这四个问题处理好，无人机集群编队研究会有新突破

已剪辑自: https://zhuanlan.zhihu.com/p/164849525

无人机、机器人编队或者是集群控制，说到底，虽然都是多智能体的控制，唯一有区别的在于空间或者平面，但随之带来的问题却衍生出不同的方向。

今天我们就来重点讲讲，关于无人机集群编队方面不可避免的相关问题。

无人机编队集群，最早的研究是在60年代末，美国宾夕法尼亚大学，有一篇博士论文开始研究了关于直升机编队飞行问题。

迄今为止虽然无人机集群编队的研究，不断有新的成果呈现。但突破的背后，我们都不可避免思考以下4大问题该如何更完美的解决：

编队队形的生成：如何将多个无人机进行联系起来，完成编队队形的生成；

编队队形的保持：当无人机编队队形形成之后，如何保持且按照系统设定的编队队形进行飞行；

编队队形的变换：如果需要变换无人机编队飞行的队形，如何变换无人机编队的队形，即换成队形；

编队队形的避障：系统编队飞行时，遇到障碍物时，如何运动飞行从而避开障碍物。

刚刚提出的每一个问题的背后，单单从算法这方面来说，至少涉及到三大部分需要我们去了解：

三个部分包括:1、信息交互策略、2、队形控制策略3、环境适应策略。

1、选取合适的信息交互策略可以帮助无人机之间交换状态信息，实现群体感知与态势共享;
2、选取合理的队形控制策略可以帮助多无人机形成预定队形，实现突发状况下的队形保持及变换;
3、选取正确的环境应对策略可以帮助无人机在不确定环境下进行适当的机动，实现集群智能协同决策。

一、信息交互策略
合理的信息交互机制有利于无人机群快速收敛于预定队形、加强系统的鲁棒性，是关键问题，也是编队算法的研究重点。总的来说，可以将信息交互方式分为以下几种，每种方式都有各自的优点和缺点。

A、集中式方法：是假设控制系统中存在控制中心，此控制中心能接收所有无人机的状态信息并向它们发送控制指令，进而控制编队的队形。从本质上讲，集中式方法是基于单一无人机的控制理念和策略的直接延伸。Brandao提出了一种多层控制方案，选取了集中式的控制体系结构，由一个主单元负责获取整个编队的信息，通过导航完成了队形控制。

集中式控制的优点是编队准确度高，但编队过程中信息交互量大，需要主控中心有较强的计算能力，一旦主控中心发生故障，编队中的其他个体将失去信息来源。

**B、分布式方法：**不需要编队中所有成员都进行信息交互，每架无人机只需要与其邻居无人机进行交互，即可进行协作来形成编队。有专家研究出了一种具有向生成树的编队控制体系结构，此种结构能够使群领导和其他成员组成任意数量的信息流。分布式方法降低了对控制中心的依赖，信息交互量小，计算时间也短，但是结构和组织变得更加复杂，编队控制精度没有集中式高。

**C、分散式方法：**是指多无人机编队中既不存在控制中心，也不与周围无人机进行信息交互，只通过与编队中特定点的相对关系来保持编队队形。

实际应用中这三种方法都是可行的。但是从系统所需的通信条件看，分布式控制所需的通信带宽较窄、计算量较少，所以对通信设备和计算设备的要求都较低。并且分布式控制结构方便实施，且具备优良的自愈能力和可扩展能力,更适合实际工程应用。从编队完成效果看，集中式控制方法控制效果最好，但是由于集中式控制需要具备十分完善的通信环境，所以分布式控制被认为是最优的信息交互策略。

二、队形控制策略
协同编队的队形控制策略是另一项重点研究内容。
目前，主要的队形控制策略有:行为法、领航-跟随法、虚拟结构法、一致性理论、人工势场法、图论法等。前四种方法是被广泛应用的控制算法。

下面我们就前4种被广泛应用的控制算法进行分析：
**行为法：**旨在通过给出无人机的编队所需的几种行为和合理的行为协调规则达到最终编队目的。最关键的是怎样选择一种行为协调机制可以使得无人机能够得到适合外界环境下的控制输出。行为法控制法简单易实施，无人机可独立完成决策，具有良好的扩展性。

**领航-跟随法(又叫主从法)：**是目前被广泛研究过的比较简单的队形控制算法，其基本思想是挑选部分“领航者”按照规划轨迹飞行，其他无人机作为跟随者则负责与离它最近的领导者交换状态信息从而更新自己状态。英国的Saska团队基于领航-跟随法验证了没有全球定位系统支持下的多无人机稳定编队的可能性。领航-跟随法能节约能量，降低通信要求，无人机编队精度高，但是跟随无人机无法独立决策，且容易受到长机涡流的影响，编队的鲁棒性差。

**虚拟结构法：**是把整个编队队形看成一个虚拟的刚体结构，编队中每架无人机对应虚拟结构上相对位置固定的一点，当编队在空域中执行任务时，每架无人机只需要保持与固定点保持相对距离，就能实现协同编队。Linorman基于同步位置跟踪控制器和虚拟结构方法控制机间距离，提高了编队的准确性和稳定性。虚拟结构法的优点是每架无人机地位相同，不需要依靠领航无人机保持队形，但需要较高的通信质量和较强计算能力，并且要求无人机整体的保持刚性运动，这使得编队可靠性较差，实用性较低。

**一致性理论：**一致性理论的基本思想是每架无人机在网络环境下通过近邻之间的可测信息的交换，在无人机上分布式地产生某种算法，使这些无人机在事关相互协作的若干变量问题上达成一致意见，从而自主协同地完成共同的任务。其优点是一致性算法允许信息从某无人机体流向任何其他无人机以引入反馈，只需要本地邻居之间进行信息交换就能完成编队，无需复杂的稳定性分析。一致性算法已经成为控制理论界中十分活跃的研究方向，被广泛应用于目标跟踪、传感器网络和编队控制，包括无人机时变编队控制,编队任务中的分组与决策以及编队控制器的设计。

三、环境适应策略
飞行环境中主要面临的不确定性有两点:一是变化的通信环境造成的信息交互不确定，二是障碍物空间造成的飞行安全不确定。这些不确定性可能造成机器碰撞、无人机掉队坠毁和任务失败。因此，环境适应策略的研究十分重要，国内外研究人员展开了复杂环境下的多无人机协同编队控制算法研究。

在这些复杂的环境中，多无人机协同编队避障是保证无人机编队安全顺利完成任务的一大关键因素，也是目前多无人机协同控制领域的热点和难点。按照编队整体对飞行空间的信息感知能力，避障控制问题被分为全局路径规划法和局部路径规划法。全局路径规划是指无人机在已经全部环境信息之下得到规划路径的算法，只要预先设计好无人机编队的飞行航迹就可保证安全飞行，目前比较成熟的算法有栅格法、概率地图法等。局部路径规划是指无人机在只知道部分环境信息，甚至完全未知环境信息下得到路径的规划算法，具有更大的实用价值。

而避障控制算法是先将障碍物距离和方向等进行模糊化分类，再根据避障规则得到避障路径。模糊逻辑算法不依赖于精确的数学分析和计算公式，但是会出现难于维护经验规则库的问题。人工势场法将障碍空间视为一个虚拟力场，被控对象在虚拟合力下作远离障碍物的运动。其优点是:信息需求量小，算法结构简单，无需迭代、比较等过程，实时性强，所需运算空间小，路径平滑，缺点是:局部极小值问题会导致运动物体静止。目前，人工势场法是解决避障问题最受欢迎的方法之一，被大量应用于无人机避障控制中。

对于多无人机编队避障而言，常用的避障算法并不完全适用。目前，很多研究人员将无人机群的编队任务和避障任务考虑为竞争关系，认为避障时应首先解除编队规避障碍，飞过危险区域后再恢复原队形继续飞行，但是很多情况下允许无人机以编队形式飞过障碍物空间。因此如何实现多架无人机协同避障，让它们既能保持队形，又能躲避障碍物是目前的研究热点和难点。1987 年Reynolds提出了三种群集规则，分别是聚集、分离、速度匹配，实现了对鸟群的精准描述。这一结果激发了人们把类似规则应用于多机器人系统、多无人机系统中，实现了更智能简洁的避障要求。我们将运用改进的群集规则到无人机编队中，通过个体的运动和通信网络，实现无人机编队整体的协同避障。

通过上面的分析，或许对你在无人机集群编队研究方面又多了一些启迪及思考。随着ai智能的发展，对无人机智能集群的要求也越来提高，同样的需要我们在这方面深究的问题及掌握的知识也越来越多，但是人的精力和时间的有限的，在研究过程中那些搬砖的活，何不交给工具来干？我们只用把精力放在更高深的研究上面就好。

现在一些企业针对无人机集群编队这块所开发的实验教研平台，就是一个能很好帮助我们进行更深层次集群编队研究的工具。不仅提供无人机编队飞圆形、空间8字、空间螺旋，队形变换，从跟随、空地协同等无人机编队例程，而且这些例程完全开源。还有多种视频教程由浅入深地讲解实验的原理、步骤、目标等，并附有相应的配套例程代码，方便用户快速掌握、理解。

平台还支持多种定位系统和集群通信技术，在统一控制接口下实现无人机、无人车的按照规划路线运动，验证多机、多车编队和协同控制等算法的有效性。此外实验平台可提供一套完整的集群控制开发、调试及验证环境。而且实验系统基于ROS/Matlab开发，开放性强，用户不需要掌握太多的底层编程技术即可完成算法的修改和验证。为无人系统控制及多机集群控制等教学演示及二次开发提供核心设备支撑。

所有例程都可以在仿真平台中模拟仿真。如软件在环仿真，硬件在环仿真，实现仿真和实物开发有机结合。帮助我们在实测之前通过仿真测试验证算法的可靠性和有效性，然后无缝切换到本集群研发平台，大大提高研发效率。还可用于无人系统的动态建模和控制研究、运动规划、避障控制、多信息融合、编队控制、多智能体协调控制、无人系统自主控制等。支持C、C++、Python、ROS、Matlab/Simulink等多种编程环境，提供完善的二次开发接口。

如果这些还不能满足你需求，它还可根据你的实际需求定制整个系统平台，并提供相应的技术支撑和详细的例程和说明书指导。满足你的个性化和差异化需求，使平台更加契合你的使用特点和习惯，提升体验感和交互率，减少你熟悉平台的时间成本，大大提高开发效率和体验。

随着环境日益复杂和任务的多种多样，各种多无人机协同编队飞行关键技术也需要迅速发展。未来会出现异构多无人机之间的协同编队，并且通信环境会异常复杂，感知约束也会随环境的复杂而增大，迫切需要开展在感知约束和复杂通信环境下的强鲁棒、高精度编队控制设计研究。