引用本文

何树德, 毕发奇, 赵志甲, 陈首彦, 刘屿, 时昊天. 仿鱼群行为的欠驱动水面机器人自组织编队重构控制. 自动化学报, 2026, 52(5): 1032−1045 doi: 10.16383/j.aas.c250534

He Shu-De, Bi Fa-Qi, Zhao Zhi-Jia, Chen Shou-Yan, Liu Yu, Shi Hao-Tian. Fish-school-behavior-inspired self-organizing formation reconfiguration control for underactuated USVs. Acta Automatica Sinica, 2026, 52(5): 1032−1045 doi: 10.16383/j.aas.c250534

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c250534

关键词

仿鱼群行为，自组织，编队重构，欠驱动，水面机器人

摘要

受鱼群自组织行为启发, 提出一种面向欠驱动水面机器人(USV)的自组织编队架构, 以解决复杂海洋环境下多USV编队重构控制问题. 该架构采用分布式策略, 支持任意USV按需担任临时领导者并重构树状拓扑, 使编队构型随环境自适应调整. 在此基础上, 首先基于鱼群穿越狭窄通道的疏散行为机制, 提出一种仿鱼群疏散编队重构算法, 将通行优势排序与有限状态机切换结合, 实现受限环境中的高效、平滑重构. 然后, 基于鱼群逃逸行为机制, 设计自组织动态分裂−合并编队重构算法, 将重构问题建模为多智能体路径规划问题, 并结合Dubins路径和改进遗传算法优化满足USV运动学与安全间距约束的重构轨迹. 最后, 结合横截函数法设计编队控制律, 并利用Lyapunov理论证明闭环稳定性. 仿真结果表明, 所提方法在狭窄通道和大型障碍物场景下具有良好的适应性与重构效果.

文章导读

水面机器人(unmanned surface vehicle, USV)作为海洋智能装备的核心组成部分, 在海洋环境监测、海上搜救、海洋资源勘探等关键领域发挥着不可替代的作用[1−3]. 特别是在复杂海况和危险环境下, 水面机器人编队协同作业能够显著提升任务执行效率和系统鲁棒性[4]. 其中, 欠驱动水面机器人凭借其结构简单、成本低廉、能耗较低等独特优势, 已成为海洋机器人研究的热点方向[5]. 然而, 水面机器人的欠驱动特性(两个独立控制输入、三个被控自由度)及其作业环境的复杂性使得水面机器人编队控制仍面临诸多挑战.

针对欠驱动水面机器人编队控制问题, Jin[6]通过控制跟随者与领导者之间的视线距离和角度来降低被控自由度, 从而克服欠驱动特性带来的控制设计困难. 基于这种思想, Gu等[7]设计一种基于有限时间观测器的分布式控制方案, 实现欠驱动水面机器人在协同路径跟踪机动中的碰撞避免与通信连接保持. Dai等[8]则通过引入“额外控制输入”来解决欠驱动特性带来的控制设计难题, 并利用屏障Lyapunov函数实现水面机器人之间的通讯连接保持和碰撞避免. 然而, 这些研究主要关注开阔水域的编队控制. 为解决作业环境中遇到的受阻水道问题, Lu等[9]基于方位刚性理论提出可伸缩预定义编队形状的编队控制方法. 然而, 伸缩编队控制只能改变编队形状的大小而无法进行形状变换, 这限制了其在一些特殊场景下的应用. 为此, Zhang等[10−11]提出“线性编队控制”方法以实现编队形状的大小和样式变换, 扩宽了其应用场景. 值得指出的是, 文献[6−11]都采用预定义的几何构型, 其编队形状无法依据动态环境进行灵活变换. 因此, 复杂环境下欠驱动水面机器人编队控制仍存在以下挑战: 1)传统编队控制方法多采用预定义的编队构型, 在面对狭窄通道、大型障碍物等复杂环境时, 依赖预设的控制策略和理想的通信条件, 缺乏自主决策和动态调整机制, 容易导致任务失败[12]; 2)水面机器人的欠驱动特性使得编队重构过程中的轨迹规划除了要满足安全约束条件之外, 还需要满足二阶非完整约束条件.

考虑到现有方法的局限性, 本文转向自然界寻求解决方案. 生物群体历经亿万年进化, 发展出高效的分布式协调机制, 能够仅通过局部信息交互实现复杂的集体行为[13−15]. 班晓娟等[16]研究人工鱼群的自组织行为, 揭示了鱼群如何通过简单的局部规则实现群体协调运动. 段海滨等[17]的无人机集群研究表明, 借鉴鸟群的自推进粒子模型能够实现灵活的相态转换. Zhu等[18]提出的自组织神经系统能够高效地完成分层控制与任务分配, 并在环境变化或部分节点失效时, 通过选举新的领导者和重构拓扑, 实现快速的结构重组. Larrieu等[19]研究鱼群通过狭窄开口时的独特机制, 发现个体鱼类通过维持“社交泡泡”——一种动态调整的认知空间, 在避免碰撞的同时保持群体凝聚力, 实现了无堵塞的有序疏散. 此外, 生物群在面对捕食者威胁时, 会通过快速的信息传播识别威胁, 然后分裂成多个子群以降低被捕食风险, 待威胁解除后再重新合并[20−21]. 生物群体所展现的局部信息交互的分布式决策机制, 具有高度的鲁棒性和适应性, 在面对环境变化和个体失效时展现出优异的自修复能力, 为解决大规模智能体系统的协同控制问题提供了新的思路[22−23].

受自组织神经系统的启发, 本文提出一种针对欠驱动水面机器人的自组织编队架构(self-organizing unmanned surface vehicle formation architecture, SoUSV-FA), 编队中的任何一个水面机器人都能够根据环境变化和任务需求, 遵循选举机制动态地成为临时领导者, 并围绕自身快速重建一个树状的通信与控制拓扑. 在此框架下, 领导者的选举是实现编队形状动态重构的关键步骤. 为此, 本文深入研究鱼群通过狭窄开口时的疏散机制, 提出仿鱼群疏散机制的算法, 将鱼群的“社交泡泡”机制抽象为有限状态机切换的分布式控制策略, 通过选举临时领导者排序跟随者通行优势, 并结合事件驱动的状态转换机制, 实现无碰撞的动态重构. 此外, 本文从鱼群的逃逸行为得到启发, 提出仿鱼群逃逸行为的编队动态重构算法, 通过融合局部感知进行分裂决策和优化合并路径, 实现动态结构调整以适应如大型障碍物的复杂环境. 本质上, 动态合并重构过程是一个多智能体路径规划(multi-agent path finding, MAPF)问题[24]. 考虑到欠驱动水面机器人的特性, 本文采用满足曲率约束的最短可行路径的Dubins路径[25]作为基本方法. 然而, 多USV的Dubins路径协调是一个NP难问题. 作为一种启发式全局搜索算法, 遗传算法对于目标函数与可行性约束紧密耦合的NP难组合优化问题, 能通过种群进化机制和概率性搜索策略避免这些问题[26−27]. 为此, 本文提出一种新的基于Dubins路径和改进遗传算法的MAPF求解器, 通过自适应参数调节、精英保留策略和局部搜索增强, 在保证安全间隔的同时优化合并轨迹.

综上所述, 本文的主要贡献包括:

1)提出一种面向欠驱动水面机器人的自组织编队架构, 其具备自适应队形重构能力;

2)设计一种仿鱼群疏散行为的自组织编队重构算法, 在SoUSV-FA中基于通行优势排序和状态机切换, 实现编队在狭窄通道中的动态协调通行;

3)设计一种仿鱼群逃逸行为的自组织编队动态分裂−合并算法, 针对欠驱动水面机器人设计融合Dubins路径与改进遗传算法的MAPF求解器, 优化整体重构轨迹, 使编队高效通过大型障碍物, 增强系统在复杂环境中的结构适应性.

图1  欠驱动水面机器人编队控制系统框图

图2  自组织水面机器人编队架构树结构重构示例

图3  水面机器人的x-y相平面轨迹

本文围绕水面机器人编队重构问题, 提出一种受鱼群自组织行为启发的欠驱动水面机器人自组织编队重构控制方法. 其中, 重构算法包括仿鱼群疏散行为重构算法与仿鱼群逃逸行为动态分裂−合并重构算法, 用于在编队遭遇障碍物、礁石或任务变更等情况下生成可行的参考轨迹; 编队控制律则负责驱动编队中各水面机器人以足够小的跟踪误差准确跟踪所生成的轨迹. 本文所提方法能够实现编队根据环境变化自适应调整队形, 并在保持良好跟踪性能的同时, 有效抑制欠驱动特性对系统的影响. 目前, 所提方法主要针对静态障碍物场景, 未来研究将进一步探索动态障碍物环境下的编队重构问题, 从而提升算法在复杂动态环境中的适应能力.

作者简介

何树德

广州大学机械与电气工程学院副教授. 主要研究方向为协同控制, 学习控制和自主机器人. E-mail: shude_he@gzhu.edu.cn

毕发奇

广州大学机械与电气工程学院硕士研究生. 主要研究方向为无人艇编队控制. E-mail: bfq@e.gzhu.edu.cn

赵志甲

广州大学机械与电气工程学院教授. 主要研究方向为自适应控制, 学习控制, 柔性机械系统和机器人技术. E-mail: zhaozj@gzhu.edu.cn

陈首彦

广州大学机械与电气工程学院副教授. 主要研究方向为机器人, 人机交互和智能控制. E-mail: maxcsy@gzhu.edu.cn

刘屿

华南理工大学自动化科学与工程学院教授. 主要研究方向为机器人, 智能控制系统和机器视觉. E-mail: auylau@scut.edu.cn

时昊天

广州大学电子与通信工程学院讲师. 主要研究方向为自适应神经网络控制, 学习控制和多智能体系统.本文通信作者. E-mail: shihaotian@gzhu.edu.cn

支持单位：