题和一致性收敛问题等。2007年，Xie等人[19]通过引入一个局部速度反馈器，解决了在一致性控制协议下的基于牛顿力学的质点模型的多智能体编队问题。并提出如下算法：
2010年，Wei和Cheng等人[20]讨论了线性高阶多智能体的一致性问题，提出如下控制算法,成功实现所有智能体根据相互的局部信息跟随领航者。
2012年，Jia和Tang等人[21]研究了具有时间滞后和延迟，拓扑变换的多智能体系统的一致性问题，发现在整个系统达到一致性后，部分个体与集群系统失去通讯，系统仍能保持一致稳定。2016年He和Li等人[22]对处于噪声环境下，具有时间滞后，拓扑变换的高阶非线性系统的一致性问题进行了研究，指出该条件下的一致性问题都可以转化为求解响应线性矩阵的最优解问题。2017年Hernández和León等人[23]设计了带有时间延迟的基于领航跟随者的二阶系统的编队控制算法。研究人员采用二阶滑模控制，使每个跟随者和领航者之间预设一个距离，成功控制跟随着跟踪领航者的轨迹，该方法既消除了时间延迟的影响，也保证了系统具有较好的稳定性。
2.1 国内研究现状
2013年，厦门大学Luo等[24]提出了通过控制编队中无人机的相对距离来实现编队队形变换的一种思路和想法，认真分析了随时间不断变换的队形。
2016年，Dong等[25]研究了变换拓扑和一般线性动力学的集群系统，成功提出了一种在编队存在可行解的条件下，编队能自由变换能力的控制办法。
2017年，天津大学刘春等[26]采用了人工势场法的势场函数设计出机器人的控制量输出，并能成功生成机器人持久队形。
2019年，大连工业大学王婷等[27]结合了领航者跟随算法和路径规划时间最优两种方法，成功实现了队形的形成和保持。
2019年，Yang等[28]针对具有很少研究成果的区域约束问题，研究了具有区域约束的多智能体编队的控制问题，成功提出一种根据邻居的信息来实现编队控制的方法。
2020年，马小山等[29]分析了当无人机编队出现通讯拓扑故障，执行器出现问题和不确定情况下，提出一种容错方法，接着又通过仿真实验，成果验证了容错算法的有效性。
2021年，国防科学大学王祥科等[30]分析了数量众多的个体所组成的编队的控制问题，提出了分层分组的控制方法，并通过都实验仿真验证了100架无人机在此算法控制下的有效性。
2021年，海军航空大学吴立尧等[31]根据基本的领航者跟随的算法，设计出具备动态反馈自适应的编队控制器。并且在最近几年，很多研究人员考虑将路径规划算法和编队控制算法相结合，以用来适应现代的智能战争。
通过对目前编队控制算法的分析，一致性算法是一种分布式的控制算法，编队队形形成需要的通讯量较小，编队成型较容易，所以本文选取一致性算法来实现对编队的控制。
后续文章将会逐步介绍研究对象无人机编队和相应的控制方法。
参考文献
[1] 沈林成, 张庆杰, 王林, 等. 美国及欧洲无人作战飞机计划发展[J]. 火力与指挥控制, 2009, 34(10): 8-14.
[2] 刘重阳. 国外无人机技术的发展[J]. 舰船电子工程, 2010(1): 19-23.
[3] 朱华勇, 张庆杰, 沈林成. 提高无人作战飞机协同作战能力的关键技术[J]. 控制工程, 2010, 17(S1): 52-55.
[4] 徐鹏. 有限通信下多智能体系统的编队研究[D]. 广西科技大学控制理论与控制工程学科硕士学位论文, 2019: 10-15.
[5] 谭拂晓. 多智能体网络系统一致平衡点与合作控制研究[D]. 燕山大学控制理论与控制工程学科博士学位论文, 2010: 16-23.
[6] 李佳佳. 四旋翼飞行器一致性控制研究[D]. 西安电子科技大学航空航天科学与工程学科硕士学位论文, 2018: 10-20.
[7] 杨孝文. 未来五大客机新技术[J]. 厦门航空, 2012(01): 88-89.
[8] 高炽扬, 汤雅婷, 徐海波. 多智能体编队问题的研究[J]. 中国新通信, 2021, 23(18): 49-52.
[9] 李文皓, 张珩. 无人机编队飞行技术的研究现状与展望[J]. 飞行力学, 2007(01): 9-11.
[10] 王中林, 刘忠信, 陈增强, 等. 一种多智能体领航跟随编队新型控制器的设计[J]. 智能系统学报, 2014, 9(03): 298-306.
[11] 刘树光, 刘荣华, 王欢, 等. 国外无人机集群协同控制技术新进展[J]. 飞航导弹, 2021(08): 24-31.
[12] 杨甜甜, 刘志远, 陈虹, 等. 移动机器人编队控制的现状与问题[J]. 智能系统学报, 2007(04): 21-27.
[13] 杨立炜, 付丽霞, 李萍. 多智能体系统编队控制发展综述[J]. 电子测量技术, 2020, 43(24): 18-27.
[14] Reynolds C W. Flocks, herds and schools: A distributed behavioral model[C]. Proceedings of the 14th annual conference on Computer graphics and interactive techniques, 1987: 25-34.
[15] 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.
[16] 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.
[17] Ren W, Beard R W. Consensus seeking in multiagent systems under dynamically changing interaction topologies[J]. IEEE Transactions on automatic control, 2005, 50(5): 655-661.
[18] Olfati-Saber R, Fax J A, Murray R M. Consensus and cooperation in networked multi-agent systems[J]. Proceedings of the IEEE, 2007, 95(1): 215-233.
[19] Xie G, Wang L. Consensus control for a class of networks of dynamic agents[J]. International Journal of Robust and Nonlinear Control: IFAC‐Affiliated Journal, 2007, 17(10‐11): 941-959.
[20] Ni W, Cheng D. Leader-following consensus of multi-agent systems under fixed and switching topologies[J]. Systems & control letters, 2010, 59(3-4): 209-217.
[21] Jia Q, Tang W K. Consensus of nonlinear agents in directed network with switching topology and communication delay[J]. IEEE Transactions on Circuits and Systems I: Regular Papers, 2012, 59(12): 3015-3023.
[22] He P, Li Y, Park J H. Noise tolerance leader-following of high-order nonlinear dynamical multi-agent systems with switching topology and communication delay[J]. Journal of the Franklin Institute, 2016, 353(1): 108-143.
[23] Hernández R, De León J, Léchappé V, et al. A decentralized second order sliding-mode control of multi-agent system with communication delay[C]. 2016 14th International Workshop on Variable Structure Systems (VSS). IEEE, 2016: 16-21.
[24] Luo D, Xu W, Wu S, et al. UAV formation flight control and formation switch strategy[C]. 2013 8th International Conference on Computer Science & Education: IEEE, 2013: 264-269.
[25] Dong X, Hu G. Time-varying formation control for general linear multi-agent systems with switching directed topologies[J]. Automatica, 2016, 73: 47-55.
[26] 刘春, 宗群, 窦立谦. 基于持久图的双轮机器人编队生成与控制[J]. 控制工程, 2017, 24(3): 518-523.
[27] 王婷, 隋江华. 基于水平集方法的时变流场中弱驱动多机器人队形保持方法[J]. 大连工业大学学报, 2019, 38(06): 464-468.
[28] Yang Z, Zhang Q, Chen Z. Formation control of multi-agent systems with region constraint[J]. Complexity, 2019: 20-30.
[29] 马小山, 董文瀚, 李炳乾. 考虑拓扑故障的无人机编队容错控制方法研究[J]. 西北工业大学学报, 2020, 38(5): 1084-1093.
[30] 王祥科, 陈浩, 赵述龙. 大规模固定翼无人机集群编队控制方法[J]. 控制与决策, 2021, 36(9): 2063-2073.文章来源：https://www.toymoban.com/news/detail-752490.html
[31] 吴立尧, 韩维, 张勇, 等. 基于领航-跟随的有人/无人机编队队形保持控制[J]. 控制与决策, 2021, 36(10): 2435-2441.文章来源地址https://www.toymoban.com/news/detail-752490.html
到了这里，关于基于一致性的多无人机协同编队控制——（1）研究现状的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
