·320 工程科学学报，第39卷，第3期 的适应能力，对环境状态会有自身判断，并采取相应的 下的协调避障控制也具有一定的借鉴意义，二者均需 个体应急措施，鸟群中的鸟类个体面对动态变化的环 要在没有中心节点的条件下，通过局部交互形成群体 境其应急措施不再仅仅是个人行为，而是个体通过局 致或是分群一致的避障策略，并在避障过程中个体 部协调决策规则参与群体决策而最终产生的群体应急 间依然保持紧密但不发生碰撞，且群体状态协调一致， 措施，在协调决策的过程中，个体依据以往交互经验， 可以同步、快速的改变飞行方向. 选择听取对于环境适应能力较强的邻居个体意见，并 综上所述，如图2所示，考虑鸟群群集运动所遵循 给予对环境适应能力较弱的邻居个体以自身应急方 的聚集、分离与对齐三个基本原则，针对欧椋鸟群和鸽 案，从而形成一个存在于不平稳飞行状态下的飞行领 群所共有的拓扑交互、鸽群所特有的层级引领以及策 导等级层级作用网络.该层级作用网络中个体间并不 略切换等群集行为机制，可建立具有动态环境适应性 是两两均可构成联系，且个体并不是仅与群体内的唯 的鸟群群集运动模型与协调决策模型.在此基础上， 一个体存在联系，映射到多无人机的编队协调控制，该 分别建立从鸟群群集运动模型到无人机集群编队构型 机制既可节省单机系统中通讯模块的占用空间，又可 参数设计及编队保持，和复杂动态环境下从鸟群协调 保证整个无人机集群系统的可靠性，使得在单架飞机 决策模型到无人机集群实时避障策略生成及切换拓扑 出现故障后仍可编队重构，继续执行任务.此外，鸟群 重构间的映射关系，进而实现基于鸟群群集行为机制 系统中的协调决策规则对于多无人机系统在突发状况 的无人机集群编队协调自主控制. 拓扑交互 聚集 层级引领 分离 策略切挽 对齐 规则机制映射 鸟群群集 运动模型 构型参数及保持 集群编队保特 鸟群协调 切 决策模型 换拓 群体实时 避障策略 合 复杂动态环境 无人机集群编队 自主控制 集群编队 切换拓扑重构 图2从鸟群群集飞行机制到无人机集群编队控制（图中两个图片来自Dreamstime.com,作者分别为Yoderrm和Murat Erhan Okeu) Fig.2 From the collective flight mechanism in bird flocks to UAV swarm formation control (the two images are respectively from Yoderm and Murat Erhan Okcu in Dreamstime.com) 行并没有实现真正的机间避障，而是通过将各无人机 3 基于鸟群群集行为的无人机集群编队 保持在不同高度以防止机间发生碰撞.Viragh等网也 基于鸟群群集行为机制的无人机集群编队控制方 在该工作基础上，进一步总结了无人机集群编队自主 面的研究困难重重，近几年才陆续取得一些破冰式进 控制算法的最简模式，无人机个体模型需要考虑惯性、 展.20l1年，Hauert等B利用小型固定翼无人机作为 内部噪声、传感器更新延迟、数据处理时延、通讯局域 实验平台，在Reynolds三原则控制基础上添加了迁徙 性以及一般环境噪声，其速度控制分量大致可分为四 (migration)控制，最终实现了无人机集群自主室外飞 项：趋于期望速度的控制分量、避撞控制分量、对齐控 行任务.该集群验证工作的难点除无人机间通信范围 制分量以及边界限制控制分量.当个体在规定区域内 受限外，还在于所选用的实验平台较之无人地面机器 时，边界对个体存在斥力：在区域外时，边界限制控制 人或旋翼飞行器，需要始终保持一定的向前飞行速度， 分量使得群体中心趋向区域中心.2015年，Saska阅实 并且无法进行大角度的急转弯.20l4年，Vasarhelyi 现了小型旋翼无人机沿预设路径的集群避障运动，该 等即首次实现了多架四旋翼无人机的室外分布式完 集群中的无人机间不存在通信，完全依靠视觉信息进 全自主编队飞行.该无人机集群框架同样受Reynolds 行机间定位，即仅依靠相对位置信息进行集群编队，因 提出的群集模型启发，无需地面站或者其他集中式数 此该方法并不能实现复杂环境下的集群密集编队，也 据处理与控制单元，所有计算过程均由各无人机上机 不满足Reynolds三原则中的速度对齐原则.笔者所在 载计算机完成.需要说明的是，以上两次室外集群飞 实验室在大量基于自然界中群体智能的多无人机编队工程科学学报，第 39 卷，第 3 期 的适应能力，对环境状态会有自身判断，并采取相应的 个体应急措施，鸟群中的鸟类个体面对动态变化的环 境其应急措施不再仅仅是个人行为，而是个体通过局 部协调决策规则参与群体决策而最终产生的群体应急 措施，在协调决策的过程中，个体依据以往交互经验， 选择听取对于环境适应能力较强的邻居个体意见，并 给予对环境适应能力较弱的邻居个体以自身应急方 案，从而形成一个存在于不平稳飞行状态下的飞行领 导等级层级作用网络． 该层级作用网络中个体间并不 是两两均可构成联系，且个体并不是仅与群体内的唯 一个体存在联系，映射到多无人机的编队协调控制，该 机制既可节省单机系统中通讯模块的占用空间，又可 保证整个无人机集群系统的可靠性，使得在单架飞机 出现故障后仍可编队重构，继续执行任务． 此外，鸟群 系统中的协调决策规则对于多无人机系统在突发状况 下的协调避障控制也具有一定的借鉴意义，二者均需 要在没有中心节点的条件下，通过局部交互形成群体 一致或是分群一致的避障策略，并在避障过程中个体 间依然保持紧密但不发生碰撞，且群体状态协调一致， 可以同步、快速的改变飞行方向． 综上所述，如图 2 所示，考虑鸟群群集运动所遵循 的聚集、分离与对齐三个基本原则，针对欧椋鸟群和鸽 群所共有的拓扑交互、鸽群所特有的层级引领以及策 略切换等群集行为机制，可建立具有动态环境适应性 的鸟群群集运动模型与协调决策模型． 在此基础上， 分别建立从鸟群群集运动模型到无人机集群编队构型 参数设计及编队保持，和复杂动态环境下从鸟群协调 决策模型到无人机集群实时避障策略生成及切换拓扑 重构间的映射关系，进而实现基于鸟群群集行为机制 的无人机集群编队协调自主控制． 图 2 从鸟群群集飞行机制到无人机集群编队控制( 图中两个图片来自 Dreamstime． com，作者分别为 Yoderrm 和 Murat Erhan Okcu) Fig． 2 From the collective flight mechanism in bird flocks to UAV swarm formation control ( the two images are respectively from Yoderrm and Murat Erhan Okcu in Dreamstime． com) 3 基于鸟群群集行为的无人机集群编队 基于鸟群群集行为机制的无人机集群编队控制方 面的研究困难重重，近几年才陆续取得一些破冰式进 展． 2011 年，Hauert 等［30］利用小型固定翼无人机作为 实验平台，在 Ｒeynolds 三原则控制基础上添加了迁徙 ( migration) 控制，最终实现了无人机集群自主室外飞 行任务． 该集群验证工作的难点除无人机间通信范围 受限外，还在于所选用的实验平台较之无人地面机器 人或旋翼飞行器，需要始终保持一定的向前飞行速度， 并且无法 进 行 大 角 度 的 急 转 弯． 2014 年，Vsrhelyi 等［31］首次实现了多架四旋翼无人机的室外分布式完 全自主编队飞行． 该无人机集群框架同样受 Ｒeynolds 提出的群集模型启发，无需地面站或者其他集中式数 据处理与控制单元，所有计算过程均由各无人机上机 载计算机完成． 需要说明的是，以上两次室外集群飞 行并没有实现真正的机间避障，而是通过将各无人机 保持在不同高度以防止机间发生碰撞． Virgh 等［32］也 在该工作基础上，进一步总结了无人机集群编队自主 控制算法的最简模式，无人机个体模型需要考虑惯性、 内部噪声、传感器更新延迟、数据处理时延、通讯局域 性以及一般环境噪声，其速度控制分量大致可分为四 项: 趋于期望速度的控制分量、避撞控制分量、对齐控 制分量以及边界限制控制分量． 当个体在规定区域内 时，边界对个体存在斥力; 在区域外时，边界限制控制 分量使得群体中心趋向区域中心． 2015 年，Saska［33］实 现了小型旋翼无人机沿预设路径的集群避障运动，该 集群中的无人机间不存在通信，完全依靠视觉信息进 行机间定位，即仅依靠相对位置信息进行集群编队，因 此该方法并不能实现复杂环境下的集群密集编队，也 不满足 Ｒeynolds 三原则中的速度对齐原则． 笔者所在 实验室在大量基于自然界中群体智能的多无人机编队 · 023 ·