引用本文

彭雅兰, 段海滨, 范彦铭, 李明. 基于社会化协同的无人机集群目标合围控制. 自动化学报, 2026, 52(2): 284−295 doi: 10.16383/j.aas.c250415

Peng Ya-Lan, Duan Hai-Bin, Fan Yan-Ming, Li Ming. Target enclosing control of unmanned aerial vehicle swarm based on socialized collaboration. Acta Automatica Sinica, 2026, 52(2): 284−295 doi: 10.16383/j.aas.c250415

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c250415

关键词

无人机，目标合围，社会化协同，层级交互，感知能力受限

摘要

面向感知、通信受限且存在环境障碍的移动目标合围控制, 提出一种基于社会化协同的控制策略. 首先, 借鉴生物集群社会化行为, 构建协同响应模型与层级交互机制; 在拓扑切换与丢包条件下, 显式建模受限信息流, 以驱动集群实现目标合围. 其次, 提出强引导式任务——避碰并行协同控制, 在优先保障飞行安全的前提下实现鲁棒合围控制. 再次, 设计一致性目标状态观测器, 对目标位置与速度进行稳健估计. 最后, 仿真结果表明, 所提方法在障碍环境以及感知、通信受限条件下能够实现稳定合围, 并表现出较好的鲁棒性.

文章导读

近年来, 无人机(unmanned aerial vehicle, UAV)集群编队控制在灾害搜救、海空边境巡护与移动目标布控等任务中展现出显著优势[1−6]. 其中, 圆形编队是一类常用于目标合围与跟踪的典型构型, 此编队构型要求无人机集群以指定的期望距离在目标周围均匀分布[7]. 在此任务背景下, 如何在复杂环境与不完美通信条件下保持稳定的目标合围追踪, 是当前研究的核心问题.

在无人机集群目标合围追踪控制迭代早期研究中, 常将个体运动限制在特定的几何形状内, 从而构成编队控制问题. 文献[8]采用循环追踪策略, 以协同方式合围目标, 实现并维持追踪者间的均匀角间距. 文献[9]设计向量场生成极限环或周期轨迹, 引导追踪者形成所需的几何编队形状. 然而, 每条运动轨迹都需要单独的向量场生成, 使得该方法难以在多智能体、强动态耦合场景中保持普适性. 针对时效性与收敛效率问题, 文献[10]提出一种模型引导的强化学习控制框架, 利用固定时间极坐标控制器保证在时限内到达目标圆, 并结合以抑制干扰与避碰为奖励的补充策略提升收敛速度. 另一方面, 文献[11]提出一种领导者引导的控制策略, 使得追踪者可在任意编队构型下完成对目标的合围, 从而提升机动灵活性与编队形态的可塑性.

为降低工程实现难度, 现有研究往往着眼于减少控制律设计中所需的信息维度, 例如仅利用方位角信息或相对距离信息进行控制等[12−16]. 与此同时, 为保障任务过程的安全性, 不少研究工作将避障机制纳入合围控制策略[17−18]. 文献[19]设计的目标合围控制策略不仅避免了追踪者之间的碰撞, 还考虑了与静态障碍物的避碰.

上述研究中的多智能体目标合围控制策略多依赖于刚性编队构型与通信状态来维持每个追踪者与目标及多个邻居之间的编队构型约束. 实际应用中, 由于外部干扰因素, 常出现某些个体通信或感知失效引起的整个编队构型崩溃问题. 因此, 严格的通信与编队结构可能并不适用于多智能体集群目标合围控制.

为顺利完成目标合围控制, 无人机需要对目标状态进行估计. 传统的协同状态估计方法主要依赖于分布式卡尔曼滤波 (distributed Kalman filters, DKF)[20−22], 在理想定位条件下可提高估计精度和目标跟踪性能. 然而, 许多场景无法稳定获取全球定位系统 (global positioning system, GPS)信号. 虽有研究探索无GPS条件下的目标状态估计[23−24], 但多聚焦于开放或无障碍物环境, 对存在环境障碍与部分个体感知失效的情况考虑不足. 因此, 在缺失外部定位系统且环境复杂时, 如何实现一致的协同状态估计, 仍面临显著挑战.

自然界中, 小至细菌菌落, 大至人类社会, 广泛存在通过简单局部规则实现全局协作的社会化合作现象[25−28]. 社会力模型以牛顿第二定律为基础, 引入虚拟力来刻画个体间相互作用, 其叠加效应驱动群体呈现宏观有序行为[29]. 为解决无人机集群在通信、感知受限与障碍物环境中的自主控制问题提供新的视角, 利用简单一致的交互规则与层级组织结构, 弥补个体能力缺失, 涌现稳健的群体智能.

基于上述研究, 本文面向通信、感知失效影响下无人机集群目标合围控制问题, 提出一种基于社会化协同控制策略. 通过建立社会化协同响应模型与层级交互机制, 给出一种无人机集群分布式控制律, 以改善集群的合围控制鲁棒性. 本文的主要创新点在于:

1)基于生物群体智能行为, 提出社会化协同响应模型, 对个体与群体层级行为进行建模;

2)建立社会化层级交互机制, 使得通信、感知失效无人机仍可通过社会化层级交互快速获取目标关键信息, 并据此实现面向合围任务的分布式控制;

3)为应对环境障碍, 提出一种强引导式任务——避碰协同控制, 通过设置控制策略优先级, 满足飞行避碰与目标合围任务的协调调度, 保证集群安全飞行.

本文的结构安排如下: 第1节为问题描述; 第2节介绍社会化协同机制; 第3节设计基于社会化协同的无人机集群目标合围控制; 第4节为仿真实验验证; 第5节给出本文的结论并对未来进行展望.

图1  无人机集群目标合围

图2  目标观测器性能分析图

图3  无人机集群目标合围飞行三维轨迹

本文面向感知、通信受限且存在环境障碍的移动目标合围任务, 提出基于社会化协同机制的无人机集群控制方法. 该方法以社会化协同响应模型与层级交互机制为核心, 在仅依赖局部信息的条件下实现协同互助与信息扩散, 并通过强引导式任务——避碰协同控制策略在保障集群安全飞行的前提下有序推进目标合围, 实现了局部避碰与全局一致性的动态平衡. 本文引入一致性目标观测器, 实现了在通信受限条件下的状态估计同步, 为集群协同提供可靠的感知支撑.

仿真结果表明, 本文所提方法在存在感知、通信失效与障碍环境的条件下仍能保持良好的合围稳定性与避碰性能. 与现有方法相比, 在合围时间、稳态误差及避碰成功率等指标上均有提升. 进一步的失效比例分析表明, 当节点失效比例不超过30%时, 系统仍能维持较高的合围精度与安全性, 验证了算法的鲁棒性与容错能力.

未来将进一步考虑多目标合围与异构集群协同控制, 以验证方法在更复杂任务场景中的可扩展性.

作者简介

彭雅兰

北京航空航天大学自动化科学与电气工程学院博士研究生. 主要研究方向为仿生集群自主飞行控制.E-mail: ylpeng@buaa.edu.cn

段海滨

北京航空航天大学自动化科学与电气工程学院教授. 主要研究方向为无人机集群仿生自主飞行控制. 本文通信作者.E-mail: hbduan@buaa.edu.cn

范彦铭

中国航空工业集团公司沈阳飞机设计研究所首席专家. 主要研究方向为先进飞行控制技术研究与系统研制.E-mail: michaelfan@yeah.net

李明

中国工程院院士. 中国航空工业集团公司沈阳飞机设计研究所首席专家. 主要研究方向为飞机自动化, 无人机自主飞行控制. E-mail: mingli@mail.sy.ln.cn