李春，宋晓程，李芳芳

(北京电子工程总体研究所，北京 100854)

0 引言

无人机具有尺寸小、质量轻、隐蔽性好、机动性高、零伤亡等特点，在军用和民用领域受到广泛关注[1]。近年来，无人机在战争中用于执行早期预警、侦察、监视、通信中继、对地(海)攻击和电子对抗等任务，取得了不错的战果，使人们逐渐意识到它的作用与潜力。但是单架无人机所能携带的武器或传感器数量有限，其任务的执行能力也受到相应的限制[2]。多无人机编队协同飞行是近年来的一个前沿研究领域，多无人机编队相比较于单无人机，具有更大视野、更高生存率、更好气动性能等优势，可充分利用有限单机资源，共同执行复杂任务[3]。

多无人机编队控制及重构是多无人机系统的核心内容和关键技术。无人机的飞行环境是随时间变化的复杂动态环境，算法须适应这种变化。而微粒群算法、蚁群算法等智能算法在解决复杂问题时具有很强的协同性、优化动态性和自组织性。本文基于微粒群算法、蚁群算法研究了多无人机编队控制及重构、航线规划及重规划问题，特别是在解决编队重构问题时，充分考虑了动态威胁环境下的复杂态势，提出了一种多样性微粒群算法。

本文对多无人机编队协同化的发展现状进行了梳理，提出了多无人机编队飞行协同控制算法智能算法，设计了多无人机编队飞行协同控制软件平台架构，明确了软件功能和模块组成，并进行了仿真验证。

1 无人机编队协同化发展分析

1.1 需求分析

1.1.1 多无人机编队问题及其意义

同单无人机相比，多无人机编队飞行具有非常突出的优点和良好的应用前景：①在执行监视测量任务中，编队飞行的无人机可以获得更全面的观察角度和更大的观察视野，整体效率和抗突发事件的能力都会有所提高；②在执行攻击任务中，多无人机编队可以提高体系生存率，对目标进行持续和全方位的打击，从而使得目标更难以防范；③从气动性能等方面相比，编队飞行可减小飞行阻力，近距离飞行的编队无人机可以获得与大展弦比飞机类似的气动性能；④从战术角度看，由于战斗机编队所形成的整体雷达反射相当于民航机的反射，配合其他高科技装备，战争中可以采用密集编队的方式实施突袭行动。20世纪80年代以色列空军突袭伊拉克核反应堆的“巴比伦行动”就是战斗机密集编队攻击的一个经典成功战役。

1.1.2 平台需求分析

虽然编队飞行具有单飞无法比拟的优点，但在无人机上实现编队飞行还有许多现实问题需要解决，这涉及到空气动力、编队模型、信息融合、目标跟踪、控制器设计、定位系统、航线规划、协同攻击等诸多领域。其中包括编队控制技术、编队重构技术、航线规划技术、编队队形设计、气动耦合研究、通讯技术等关键技术。

多无人机编队飞行协同控制平台既可以作为无人机航线规划的实用平台，也可以作为编队飞行，重构等内容的验证与研究平台，可以为智能方法的应用提供载体。而这种基于智能方法的综合性控制平台正是无人机技术研究工作必要而有紧缺的。目前对于编队飞行及相关内容的研究多是单独进行的，有时就会把大量时间浪费在搭建模块，编写绘图程序和仿真程序上。如果这项系统可以得到更好的完善，那么便可作为一种通用的平台为相关研究提供便利，也可以作为整合各项研究结果的综合性平台，衍生出评判研究成果好坏的标准系统和准则。

1.2 发展现状

针对多无人机编队飞行的协同控制问题，美国、欧盟等开展了大量的研究。美国MICA项目获得国防高级研究项目局(DARPA)的资助[4]，其研究成果提高了无人机的自主和协同控制能力，同时减少了大规模无人机编队控制的操作人员；麻省理工学院SWARMS健康管理项目[5]的研究成果实现了无人机编队在动态环境下执行预定任务；欧盟COMETS项目设计和实现了多种无人飞行平台协同完成任务的分布式控制系统。2016年10月，美国海军使用3架“超级大黄蜂”战斗机投放了103架“灰山鹑”微型无人机，演示了多无人机集体自适应编队飞行，这种“灰山鹑”一次性无人机身形小巧，造价低廉，发射方式多样，具有一定的自主和协同能力。

国内在无人机协同编队控制和决策的领域研究起步稍晚，但也取得了很多研究成果。文献[6]在无人机编队的协同控制、协同目标跟踪、任务资源分配等方面做了相关的研究；文献[7]以多无人机协同多目标攻击为应用背景，研究了多无人机同时到达问题；文献[8]针对无人机编队飞控系统，提出基于模糊PID的飞行控制器设计思想；文献[9]研究基于自适应遗传算法完成大规模编队协同空战的队形优化；文献[10]研究了无人机静态航线规划、突发威胁下航线规划、无人机多机协同航线规划等相关技术；文献[11]对多无人机协同空战和协同对地攻击2个部分进行协同攻击策略研究；文献[12]针对编队控制问题，提出基于非线性动态逆的多无人机编队控制方法；文献[13]研究了一种鲁棒反推自适应控制方法。2017年中国电子科技集团宣布其完成了119架固定翼无人机的集群飞行试验，试验成功演示了密集弹射起飞、空中集结、多目标分组、编队合围等动作，代表了我国在无人机编队和集群研究领域的最新成果。

1.3 发展趋势

未来无人机将成为空中侦察系统的主力，并从实时战术侦察向空中预警方向发展，美军有用无人预警机取代有人预警机的计划；查打一体无人机是无人机的另一个重要发展方向；此外，由于无人机部署位置可靠前，因此，可以在距离保卫要地较远的距离毁伤来袭导弹，有效克服反导导弹拦截距离近、反应时间长等缺点[14]。

随着智能化技术的日益成熟，五维空间联合作战模式由网络技术支持的一体化作战正在向智能技术支持的自主性作战转变，信息化作战将被智能化作战取代[15]。加入智能技术支持后，无人机的速度、机动性、攻击范围、侦察范围、侦查手段、隐身性能等特性都可以有质的飞跃。针对多无人机编队和人工智能这两个方面进行结合的研究工作应该得到充分的发展。鉴于无人机零伤亡的显著优势和其在战场上众多的应用方向，多无人机自主智能协同作战将成为未来战场的主流。

2 多无人机编队飞行协同控制算法设计

2.1 关键技术综述

多无人机编队飞行涉及到的关键技术是多方面的，如编队控制技术、编队重构技术、航线规划技术、编队队形设计、气动耦合研究、通讯技术等。

首先，要实现多无人机的编队飞行，最基本的问题是保持编队队形的稳定，即编队控制技术所解决的问题。具体要求是不论长机做出怎样的机动，机群航线怎样变化，各僚机总能稳定而快速地跟踪长机以保证编队队形不变。

其次，多无人机编队在飞行过程中经常要面临需要改变编队队形的问题，比如穿越峡谷等，在改变编队队形的过程中，如果不考虑环境的复杂变化，如蓝方威胁源位置的移动、气流干扰等等，称为静态环境下的编队重构。而如果考虑周围战场环境的变化，如蓝方威胁源的移动，并考虑如何能够在重构过程中同时躲避蓝方威胁，以及这称为动态环境下的编队重构。

再次，航线规划也是多无人机编队飞行技术中的关键技术。航线规划是飞行器低空突防飞行控制律设计的基本依据，航线规划的好坏直接关系到飞行器飞行安全系数的大小和控制律设计的难易。航线规划指在给定背景地图，威胁因素信息和性能准则等特定约束条件下，采用某种算法使规划出的航线最优，是无人机控制系统的关键组成部分，保证了最佳的飞行航迹。

2.2 基于微粒群算法与PID结合的编队控制技术

在编队控制部分，采用简化了的飞机模型，即长机和僚机的状态变量仅有飞行速度、偏航角和飞行高度，考虑长机对僚机在升力、阻力、侧力方面的气动影响后修正的僚机状态方程。对于僚机跟踪系统，输入长机的状态和控制器发来的对僚机的控制量，输出僚机的状态和僚机与长机在x，y，z方向的实际距离，根据僚机与长机在x，y，z方向的实际距离与期望距离的误差以及僚机与长机的飞行速度、偏航角的误差经控制器解算出对僚机的控制量。具体的控制律设计采用经典的并具有较强鲁棒性的PI控制。另外，尝试采用了利用微粒群算法解算PI控制器参数的方法，通过对算法进行适当调整并恰当选取目标函数，最终对于任意的编队飞行模态，都可以迅速地搜索到较好的PI参数值，实现有效的编队控制。

2.3 基于多样性微粒群算法的动态环境下编队重构技术

在多无人机编队重构的过渡过程中，许多约束应该被考虑在内，诸如重构时间、威胁源、防撞、安全距离等。合适的重构过程不仅能提高效率，而且能增加任务的准确度和成功率。编队重构问题的重点在于为每架无人机确立出一条合适的航道，使编队可以在确定时间内达到期望队形，并能满足所有的约束条件。微粒群算法是由Kennedy和Eberhart根据自然界个体之间的协作行为得到的一种协同优化算法，首先在1995年被用来解决复杂优化问题。微粒群算法可以被用来优化重构过程，然而，标准微粒群算法对环境的适应性不够好，为了使算法具有较强的适应性，要求算法检测出环境的变化后能够做出响应，紧密地跟踪到解的变化直到获得最好解。

在标准微粒群算法基础上，对其进行了一系列改进，提出基于多样性微粒群算法和最优时间控制的动态多无人机编队重构方法。首先，选择合适的代价函数作为粒子的适应度函数。其次，通过监测相邻两代最优解粒子的适应值之差和适应值比率是否跃变来判断环境是否发生了变化。再次，若环境已变化，则根据提出的多样性函数判断此时的种群多样性，其值小，说明种群多样性差，需要重设粒子，于是让粒子朝反方向逃逸直到满足多样性要求，摆脱局部最优解。图1和图2仿真结果表明，改进后的算法具有很强的全局寻优能力，能够避免陷入局部最优，躲避动态威胁，有效跟踪全局最优解的变化，并形成预期的钻石型终态队形。

2.4 基于蚁群算法的无人机航线规划技术

对于航线规划问题，通过复现一种经典的方法，即蚁群算法用于航线规划，很好地达成了目的。

(1) 描述飞行环境。把飞行任务区域划分成二维网格，形成连接起点和目标点的二维网络图，则航线规划问题的本质就是路径优化问题。

(2) 代价函数的表示。为了描述航线的性能指标，将航线的威胁代价和油耗代价进行加权，计算代价函数如下：

(1)

式中:W为广义代价函数；L为航线长度；wt为航线威胁代价；wf为航线油耗代价；k为权重。

(3) 基于蚁群算法的航线规划。在求解问题时，模拟蚁群通过信息素的交流找到最优路径的过程，将n个蚂蚁置于起始点，每个蚂蚁按照一定的状态转换规则从一个可行节点转移到另一个距离目标点更近的可行节点，直到到达目标点，完成一条备选航线。

3 多无人机编队飞行协同控制软件设计与仿真

3.1 软件架构设计

多无人机编队协同执行任务的过程是在规划航线上执行编队保持、编队重构状态的过程。将上述过程进行分解，得到航线规划、编队控制、编队重构3个功能模块。针对每个功能模块分别设计仿真子平台，完成了架构分析、界面设计、算法优化等工作，最后加入数据回放等辅助功能模块，最终得到多无人机编队飞行协同控制平台主界面如图3所示。

3.2 软件功能模块设计与仿真

3.2.1 编队重构模块设计与仿真

编队重构平台如图4所示。此功能模块采用改进的微粒群算法解算出各无人机的控制输入，使它们在最短的时间内形成以长机为首的任意队形，同时保证它们之间的距离不小于安全防撞距离，而且均能与动态变化的威胁源保持一定距离。

平台的输入参数包括粒子数、迭代次数、学习因子、惯性权重等算法参数(详见图5)，以及无人机架数、长机起始位置、终态要求队形、动态蓝方威胁源及其变化情况等重构参数(详见图6)。平台的输出参数包括平面跟踪图和代价函数走势图，平面跟踪图显示出计算得到的的最优重构轨迹(详见图7)，而代价函数走势图指示出求解的质量，收敛越快则结果越好(详见图8)。

3.2.2 编队控制模块设计与仿真

编队控制平台如图9所示。此功能模块采用微粒群算法寻优得到最佳控制参数，控制多架无人机在飞行过程中始终保持设定队形。

平台的输入参数包括粒子数、迭代次数、学习因子、惯性权重等算法参数(见图10)，以及无人机架数、队形参数、长机航线参数等控制参数(见图11)。

平台的输出参数包括平面跟踪图、x方向跟踪曲线和y方向跟踪曲线，平面跟踪图显示出计算得到的编队轨迹(见图12)，而x,y方向跟踪曲线指示出求解的质量，超调量、调节时间和稳态误差小则表明控制效果好(见图13)。

3.2.3 航线规划模块设计与仿真

航线规划平台如图14所示。此功能模块采用蚁群算法，规划出在给定背景地图、威胁因素信息和性能准则等特定约束条件下的最优航迹。

3.2.4 数据回放模块

数据回放平台如图15所示。此功能模块将前面算得的飞机飞行轨迹以动画的方式展现，方便深入了解编队飞行的动态过程。

4 结束语

在现代战争中，多无人机编队化、协同化、智能化完成复杂作战任务成为一种趋势，因此多无人机编队的相关问题研究成为了研究热点和前沿性课题。本文从未来战场信息化、一体化特征出发，对多无人机编队飞行协同化相关技术及其在战争领域的应用进行了分析研究。综述了多无人机编队协同化发展需求、发展现状和发展趋势，在此基础上，采用微粒群算法与PID结合的编队控制技术、基于多样性微粒群算法的动态环境下编队重构技术、基于蚁群算法的无人机航线规划技术，构建了多无人机编队飞行协同控制软件平台，完成了数字仿真，验证了编队协同算法的正确性，可以为基于智能技术的多无人机编队飞行协同化设计提供有益参考。