無人機集群協(xié)同編隊控制技術(shù)研究

任建新，耿榮妹*，梁昌智

（1.中國消防救援學(xué)院應(yīng)急通信與信息工程系，北京 102202；2.中國消防救援學(xué)院學(xué)員管理部學(xué)員六隊，北京 102202）

無人機具有體積小、起降條件低、安全性高等優(yōu)勢，所以成本低。相比于單架無人機，無人機集群可以提升載荷信息收集能力和信息處理能力，還能提高無人機任務(wù)效率和防止執(zhí)行任務(wù)過程中單架無人機出現(xiàn)故障。

世界軍事強國高度關(guān)注無人機集群裝備發(fā)展，美軍在率先開展探究無人機集群作戰(zhàn)概念的同時，大力推進集群關(guān)鍵技術(shù)攻關(guān)和集成驗證，并面向不同任務(wù)開展了體系集成和試驗驗證[1]。以色列無人機在速度方面有很大的優(yōu)勢，綠龍的速度甚至達到370 km/h，末端的突防性是以色列重點關(guān)注的方面，美國注重研究無人機小體化，從而能使成本降低而帶來集群化打擊[2]。

無人機集群技術(shù)在國內(nèi)的發(fā)展起步較晚，但也取得了諸多成果。西北工業(yè)大學(xué)采用分布式的編隊控制，設(shè)計無人機編隊成員之間的導(dǎo)航定位方式[3]。浙江大學(xué)的周鑫科研團隊[4]攻破了在復(fù)雜環(huán)境中，單架無人機與無人機集群攻破了自動導(dǎo)航和快速自動避障關(guān)鍵技術(shù)難題，研發(fā)出了一套全自動避障的集群協(xié)同控制系統(tǒng)。

本文以解決森林消防面臨的實際問題為導(dǎo)向開展集群協(xié)同編隊控制技術(shù)研究，并基于半實物仿真平臺開展航跡規(guī)劃與智能避障仿真驗證，從而得出適應(yīng)森林火災(zāi)場景的協(xié)同編隊控制策略，為無人機集群滅森林火提供了參考，具有重要意義。

1 無人機集群協(xié)同控制算法

1.1 指揮控制結(jié)構(gòu)

無人機集群工作時需要一套統(tǒng)一協(xié)調(diào)的指揮控制結(jié)構(gòu)，無人機集群的指揮控制結(jié)構(gòu)可以分為三大類：集中式控制、分布式控制和混合式控制[5]。

集中式控制來源于“單架無人機-多架無人機-無人機集群”的發(fā)展方式。隨著無人機的發(fā)展，對單架無人機的指揮控制已經(jīng)不能滿足人們的發(fā)展要求。各領(lǐng)域更加注重對多無人機控制的發(fā)展，執(zhí)行多種任務(wù)的無人機集群指揮控制結(jié)構(gòu)更是未來發(fā)展的一個大方向[6]。集中式控制是當(dāng)前最成熟、最直接的集群控制結(jié)構(gòu)。集中式控制采用一個或多個控制中心對無人機集群進行控制。

分布式控制模仿大自然生物集群，每個個體之間相互關(guān)聯(lián)，彼此地位平等，通過彼此信息交流來共同完成工作[7]。分布式控制是最流行的，通過專門的設(shè)計冗余和診斷方式，從而提高集群的控制性和可靠性。給分布式集群和操作站帶來了更大的靈活性。該控制結(jié)構(gòu)是一種完全自主的任務(wù)結(jié)構(gòu)，需要無人機之間有較高的協(xié)同能力。

混合式控制結(jié)合了集中式控制和分布式控制的優(yōu)點，利用集中式相互協(xié)作和分布式自治相結(jié)合的方式，來解決整個無人機集群的全面指揮問題。該體系適用于無人機集群發(fā)展現(xiàn)狀。在無人機集群滅火中一般采用混合式指揮控制。優(yōu)點是更適合以組為單位進行滅火，單架無人機加入和退出時更加方便。但缺點是機組需要更強的協(xié)同指揮結(jié)構(gòu)能力。

1.2 任務(wù)規(guī)劃

在復(fù)雜的環(huán)境中，單無人機的任務(wù)規(guī)劃已經(jīng)不能滿足無人機集群的要求。效率更高的協(xié)同控制任務(wù)規(guī)劃系統(tǒng)越來越得到人們的關(guān)注。根據(jù)無人機的載荷和作業(yè)目標(biāo)，可以將無人機分為：①巡查任務(wù)類，根據(jù)無人機集群的載荷和能量情況合理地分配任務(wù)，完成目標(biāo)搜索，對目標(biāo)建模等任務(wù)，使其效率最高化的過程。②打擊任務(wù)類，在獲取目標(biāo)的大小、速度、位置、屬性等情況下，滿足自身的約束條件下對目標(biāo)進行精準(zhǔn)打擊。③察打一體化任務(wù)類，是一種結(jié)合訪問目標(biāo)和打擊目標(biāo)，對戰(zhàn)前目標(biāo)進行搜索定位，戰(zhàn)時對目標(biāo)精準(zhǔn)打擊，戰(zhàn)后對打擊目標(biāo)的破壞情況進行全面?zhèn)刹榈倪^程[8]。

無人機進行任務(wù)規(guī)劃時會存在許多約束條件，主要有以下幾種約束：①續(xù)航的油量或電量、偵查的裝備水平、通信頻道的容量（數(shù)量）的資源約束。②油耗或電耗、飛行路程、任務(wù)完成率、任務(wù)權(quán)重和出動架次的收益約束。③有時間、任務(wù)序列、任務(wù)時效性的時序約束。④飛行高度、飛行動力學(xué)、編隊與協(xié)同、傳感器距離（角度）、地形與障礙的幾何與動力學(xué)約束[9]。無人機集群要最大限度克服這些約束條件，將集群的資源利用最大化。既要在軟件上提高地基和無人機計算能力，也要在硬件上提高無人機的續(xù)航能力等裝備水平。

隨著無人機任務(wù)規(guī)劃能力的提升，許多行業(yè)已經(jīng)將任務(wù)規(guī)劃技術(shù)應(yīng)用在無人機集群中。在消防滅火方面，無人機集群滅火是一個集巡查、打擊和評估任務(wù)于一體的察打一體化任務(wù)，其任務(wù)規(guī)劃主要包括巡查搜索、任務(wù)分配、航線規(guī)劃3 個階段[10]。巡查搜索是指偵察無人機巡查火場周圍，并識別和定位起火點。任務(wù)分配是指控制中心給每一個無人機（組）分配相應(yīng)滅火點。航線規(guī)劃是指任務(wù)分配完成后，各無人機（組）規(guī)劃最優(yōu)航線前往任務(wù)點投彈滅火以及完成任務(wù)返航。

1.3 智能避障與路徑規(guī)劃

適合滅火場景的智能避障方案有領(lǐng)航者-跟隨者算法、碰撞回避算法（VO）、障礙物規(guī)避算法（Reciprocal Velocity Obstacle，RVO）等。領(lǐng)航者-跟隨者算法的基本思想是選擇一個領(lǐng)航機器人并設(shè)定好它的運動軌跡，跟隨機器人實時跟蹤領(lǐng)航者機器人的運動軌跡。由于碰撞回避算法容易出現(xiàn)抖動，從而提出了RVO 算法及其優(yōu)化算法分布式底層避障算法（RVO2）。

RVO2 碰撞回避算法（圖1），其思路在于：只要在未來有可能會發(fā)生碰撞的速度，都排除在外。該算法通過將動態(tài)避障問題，建模到速度域中的靜態(tài)范圍，然后在選擇速度時避開速度障礙物來實現(xiàn)。其特點是：去中心化，每個機器人都有自己的決策，而不是被中央控制器控制；獨立性，決策完全基于每個機器人對其他機器人位置和速度的觀察。

圖1 RVO2 碰撞回避算法

RVO2 算法原理簡單，性能較好，不需要有一個中心指揮，也不需要在決策階段互相溝通，只要每個機器都按照RVO2 運行，就不會碰撞。相較于VO 和RVO，RVO2 在效果上考慮了速度的大小，使得篩選粒度更細，而不僅只考慮了速度方向；在效率上，求解過程基本只用到了線性規(guī)劃，比較高效。

1.4 通信技術(shù)與鏈路原理

高可靠性、高效能的通信在無人機集群的任務(wù)規(guī)劃、協(xié)調(diào)與合作策略、控制機制方面發(fā)揮著巨大的作用。無人機集群通信方式有無人機對無人機、無人機對基礎(chǔ)設(shè)施。無人機對無人機通信是指集群內(nèi)所有無人機之間互相通信，然后通過雷達或機載傳感器交換或獲取信息。無人機與無人機之間既可以直接進行通信，也可以通過多跳路徑和其他無人機間接通信。無人機對基礎(chǔ)設(shè)施通信是指無人機與地面站等固定的中央控制中心進行通信，獲取實時任務(wù)信息。兩者通過一個通信體系結(jié)構(gòu)結(jié)合起來，作為無人機集群智能控制和自主協(xié)作中極為重要的一部分，分為集中式和分布式通信體系結(jié)構(gòu)。

集中式通信結(jié)構(gòu)是由單無人機系統(tǒng)演化而來，相對穩(wěn)定，路由算法簡單。這種架構(gòu)適合規(guī)模較小、任務(wù)覆蓋面積較小、任務(wù)相對簡單的無人機集群[11]。但面對通信傳輸范圍較大時就會產(chǎn)生較大的時延，造成系統(tǒng)的可靠性差。而分布式通信體系結(jié)構(gòu)則可以避免對基礎(chǔ)設(shè)施的依賴以及通信距離的限制，無人機能夠以自適應(yīng)方式進行實時的交互通信，在任務(wù)區(qū)域范圍大、無人機飛行速度快的情況下導(dǎo)致經(jīng)常連接和斷開網(wǎng)絡(luò)時，使用分布式通信體系結(jié)構(gòu)可以很好地避免信息丟失或傳輸延遲的問題。分布式通信體系結(jié)構(gòu)又分為單組群自組織網(wǎng)絡(luò)、多組群自組織網(wǎng)絡(luò)和多層群自組織網(wǎng)絡(luò)。

無人機集群主要包括3 種方式：簡單集群、群體智能集群、單體智能集群。簡單集群是指預(yù)先計算優(yōu)化，分配到無人機集群執(zhí)行，調(diào)整反饋在任務(wù)執(zhí)行之后，不具備智能。群體智能集群是指節(jié)點間有交互，具備群體智能，無人機在任務(wù)執(zhí)行過程中可根據(jù)應(yīng)用環(huán)境適當(dāng)調(diào)整任務(wù)目標(biāo)，具備初級智能。單體智能集群是指節(jié)點智能增加，有獨立認知處理能力，對任務(wù)和環(huán)境有充分理解，具備高級智能，能夠自主學(xué)習(xí)和決策。3 種集群對比表見表1。

表1 3 種集群對比表

本文針對森林火災(zāi)場景，提出了群體智能集群與單體智能集群相結(jié)合的集群算法，該集群算法可以實現(xiàn)邊飛行邊建模的目標(biāo)，具體可分為以下2 種情況：在環(huán)境已知的情況下，無人機集群可以利用規(guī)劃好的航線執(zhí)行任務(wù)，具備一定的群體智能集群的特點。當(dāng)環(huán)境發(fā)生突變，如遇到意外障礙等情況，無人機集群中的個體可以獨立進行認知處理，同步進行建模與規(guī)劃的任務(wù)，能夠?qū)崿F(xiàn)自主學(xué)習(xí)和決策，具備一定的單體智能集群的特點。

2 半實物仿真實驗

2.1 無人機集群仿真平臺

無人機集群應(yīng)急救援實際應(yīng)用具有較高的復(fù)雜性，基于仿真平臺開展無人機集群的仿真實驗?zāi)軌蚰M實際工作環(huán)境，為實戰(zhàn)提供理論支撐，有重要的現(xiàn)實意義。本項目無人機集群仿真系統(tǒng)使用半實物仿真框架，如圖2 所示，依托于Gazebo 平臺，模擬復(fù)雜地形（山地）下的起飛、巡查、滅火與降落。此仿真系統(tǒng)有如下特點：具有獨立的物理引擎；支持全國范圍3D 地圖生成；支持風(fēng)力和風(fēng)向設(shè)置；支持用戶多視角切換；支持多機型切換等。

圖2 仿真系統(tǒng)實體

在Gazebo 軟件中進行場景搭建，還原出飛行環(huán)境及條件。起降場位于地形較為復(fù)雜的山谷中，距離火點約0.5 km，前往火點途中需翻越一座連續(xù)的山。無人機仿真全場景示意圖及起降場示意圖分別如圖3 和圖4所示。

圖3 全場景示意圖

圖4 起降場示意圖

2.2 航跡規(guī)劃與避障策略

無人機集群滅火航線規(guī)劃算法有蟻群算法和粒子群算法。蟻群算法對于解決旅行商問題（Traveling Salesman Problem）等最優(yōu)路徑問題非常成熟，但對于無人機集群滅火應(yīng)用中的多執(zhí)行體、多任務(wù)且單體只執(zhí)行單任務(wù)的航線規(guī)劃問題不適用。

粒子群算法模擬鳥群覓食場景，其中的粒子移動并非漫無目的，而會向群體分享知識，并參考種群中最好的經(jīng)驗和自己記憶中最好的地點，綜合決定下一步覓食位置，2 個參考因素是種群最優(yōu)（gbest）和個體最優(yōu)（pbest），粒子根據(jù)這2 個因素來更新自己的移動速度向量。

無人機避障策略可分為靜態(tài)避障、動態(tài)避障和動靜結(jié)合避障三大類。靜態(tài)避障策略比較簡單，是基于地形數(shù)據(jù)規(guī)劃生成安全路線。動態(tài)避障策略使用分布式的RVO 3D 算法，添加了擾動以解決一些死鎖場景，同時每臺飛機廣播和接收位置/速度。動靜結(jié)合避障的策略是在動態(tài)避障算法中加入地形等靜態(tài)障礙物。

2.2.1 靜態(tài)避障

靜態(tài)避障即基于地形數(shù)據(jù)規(guī)劃生成安全路線，仿真如圖5 所示。

圖5 靜態(tài)避障仿真

2.2.2 動態(tài)避障

動態(tài)避障使用分布式的RVO 3D 算法，分別考慮多隊、多機、多目標(biāo)，對相遇、躲避、繞開等多個場景進行測試，如圖6 所示。

圖6 動態(tài)避障仿真

2.2.3 動靜結(jié)合避障

動靜結(jié)合避障的仿真示意圖如圖7 所示。

圖7 動靜結(jié)合避障仿真

3 實驗結(jié)果與分析

靜態(tài)避障仿真實驗結(jié)果顯示單架無人機能夠在安全距離情況下準(zhǔn)確預(yù)判到前方的一座山，并規(guī)劃出一條新的避障路徑，通過爬升高度成功的繞過起伏較大的山。避障全過程飛行路徑絲滑，沒有出現(xiàn)抖動現(xiàn)象，能夠與障礙物始終保持一定的安全距離。

動態(tài)避障仿真實驗結(jié)果顯示單架無人機進行避障時，2 架向?qū)Χ械臒o人機進入設(shè)置的安全距離時，無人機能感受到即將會發(fā)生相遇的風(fēng)險，并做出了預(yù)判，改變行進速度的方向，2 架無人機分別向自身左側(cè)做出避讓，由原來有重合的路線避開成有一定安全距離的路徑。在相遇時2 架無人機的距離在設(shè)置的范圍內(nèi)，完成相遇后進入繞開階段，無人機分別在左側(cè)完成了繞開。整個動態(tài)避障完成后無人機速度方向改為目標(biāo)方向。

動靜結(jié)合避障仿真實驗結(jié)果顯示無人機集群進行避障時，在面對復(fù)雜環(huán)境中，無人機集群不僅能夠?qū)崿F(xiàn)對復(fù)雜山區(qū)地勢的靜態(tài)避障，還能實現(xiàn)集群內(nèi)的動態(tài)避障，多架無人機都能夠較好地完成編隊控制任務(wù)，并能夠?qū)崿F(xiàn)編隊的協(xié)同移動。

綜上所述，群體智能集群與單體智能集群相結(jié)合的集群算法在集群避障中具有很好的效果。該算法可以有效地控制集群中的每個無人機，使其保持統(tǒng)一的運動狀態(tài)，并且能夠在高度不確定的環(huán)境中有效地完成多機避障操作。從實驗結(jié)果來看，系統(tǒng)控制策略可以有效控制無人機集群在運動中的編隊精度和穩(wěn)定性，滿足編隊任務(wù)的需求。

4 結(jié)束語

本文針對適應(yīng)于森林火災(zāi)場景的無人機集群協(xié)同編隊控制技術(shù)開展了研究，通過對比無人機集群常用的避障算法優(yōu)缺點進行分析，確定RVO2 算法相較于其他算法，在集群避障效果和安全性上有明顯優(yōu)勢。通過指揮控制結(jié)構(gòu)、任務(wù)規(guī)劃、智能避障和路徑規(guī)劃、通信技術(shù)和鏈路原理等關(guān)鍵技術(shù)的研究，制定了集群協(xié)同控制策略，并基于Gazebo 搭建半實物仿真平臺進行仿真實驗，結(jié)果表明群體智能集群與單體智能集群相結(jié)合的集群算法在復(fù)雜環(huán)境中的避障效果，能滿足無人機集群編隊飛行路徑規(guī)劃要求。為消防滅火中巡查火場、尋找火點、多火點下的智能分配、滅火航線規(guī)劃等應(yīng)用場景提供了有價值的參考。