无人机的自主能力在执行作战和协同任务中尤为重要。 无人战斗机(unmanned combataerial vehicle Sucav )面临的作战任务复杂、态势变化快、不确定因素多，无人战斗机必须自主完成目标探测、识别，制定目标分配、战术计划和机动决策等攻击决策
在多架无人机协同工作时，合理地将不同位置、不同价值、不同威胁程度的目标分配给不同类型、不同价值、不同战斗力的无人机，达到了整体作战性能最大、成本最小的目的。 协同的前提条件是无人机平台之间的通信和信息共享，无人机平台之间的信息高度分布，是基于无人机平台的运动和通信拓扑变化、最小信息流的多平台分布式协同控制系统的构建。
无人机协同搜索也是多UAV协同控制的重要研究内容，多个UAV同时搜索一个不确定区域，目的是更快更全面地获取搜索趋势的信息，降低环境的未知性。 在考虑不同UAV飞行和探测传感器约束的情况下进行协调工作，在不确定的环境中采用协调自主控制的方法，从而达到整体任务性能的优化。
图1分布式多机协调控制系统的结构
编队控制技术最初是针对航天飞机(主要是卫星)提出的，用于降低卫星的研制和发射成本，提高卫星对地观测的覆盖率。 进入21世纪以来，国内外在无人机编队控制方面进行了许多理论探索和实物研究。 例如，美国国家航空航天局和空军于本世纪初9月确定为21世纪的关键技术之一。 编队控制的具体含义是，多架无人机编队协同飞行时，必须相互保持一定的几何形态，同时满足任务需求，适应周边环境的制约。 目前，无人机编队控制大致可分为运动协调和覆盖协调两大类基本问题。
运动协调主要包括编队队形保持(Formation Keeping )、集结(Swarm )、解散)、重建)、队形变换) formation chartion 队形维持是运动协调的中心问题，研究编队在运动中如何维持队形。 覆盖协调是指无人机编队的任务规划和分配，包括部署、搜救、探测、攻击目标分配等。
笔者主要关注运动协调中的编队集散和队形转换、队形保持、编队避障三个问题，目前国内外的研究现状如下。
无人机进入指定区域后，开始组成编队。 完成任务后，解散编队，重新开始单机飞行。 因此，系统飞行的问题之一是如何实现编队的组建、解散。 在这方面，国内外学者已经开展了一些研究。 有些研究防止成员之间分离的方法，在快速集结中，没有考虑如何防止机器之间的冲突，有些使用势场法模拟集群的凝聚行为和凝聚力，Olfti-Saber是结构势基于行为法的集结模型是如何模拟鸟类、蚂蚁、鱼类群集行为的重要方法。 另外，还有长机-僚机法、明确的长机法、虚拟结构法、最佳集结路径法等。
根据特定的需要，有时会改变编队无人机的位置和编队队形。 需要改变队形； 或者新无人机进入编队或脱离编队时，编队需要进行队形变换。 在队形变换的过渡过程中，需要考虑时间、防撞、安全距离保障等诸多制约。 合适的队形变换方案不仅高效，而且安全性和可靠性也很好。 其关键研究问题在于如何建立无无人机运动轨迹，队形变换在初始状态到最终状态之间满足一定的约束集。 队形变换的控制律需要在运算时间和一定的限制下满足最佳的两个要求。 变化与编队队形有关，也与变换队形、有钱的编队的具体特征有关。 更常见的方法是先解散编队，然后进行编队集结。
编队解决顺利完成后，最核心的问题是队形控制和队形保持。 根据协同编队飞行定义的基本要求，机群的队形结构在编队飞行中也必须保持不变。 它依赖于编队飞行的控制策略，编队飞行的控制策略分为两个方面，一个是多机信息交换，一个是队形控制算法。
无人机根据任务要求，在编队内的相对位置大多保持大致恒定。 无人机编队为了保持一定的编队形状，它们之间必须有信息交流。 信息交换的控制策略一般有集中控制(Centralized control )、分散控制(Distributed control )、分散控制(Decentralized control )三种方式，每种方式都有自己的定义和优点，
(1)集中控制。 每个无人机必须将自己的位置、速度、姿势、运动目标等信息与编队内的所有无人机进行交互。 集中控制策略中，所有无人机都必须知道编队整体的信息，控制效果最好。 但是，需要大量的信息交互，在交互中容易发生冲突，计算量大，对机载计算机的性能要求高，系统和控制算法复杂。
)2)分散控制
。每架无人机要将自己的位置、速度、姿态和运动目标等信息和编队中与之相邻的无人机进行交互。在分布式控制策略中，每一架无人机需知道与之相邻无人机的信息，虽然控制效果相对较差，但信息交互较少，大大减少了计算量，系统实现相对简单。（3） 分散式控制。每架无人机只要保持自己喝编队中约定点的相对关系，不和其他无人机进行交互。其控制效果最差，基本没有信息的交互，计算量也最少，但机构最为简单。
分布式控制的效果虽然不及集中式控制，但其控制结构简单可靠、信息量最小，比较容易避免信息冲突。从工程角度看，这样的结构便于实现和维护。除此之外，分布式控制策略适应性强，并具有较好的扩充性和容错性，如执行任务的途中任务突然变更需要新的无人机加入编队，或者某架无人机由于故障不能继续完成任务需脱离编队并补充新的无人机的情况。由于分布式控制能够将突发的影响限制在局部范围内，因此目前对编队信息交互的研究特点也逐渐由集中式控制转向分布式控制。如果用集中式控制策略完成编队，信息交互讲师海量的，这是因为处理这些信息的复杂程度与编队无人机的数量成指数关系。而如果采用分散式控制策略则不能保证在编队形成的过程中无人机之间不发生碰撞，只有分布式控制策略能同时解决信息交互碰撞的问题，也是未来编队信息交互策略发展的方向。
在队形的具体控制算法方面，很多学者作了大量的研究。目前相对成熟且比较通用的队形控制算法主要有：（1）长机-僚机法（Leader-Follower）；（2）基于行为法（Behavior-Based）；（3）虚拟结构法（Virtual Structure）；（4）人工势场法（Artificial Potential Field）。
（1） 长机-僚机法。一般的保持策略是编队中的每架无人机保持与编队中约定的相对位置不变，而当这个约定点事领航机的时候，每个保持策略就成为跟随保持。长机-僚机法就是跟随保持。这种控制策略的特点是基于预设的编队结构。通过对长机的速度、偏航角和高度跟踪来调整僚机，达到保持编队队形的目的。长机-僚机法是最古老的一种编队控制方法，它原理简单、易于实现，但是鲁棒性稍差，且误差会逐级向后传播并被放大，这种控制结构会受到很大的干扰影响。因此针对其特点，很多科研人员结合了鲁棒控制方法、极值搜索控制方法、涡旋调整基数、自适应控制方法和变结构控制方法等多种基数，改进了这种控制策略。但使用了这些方法后，长机-僚机法的缺点也很明显，即出现突发事件后所有无人机的位置必须重新计算，增加计算机的负担。
（2） 基于行为法。在多无人机编队飞行过程中，机群中每一架无人机对其传感器输入信息的行为响应可能有4中情况：碰撞避免、障碍物回避、目标获取和队形保持。这种方法的最大特点是借助于行为响应控制的平均权重来确定编队中每一架无人机该采用哪一种行为响应方式。曹英俊的菠萝等科研人员利用遗传算法来决定控制权重，以选择合适的行为响应来保持队形和规避障碍物；J.H,Reif等则利用改进的电势场方法来应对编队中出现的单元体失败和传感器输入信息不完整的情况。基于行为法是一类模拟生物反应式行为机制的编队控制方法，它具有很好的灵活性和鲁棒性，但是无法实现精确的队形保持，也很难勇数学方法对系统进行稳定性分析。
（3） 虚拟机构发。虚拟结构法一般多采用虚拟长机的方法的办法来协调其他无人机。这种方式可以避免长机-僚机方式的干扰问题，但合成虚拟长机和传输其位置，需要以高通信质量和高计算能力为代价。R.W.Beard等综合利用这种方式与长机-僚机方式及行为方法的合成，实现了航天器在深度空间的编队飞行。虚拟结构法通过共享编队虚拟结构的状态信息进行编队控制，可以任意设定编队队形，能够实现精确的队形保持，但如何让编队中个体所获得的虚拟结构信息保持同步是该方法的难点。
（4） 人工势场法。人工势场法主要通过构建人工势场函数来实现队形控制，人工势场函数分为两部分：相邻两架无人机之间相互吸引和相互排斥的部分。当两机之间的距离偏大时，相互吸引的部分起主要作用，两机相互靠近；当两机之间的距离偏小时，相对排斥的部分起主要作用，两机分离。人工势场法物理背景明确、原理简单，非常适合于可自由运动质点的编队控制，但它难以处理非完整运动学约束。
除了上述编队控制算法之外，还有PID法、H∞控制、LQR反馈控制以及滑模控制、极值搜索、涡旋调整、模型预测控制、神经网络和模糊控制以及视觉传感器技术等编队控制算法。传统的PID法在编队作匀速直线飞行时有一定的效果，但无法适应转弯飞行和规避障碍：新型优化算法的解算时间长，实时性不好。
为了提高队形控制算法的鲁棒性和安全性，还必须考虑无人机系统飞行过程中存在的不确定性因素，如机间通信丢包、时间延迟、位置干扰、甚至部分通信链路发生故障等等。到目前为止，绝大多数的编队飞行研究都假设有准确无误的无线电通信，不存在丢包和信息延迟的现象。但在实际的通信网络控制系统的架构中，由于网络本身所固有的特性，往往会影响编队控制系统的稳定性。
现在基于实际通信环境下的编队飞行控制器的性能研究还很困难。在未知干扰环境下面对无人机编队飞行的稳定性和可靠性提出了更高的要求。PID算法能完全消除阶跃干扰信号引起的误差，而对于斜坡干扰信号的稳态误差为开环增益的倒数。显然，该方法难以有效抑制非线性干扰。而采用线性H∞控制理论，分别寻找一个权函数覆盖相应干扰的频率响应，使得控制器对最坏情形下的干扰仍具有鲁棒性。显然，编队飞行不可能抑制工作在最坏干扰情况下，所以该方法有很大的保守性。滑模控制是一种鲁棒性很强的控制方法。其最大优点是系统一旦进入滑模状态，系统状态的转移就不再受系统公园有参数变化和外部扰动的影响。但控制的不连续性会导致所谓的“冷傲的皮皮虾现象，即被控系统的危险高频振荡。总之，多无人机编队控制算法的鲁棒性还需进一步提高。
同时，在近距离编队中，必须十分注意避免机间碰撞，而不仅仅是队形的保持。因为一些干扰因素会引起扰动，比如编队运动方式发生突然变化、队形改变等，防止冲突策略就是要避免在扰动下可能发生的机间碰撞。无人机自主防碰撞控制设计许多理论和技术问题。
首个防碰撞方法是O.B.Khatib利用势场函数进行研究的，此方法基于人工势场法，当两机之间的距离偏小时，排斥因子起主要租偶用，两机分离，避免碰撞。该方法的主要缺点是不能保证相对距离大于最小安全距离。若只利用协同航迹规划方法解决多机防碰撞，但只适用于合作型无人机，在很少情况下适用。xydjzg Hyo-Sang用集合分析法预测碰撞冲突，对通过只控制偏航角的冲突规避法的实用性进行了分析，但只考虑了二维情况。也有利用改进路径规划算法来防止无人机与地面碰撞的，但主要针对地形和地面障碍物。若使用几何最优法，以入侵机为原点修正本机速度和位置，速度矢量和保护圆相交则冲突，选择改变偏航角使速度和圆相切，但该方法也只在二维平面内适用。
也有研究人员模拟鸟类群聚的防撞处理方式，采用多层混合系统的控制方法，高层控制器利用各种探测设备（如GPS导航系统、雷达、视觉传感器等）进行位置检测，并产生可行路径，底层控制器只处理所获得的局部信息，以便快速动态地调整相邻距离和方向，避免机群中发生碰撞。还有提出反馈控制法、概率预测方法等进行碰撞预测和处理。有研究把防碰撞处理当成威胁类型中的一种，作为航迹规划中的约束条件加以考虑，把碰撞问题分解为路径规划和速度规划两种方式。将所有无人机速度剖面设计到潜在碰撞中去给出初始路径的最小改变量，提高了该算法的解算时间，但只是一种次优解。可利用粒子滤波和预测控制进一步改善上述控制效果，尝试给出相邻机间的最小安全距离。
本世纪以来一些研究人员开始致力于探索充分利用分布式信息交互的控制理论，同时又力求降低算法的解算工作量。多智能体信息一致性是其中的典型代表，它的产生和发展极大地推进了无人机编队控制的进展。
本文引自《基于信息一致性的多无人机编队控制方法研究》