低/高速飞行器系统编队协同控制方法研究进展

摘 要： 编队控制作为一种多飞行器系统典型的协同控制方式，可以有效解决单个飞行器在信息获取、区域探测、综合打击等方面的不足。本文总结了低速和高速两类飞行器系统编队控制方法的研究进展。首先介绍了领队-跟随控制法、虚拟结构法、行为控制法及一致性编队控制法四种主流编队控制策略的基本概念，分析了各自的结构特点和策略优势。随后，结合这四种方法，总结了无人机和低速导弹两类低速多飞行器系统的控制特点和性能差异。特殊的飞行特性使得高速飞行器编队控制对系统响应的容错性、快速性和精准性要求更高。然后， 对高速飞行器编队控制的理论实践和应用探索过程进行了梳理，提出仍需克服的应用难题。最后， 对飞行器编队控制的发展趋势进行展望，为未来开展多飞行器系统编队控制理论和应用研究提供参考。

关键词：集群智能；协同控制； 虚拟结构；行为控制；编队控制；飞行器

中图分类号：TJ760；V249.1

文献标识码：A

文章编号：1673-5048（2022）05-0053-13

DOI：10.12132/ISSN.1673-5048.2022.0067

0 引  言

信息技术和人工智能技术的发展，促使新型集群智能研究领域的诞生。在航空航天和军事领域，集群智能已然体现出巨大的技术优势，成为各国争夺的技术制高点。自2000年美国第一届协同控制和优化研讨会上定义了协同系统以来［1］，多飞行器系统协同控制技术得到了巨大的发展，表现出强大的集群优势。如无人机集群系统持续作战能力强，生存能力较单个飞行器有了极大提高，且成本低，体系灵活性强；导弹集群提升了对单个或多个目标的综合打击能力；航天器的集群化部署可以增强空间生存和打击能力，不仅扩大了信息获取范围，而且缩短了复杂空间科学任务的完成周期，是地-空-天联合体系的重要平台。上述多飞行器系统相比单个主体执行任务所表现出的诸多优势，使其受到越来越多的关注和重视，而且越来越多的任务也将以群体智能协同的方式进行分布式决策执行。多飞行器编队控制作为实现多飞行器系统应用层面的关键技术之一，已然成为协同控制领域的研究热点，获得了广泛的研究和探索。

编队控制的概念主要来源于对自然界生物群体的行为研究。编队控制通常是指多个飞行器在执行任务过程中，形成并保持满足性能指标、飞行约束、任务目标等要求的几何构型。因此， 编队控制实际上是对飞行器编队队形的控制研究。队形控制主要解决两个问题：一是编队队形的构成、保持与重构策略。不同任务场景下需要设计不同的编队控制策略，以实现队形不同状态的变换，包括飞行时的编队生成、正常飞行状态下的编队保持、飞行路径遇到障碍时编队的拆分和重建，以及飞行器离队和入队后的编队重构等。二是编队控制器的设计。在有效控制策略的基础上，核心是设计编队控制器。控制器不仅需要关心各个飞行器的飞行状态，还需要协调控制互相之间的各类约束要求，包括编队控制的位置、速度、姿态以及信息传递等［2］。因此，多飞行器系统编队控制方法包括队形策略和控制器两方面的研究。

当前应用于不同多飞行器系统的编队控制方法虽然各异，但相互之间又具有很强的相关性，可以互相借鉴进而拓展应用。多飞行器编队控制方法的研究多是针对无人机和低速导弹等低速飞行器系统展开， 产生丰硕的研究成果［3-5］，而高速飞行器由于其飞行速度快、飞行空域多变、速度变化剧烈等因素，其编队控制本身充满

了挑战性，目前还停留在探索研究阶段，难以工程应用。近十年来虽然有很多学者根据飞行特性对高速飞行器的协同控制技术开展了大量研究，但是关于其编队控制问题的研究却较少。

1 主流编队控制策略

编队控制策略最先是从地面机器人的协同控制问题开始研究的。Wang［6］从机器人编队的导航策略入手，研究了几种简单的编队控制方法，包括单个邻近点跟踪控制（跟随领队的参考状态）、多个邻近点跟踪控制、基于惯性参考状态的跟踪控制以及邻近点跟踪与惯性状态跟踪相结合等方法。在这四种方法中，前两种很接近于领队-跟随控制法，第三种与行为控制法类似，后续开展的编队控制策略研究也基本上都以此为基础进行拓展。因此，根据不同任务场景、约束条件以及目标要求进行分类，飞行器系统编队控制策略主要划分为：领队-跟随控制法、虚拟结构控制法、行为控制法以及一致性编队控制法。

1.1 领队-跟随控制法

领队-跟随控制法是目前研究成果最多、发展最成熟的一种编队控制方法。其基本思想是，首先指定多飞行器系统中的一个或多个个体为领队，其余飞行器为跟随个体，然后对领队个体的行为状态设计期望值，跟随个体设计控制器跟踪领队个体的参考状态并保持一定的空间和角度位置，避免碰撞和发生冲突，从而实现整体的一致性。

领队-跟随控制法最先是从机器人的协同控制研究中开始获得关注的［7-9］。Beard等［10］发展了一种通用的领-从协调结构，设定领队为集中协调控制单元，跟随体为接收单元和反馈单元，通过领队收集、处理跟随体的状态信息，然后传递给跟随体，跟随体将自身执行后的状态变量再反馈回领队形成闭环。另外，该方法规定如果领队失效，则其他个体可获得领队信息的复制，从而继承领队功能。Edwards等［11］也设定领队仅能通过广播的形式与跟随体进行信息交流，使跟随体获取相对位置、速度等状态进行状态/轨迹跟踪。如果领队失效，则跟随体可重新选择领队或者以各自的导航信息单独完成任务。另外，讨论了编队队形在一维、二维和三维空间的重构问题，并通过实验进行了验证，因而相比之下更具有实践意义。Shao等［12］进一步发展了一种通用的领-从编队控制算法框架，如图1所示。该框架包含三层混合结构。第一层称为协调层，选定一个机器人为领队，负责设计得到一条可以到达目标的合适轨迹；第二层为领-从控制层，负责构建形成以2个机器人为组合对的领-从子系统；第三层是实体控制层，为领队模式和跟随者模式，当领队存在时，采用第一种模式，否则执行第二种模式。跟随层级将个体信息传递至领队层级，领队层级综合处理后向跟随层级发送指令，跟随个体在传感器和控制器作用下进行跟踪控制和避障控制。该方法考虑了系统的通信要求，仅通过邻近个体进行信息传递，是一种有效的编队控制策略。另外，该框架为领队失效做了简单的应对方案，可以通过跟随者模式来解决。

文献［13］讨论了两种编队形式：线形编队和树状编队，并发展了编队模拟器进行模拟验证，其中包含模型模块、传感器模块、避碰模块、通信模块等，同时采用遗传算法进行整体优化，相比之下控制指标可以取得更优的结果。文献［14］也在类似的领-从框架中考虑了避碰问题，采用位置传感器进行预警，同时应用优化方法来寻求最优的控制结果。

文献［15］给出了四种常见的编队形式，包括行形、线形、V形和钻石形，如图2所示。其中，领队均被放置到队形首位，在编队形式上是典型的领-从结构。但是这种编队控制形式存在两个典型问题：一是领队容易受到攻击；二是领队出现故障后对其他跟随体会产生较大的影响。因此在实际应用中，应尽量选择一个安全性和影响性综合最优的位置。

综上，按照控制形式可以将领队-跟随控制法分为两种：第一种是所有跟随者只有一个领队；第二种是跟随者跟随邻近指定的领队。按照队形设置分为三类：第一类是将领队和跟随者看作质点，保持一定的相对距离，跟随者只跟踪领队的参考轨迹；第二类是跟随者不仅要和领队保持距离关系，还要保持一定的角度关系，就可以形成更复杂的编队；第三类是前两种形式的混合应用。

领队-跟随控制法本质上是一种集中式协同控制方法，即所有跟随体都需要参考领队的状态进行状态跟踪和信息交换，虽然简化了集群系统的整体控制方式，但是当系统受到扰动或者领队失效时，系统鲁棒性较差，编队可能无法维持，同时整个控制结构不能处理跟随体故障或失效的情况。领队-跟随控制法的策略是通过设置领队和跟随体来构建编队形式，从而形成和保持编队队形，但实际应用中该方法并不单独使用，一般多与其他控制算法结合进行飞行器编队的综合控制。

1.2 虚拟结构控制法

虚拟结构控制法与领队-跟随控制法类似，都需要维持一定的队形。不同点在于，该方法中的飞行器系统被视为一个刚性结构或者其他形式的虚拟结构，所有飞行器跟随刚性或虚拟结构上各自对应的虚构的点运动。Tan等［16-17］给出了上述虚拟结构的定义，指出通过反馈并最小化每个飞行器相对于虚拟结构点的位置误差即可实现编队控制，但只给出了固定虚拟结构下的控制策略，对可变虚拟结构以及分层虚拟结构控制进行展望，指出虚拟结构控制法不依赖于队形形状，任意队形都可实现编队控制。另外，由于提出的虚拟结构法没有领-从之分，可以对编队中的故障个体进行容错，即单个或多个个体的失效不会影响其他个体跟踪虚拟控制点的运动，基于此特性，该方法可实现分布式编队控制。相比于领-从结构，算法的优势非常明显。

除上述虚拟控制策略，Leonard等［18］将领-从编队思路和虚拟结构控制策略相结合发展了一种虚拟领队结构下的编队协调控制框架，具体编队模式如图3所示。该框架中，虚拟领队是一个移动的参考点，并通过附加的人工势场影响附近的个体。虚拟领队可直接影响和控制编队的几何形状，引导编队的运动。另外，文献进一步对三维空间的编队协调控制以及基于虚拟领队结构的编队避障、队形划分等提出展望。

文献［19］以交互方式提出了一种双向控制方案，即飞行器由施加在虚拟结构上的虚拟力控制，该虚拟力可以是重力，也可以是人工势场力，而虚拟结构的位置由整个编队的平均位置决定，如图4所示。在该方案中，具体的控制策略分为三个步骤： （1）由于与虚拟结构存在位置误差，首先对飞行器预定义位置映射，确定点对点跟踪状态（如图4（a））； （2）调整虚拟结构到最佳位置，然后通过虚拟力计算下一时刻的位移（如图4（b））； （3）飞行器精确跟踪各自的相对位置参考点完成编队飞行（如图4（c））。

虚拟结构控制法较领队-跟随控制法简化了任务分配和描述，具有较高的编队控制精度，容错能力提升，单个个体的失效也会被整个编队感知，可以通过其他队形变换机制调整队形。但是虚拟点的选取具有单一性和复杂性，因而当前对于该方法的应用研究较少。

同样，在对不同对象的实际应用中，虚拟结构控制法通常根据实际场景结合其他算法进行综合控制。一般将整个编队视为刚体结构后，虚拟结构可以看作是带有动力学模型的质点或其他模型（如非线性动力学模型、具有气动力和力矩的实体对象等），然后根据相应理论（如PID控制、动态逆控制、模型预测控制法、模糊推理等）对整个刚体结构以及个体进行控制器设计［20-22］。

1.3 行为控制法

行为控制法由Balch等［23］在1998年首次提出，给出了四种简单行为控制模式：向目标移动、规避静态障碍、规避动态障碍以及保持编队形式。其中，每种模式生成一个矢量代表期望的行为响应（运动方向和幅度），采用权重值表示个体行为中每种行为的相对重要程度，然后将基本行为模式的输出与权重的乘积再求和并规范化，得到高级组合形式下的行为模式。

因此，行为控制法的思想可以描述为：通过设定多飞行器系统的行为机制，如一般的保持编队、避障飞行、队形变换、目标侦察等，当飞行器遇到对应的情况时根据行为机制判断自身需要采取的策略，然后根据评价方案或评价指标最终实现整体的行为协调，主要调整位置、速度以及角度三个状态量。

Song等［24］提出了基于四种基本行为模式和权重法的加权平均行为选择机制，但与文献［23］不同的是，文中将随机行为作为一种基本行为模式进行考虑。而Xu等［25］针对初始编队形成和编队避障控制两个问题设计了五种行为模式，并讨论了将行为控制法应用到未知环境避障的问题，如图5所示。这五种行为模式比较简单，在复杂环境下可能会存在行为判断错误，例如将墙壁视为障碍进行规避。

文献［26-27］同样采用基本模式来构建复杂网络系统，借鉴了面向对象的思想，构建了基于行为的一体化控制结构。该结构是由封装五种基本行为的模块构成，通过模块之间输入输出的相互作用实现复杂的功能。该结构模块集成化程度更高，但缺点也非常突出，当智能体执行更多、更复杂的功能时，结构复杂性和系统计算量会随着集成模块的增多而指数增长，这对于故障检测和误差分析将造成极大困难。Lee等［28］借鉴文献［26-27］中的模块化思想，提出一种基于行为控制策略的分布式编队控制结构，减小了系统复杂度。该结构分为三层，即编队生成层、避障层和个体位置控制层，并实现两个控制目标：生成避障轨迹和保持编队形状。根据个体与障碍位置关系确定规避角度来生成避障轨迹，同时在系统中选择领队，并确定编队矩阵来保持编队形状。