无人机
DOI：10．16338/j．issn．1009-1319．2015．07．07
多无人机协同控制的研究现状与主要挑战
周绍磊
康宇航
秦
亮
尹延涛
摘要从协同任务分配、协同航迹规划、协同编队
多依据。例如采用多架无人机进行交通管制时，决策者可以根据在各个交通枢纽中的无人机感知的交通环境信息保证交通畅通，这是单架无人机无法完成的。
2）提高任务完成率：单架UAV在执行任务的过程中可能由于故障等原因而不能继续执行任务，当采用多架无人机执行任务时，其它的无人机可以弥补出故障无人机的空缺，这样通过团队中每个UAV的相互配合不仅提高完成任务的概率，还提高了完成任务的质量。例如多架无人机在执行突防任务时，某一架或某几架无人机出现故障或者被击毁虽然在一定程度上降低了任务完成的质量，但是只要有一架无人机完成任务，就成功了。
3）缩短任务完成时间：单架无人机即使能完成多个任务也是依次完成，这就像一个串行的过程，任务需要一个一个的完成；当采用多架无人机执行任务时，可以给每个无人机或者每组无人机分配不同的任务，相当于多无人机在并行执行任务，这样将大大缩短完成任务的时间。
诚然，多架无人机执行任务并不是无序地、杂乱无章地执行任务，这些无人机需要被合理地组织起来，协同控制就是一种非常高效的方法。多无人机协同控制达到的效果也不是单架无人机效果的累加，而是整体效能的大大提升，远远超过了单架无人机效果的累加和。1
国外研究现状
介绍了国外多无人机协同控制研究现状。根据控制三方面，
未来战场环境态势与任务需求情况，分析了通信链路、时效性、计算复杂、环境复杂等多无人机协同控制所面临的挑战，并对多无人机协同控制未来发展趋势进行了分析。
关键词划
多无人机
协同任务分配
协同航迹规
协同编队控制
引言
未来的战争越来越激烈，由此引起的人员伤亡
与财力消耗也越来越大，为了减少人员伤亡率并降低战争费用，无人机（UAV）在战争中的使用愈发普遍，且其在战争中所占比重也呈增长趋势。除了军事需求，在执行恶劣环境（核、生物、化学、火山等环境）勘探、人工降雨、交通管制、航拍等民用任务时，无人机也展示了强大的功能与优势。随着自动化控制技术、人工智能技术、计算机技术、通信技术、信息融合技术、材料技术等日渐成熟，许多现有有人机无法触及的领域也将出现无人机的身影。
无人机的发展经历了一个由低到高的过程，从最初的单机执行简单任务到现在的多机协同执行复杂任务。目前，有许多新兴国家都在大力研究多无人机的协同作战
［1］
。无论在军事领域还是在民用领
域，与单架无人机相比，多架无人机组成的团队协
同工作具有更大的优势，具体体现在：
1）增加信息感知量：单架无人机感知的环境信息有限，当多架无人机同时感知环境时，无人机之间的相互通信能够获得更大范围、更加全面、更加准确的信息，这些信息将为决策者进行决策提供更
目前国外已经有众多军事院校、大学、研究机构、科研单位对协同控制开展了大量的研究工作。
03-18收到，周绍磊、康宇航分别系海军航空工程学院教授、博士生本文2015-
飞航导弹2015年第7期·31·
其中以美军取得的研究成果最显著，大量与多无人机有关的项目也都是从美军军事需求开始的，且许多项目都进行了相关试验。从具体功能上来看，多无人机协同控制技术可分为多无人机任务分配、多无人机航迹规划、多无人机编队控制1．1多无人机协同任务分配
［2］
航程来解决空间协同与时间协同，进而提出了一种
基于路径均衡蚁群优化的航迹规划方法，用以解决多无人机的航路规划，试验结果表明该方法能够保证多无人机在复杂的环境下找到最优的航迹。
。
多无人机协同任务分配（图1所示）是针对不同用户提出的任务需求，将总体任务合理地分配给不同的无人机，确定各无人机执行任务的序列、时
［3-7］。间等，达到以最小代价取得最大效益的目的
图2多无人机协同航迹规划
针对目前多无人机低空突防航迹规划存在的
13］通过引入人脑的有限干预，结合不足，文献［
改进型的自适应遗传算法，提出了一种新型的多
无人机低空突防航迹规划技术，仿真结果表明该算法能有效地帮助多无人机实现威胁规避与地形规避。
图1
多无人机协同任务分配
为了使多无人机能够在动态变化的环境中有效
14］地避免以前的障碍与新出现的障碍，文献［提出了不同的优先级代价，通过对预测窗口和规划窗口
的调节，搜索新的航迹，使得多无人机整个飞行代价最小。
1．3多无人机协同编队控制
无人机编队控制是指多无人机根据战场态势、战场条件等因素按照一定的队形进行排列，以保证任务的顺利完成。当无人机群中的某架无人机因故不能继续执行任务时，剩下的多无人机群应该能重。目前多无人机编队控制新形成新的编队队形
的方法基本有两种，分别是领航-跟随法（Leader-Follower）和虚拟领航法（VirtualLeader）。
领航跟随法（图3所示）是目前使用最多的编队控制方法，将编队中的一架无人机（一般为编队前面的第一架无人机）作为领航者，编队中的其它无人机作为跟随者，飞行过程中，只需要对领航者进行规划航迹，跟随者根据一定的约束条件跟随领航者飞行。
飞航导弹2015年第7期
［15-16］
8］文献［采用了拍卖机制对动态环境中的突发
9］采用了事件进行多无人机的任务重分配；文献［
反射禁忌搜索算法对抽象为带时间窗的多旅行商问
题（多无人机的协同任务分配问题）进行求解；针对现有动态任务分配只是单方面考虑动态分配策略或
10］动态分配方法的不足，文献［提出一种改进的混合重分配策略，综合考虑了动态分配策略与动态分
配方法，提出了混合细菌觅食算法，运用该算法对动态环境中的无人作战飞机进行任务分配，仿真试验表明该方法的有效性。1．2
多无人机协同航迹规划
多无人机协同航迹规划（图2所示）是指在满足各种约束条件（空间约束、时间约束、环境约束、任务约束等）的前提下，为整个无人机群中的每架无人机规划出一条从起始点到目标点的航迹，并且
［11］
使得无人机群的整体性能达到最优。
12］分别通过引入阻塞因子与可变协同文献［·32·
无人
机
图3领航-跟随法编队飞行图图5虚拟领航法编队飞行图
新加坡国立大学的陈本美教授在2012年的国际空中机器人大赛中使用了两架无人直升机（领航者：Helion，跟随者：Shelion）进行多无人机领航跟随法的试验（图4所示），直升机总共飞行了5km，Shelion一直跟随着Helion飞行，两架无人直升机的相对位置误差一直保持在0．5m以内，试验结果表明运用领航跟随法能够有效地完成编队飞行
。
对抗性强，战场条件、战场环境以及作战任务等因素变化快等特点，无人机也需要在执行任务的过程中不断变化，这将给多无人机的协同控制带来新的挑战（图6所示），具体体现在以下几个方面
：
图6无人机协同控制面临的挑战
通信链路：作战的战场环境瞬息万变，现代战争的战场空间不再是传统意义上的陆、海、空，更包括天、电磁、网络等，而保持可靠的多无人机协同控制的关键是多无人机之间的通信，庞大的数据
图4
领航跟随法编队飞行中的Helion与Shelion
信息量需要在极短的时间内完成传输，加上现代战争的电磁、网络干扰，这对多无人机之间的通信提出了更高的要求。能否保证通信链路的畅通是多无人机协同控制的关键。
时效性：在军事斗争中，时效对于战场环境起着决定性作用。当军事任务、内部环境、作战条件等因素发生变化时，多无人机需要在有限的时间内做出反应，如改变原有航迹、飞行高度、编队结构、飞行速度等。与单架无人机或者有人机不同，多无人机协同控制不仅要考虑单架飞机的控制，另一方面还要把多无人机作为一个整体来考虑，对于多无人机协同控制来说，如果能够抓住、抓好时效性这
·33·
虚拟领航法（图5所示）并没有将无人机编队中的某一架无人机作为领航者，而是在编队中选出一个合适的固定点，编队中的所有无人机都是参照这一固定点来运动。2
多无人机协同控制的主要挑战
多无人机协同控制技术是随着军事需求的增长而发展起来的，这种需求也在变得越来越急切、突出。为了应对日益复杂的军事作战任务，无人机需要充分考虑战场上的其它因素。由于作战双方存在飞航导弹2015年第7期
无人机
个要素，就能够大大提高无人机的生存概率和任务执行的成功概率。
计算复杂：当前无人机需要执行的任务越来越复杂，无人机的控制对实时性也提出了更高的要求，多无人机协同控制涉及的技术包括协同控制、信息融合、传感器测量等先进技术。即使是多架同类型的无人机在执行同一任务时（如多架无人机执行打击任务、多架无人机执行侦察任务等），计算量已经相当庞大；若是不同类型的多架无人机在遂行一次任务时（部分无人机执行侦察任务、部分无人机执行打击任务、部分无人机执行毁伤评估任务等），多无人机协同控制的计算量将呈指数增长，这将是更大的挑战。
环境复杂：未来的无人机面临的战场环境比现在的更加恶劣，变化更加快，这是世界的发展所决定的。环境的变化本来就变幻莫测，而且将来还要加入人为的改变一些环境，对环境的任何疏忽都可能遭致灾难性的后果。为了应对这些情况，多无人机协同控制需要能够快速地对这些复杂环境做出反应，这也将是一大挑战。
通信链路、时效性、计算复杂、环境复杂等各种因素交织在一起，或许又将衍生出新的挑战、新的问题，为了能够让多无人机这种作战方式和手段得以生存和重视，多无人机协同控制技术就必须克服这些挑战。3
未来的发展趋势
3．1
多种不同类型的无人机协同控制
未来的空中战场将以无人机为主导，为了避免人员损失，更可能未来的战场将完全是无人机的战场。当今的空中战争仅仅靠单一类型的无人机肯定不能完成，空中侦察、战机格斗、空中打击、毁伤评估、空中加油、战略轰炸等军事任务都需要无人机，多种不同类型的无人机协同作战正在进行理论研究、技术验证，还没有完全实现多种类型无人机协同作战的系统体系，如何结合战场环境、不同类型无人机的战术特点及作战特性将是一个研究的热点。3．2
复杂、动态变化的战场环境中的多无人机协同控制
现阶段进行的多无人机的协同控制研究主要针对静态环境或者变化非常小的微变化动态环境，未来战场是一个高度复杂、动态变化相当大的环境，无人机所要执行的任务也会随着战场的变化而变化，预先制定的作战方案、作战任务很可能由于各种突发情况（作战目标的变更、战场中突然出现的未知威胁、无人机的数量不够）而无法继续执行（图7所示）。因此，无人机必须具备能够随时根据战场环境、战斗任务的变化快速做出应急反应的能力，针对该情况进行多无人机的协同控制将是研究重点之一
。
多无人机协同控制技术是在单架无人机无法满足需求（军事与民用）的情况下发展起来的，所以未来的多无人机协同控制技术也一定是现有多无人机协同控制技术无法达到的。目前多无人机协同控制技术面对的大多是单一、简单、固定的战场环境，对时间要求不高，而且一般都是同一类型的多架无人机在某一区域内进行协同控制，但是从未来战场环境的发展趋势来看，未来的多无人机协同控制技术必将着眼于复杂、动态变化的环境，且不再是同类的多架无人机执行任务，而是多架不同类型的无人机，多无人机还需要与指挥作战平台等其它平台组成网络，遂行网络化条件下的任务。未来多无人机协同控制的发展趋势主要包括以下几点。·34·
3．3
图7
复杂战场环境
网络化条件下的多无人机协同控制
如果仅仅是进行空战，无人机无疑是最好的选
择，但是未来的战场是集陆、海、空、天、电磁、网为一体的战场（图8所示），与对方的作战也不是单纯的空战，单一的无人机作战平台不能完成任务，
飞航导弹2015年第7期
无人机
无人机平台还需要与后勤指挥部（陆）、海上作战舰艇（海）、大气层外的人造侦察卫星（天）、电磁干扰（电磁）、网络信息化平台（网）等组成一个综合作战平台，才能够达到多平台作战的基本要求。综合作战平台的关键在于信息网络的畅通，然而信息网络可能会由于电磁干扰、大气干扰、气候温度等苛刻的条件出现通信带宽受限、延时太长、传输信息丢失等情况。因此，研究解决网络化条件下的多无人机协同控制技术具有十分重要的意义
。
4］苏菲，陈岩，沈林成．基于蚁群算法的无人机协同多［
2008，29（5）：任务分配．航空学报，
［5］ＲasmussenS，ShimaT，ＲasmussenSJ．UAVcoopera-tivedecisionandcontrol：challengesandpracticalap-proaches．SocietyforIndustrialMathematics，2008［6］LamarWarfield，ThomasＲCarretta，MichaelJPatzek，
etal．ComparingManualandcooperativecontrolmissionmanagementmethodsforwideareasearchmunitions．AFＲL-ＲH-WP-TＲ-2010-0063，2009
［7］MarcJPitarys．J-UCAScommonsystems＆technologies
industrydayforcommonoperatingsystem（COS）devel-opment．2005
［8］ChoiHJ，KimYD．Decentralizedtaskassignmentof
multipleUAVsbasedonthecommunicationstrategyfordynamicEnvironments．TheProceedingsof2010Asia-PacificInternationalSymposiumonAerospaceTechnolo-gy，2010
［9］PatrickVincent，IzhakＲubin．Aframeworkandanalysis
forcooperativesearchusingUAVswarms．2004ACMSymposiumonAppliedComputing．Nicosia，Cyprus，2004
［10］杨尚君，王社伟，陶军，等．动态环境下的多UCAV
图8
未来作战战场
2012，19（7）协同任务分配研究．电光与控制，
11］LiW，CassandrasCG．Centralizedanddistributedco-［
operativerecedinghorizoncontrolofautonomousvehiclemissions．MathematicalandComputerModelling，2006，43
［12］林林，孙其博，王尚广，等．多无人机协同航路规划
2013，36（5）研究．北京邮电大学学报，
［13］任鹏，高晓光．有限干预下的UAV低空突防航迹规
2014，36（4）划．系统工程与电子技术，
［14］ManishaMishra，XuHan，DavidSidoti，DiegoFernan-doMartinezAyala．Multi-objectivecoordinatedpathplanningforateamofUAVsinadynamicenvironment．The18thInternationalCommand＆ControlＲesearch＆TechnologySymposium，2014
［15］GiuliettiF，PolliniL，InnocentiM．Autonomousforma-tionflight．IEEEControlSystemsMagazine，2000（12）
［16］HansonCE，ＲyanJ．Flighttestresultsforanautono-mousformationflightcontrolsystem．AIAA’s1stTech-nicalConferenceandWorkshoponUnmannedAerospaceVehicles，May20-23，2002
4结束语
随着多无人机协同环境感知、多无人机协同任
务分配、多无人机在线协同航迹规划、多无人机协同编队等关键技术的突破，多无人机协同控制在军事和民用领域将会越来越受到重视。多无人机协同控制作为一个前沿的研究方向，涉及的学科、领域都比较多，进一步拓展通信链路畅通、任务解耦问题、协同控制算法的研究，将加快多无人机协同控制器实用化进程。
参考文献
［1］高凯，张翼麟，王一琳．新兴国家典型无人机系统发
2014（8）展现状．飞航导弹，
［2］沈林成，牛轶峰，朱华勇．多无人机自主协同控制理
2013论与方法．北京：国防工业出版社，
［3］廖沫，陈宗基，周锐．基于MAS的多UAV协同任务
2007，19（10）分配设计与仿真．系统仿真学报，
飞航导弹2015年第7期·35·
无人机
DOI：10．16338/j．issn．1009-1319．2015．07．07
多无人机协同控制的研究现状与主要挑战
周绍磊
康宇航
秦
亮
尹延涛
摘要从协同任务分配、协同航迹规划、协同编队
多依据。例如采用多架无人机进行交通管制时，决策者可以根据在各个交通枢纽中的无人机感知的交通环境信息保证交通畅通，这是单架无人机无法完成的。
2）提高任务完成率：单架UAV在执行任务的过程中可能由于故障等原因而不能继续执行任务，当采用多架无人机执行任务时，其它的无人机可以弥补出故障无人机的空缺，这样通过团队中每个UAV的相互配合不仅提高完成任务的概率，还提高了完成任务的质量。例如多架无人机在执行突防任务时，某一架或某几架无人机出现故障或者被击毁虽然在一定程度上降低了任务完成的质量，但是只要有一架无人机完成任务，就成功了。
3）缩短任务完成时间：单架无人机即使能完成多个任务也是依次完成，这就像一个串行的过程，任务需要一个一个的完成；当采用多架无人机执行任务时，可以给每个无人机或者每组无人机分配不同的任务，相当于多无人机在并行执行任务，这样将大大缩短完成任务的时间。
诚然，多架无人机执行任务并不是无序地、杂乱无章地执行任务，这些无人机需要被合理地组织起来，协同控制就是一种非常高效的方法。多无人机协同控制达到的效果也不是单架无人机效果的累加，而是整体效能的大大提升，远远超过了单架无人机效果的累加和。1
国外研究现状
介绍了国外多无人机协同控制研究现状。根据控制三方面，
未来战场环境态势与任务需求情况，分析了通信链路、时效性、计算复杂、环境复杂等多无人机协同控制所面临的挑战，并对多无人机协同控制未来发展趋势进行了分析。
关键词划
多无人机
协同任务分配
协同航迹规
协同编队控制
引言
未来的战争越来越激烈，由此引起的人员伤亡
与财力消耗也越来越大，为了减少人员伤亡率并降低战争费用，无人机（UAV）在战争中的使用愈发普遍，且其在战争中所占比重也呈增长趋势。除了军事需求，在执行恶劣环境（核、生物、化学、火山等环境）勘探、人工降雨、交通管制、航拍等民用任务时，无人机也展示了强大的功能与优势。随着自动化控制技术、人工智能技术、计算机技术、通信技术、信息融合技术、材料技术等日渐成熟，许多现有有人机无法触及的领域也将出现无人机的身影。
无人机的发展经历了一个由低到高的过程，从最初的单机执行简单任务到现在的多机协同执行复杂任务。目前，有许多新兴国家都在大力研究多无人机的协同作战
［1］
。无论在军事领域还是在民用领
域，与单架无人机相比，多架无人机组成的团队协
同工作具有更大的优势，具体体现在：
1）增加信息感知量：单架无人机感知的环境信息有限，当多架无人机同时感知环境时，无人机之间的相互通信能够获得更大范围、更加全面、更加准确的信息，这些信息将为决策者进行决策提供更
目前国外已经有众多军事院校、大学、研究机构、科研单位对协同控制开展了大量的研究工作。
03-18收到，周绍磊、康宇航分别系海军航空工程学院教授、博士生本文2015-
飞航导弹2015年第7期·31·
其中以美军取得的研究成果最显著，大量与多无人机有关的项目也都是从美军军事需求开始的，且许多项目都进行了相关试验。从具体功能上来看，多无人机协同控制技术可分为多无人机任务分配、多无人机航迹规划、多无人机编队控制1．1多无人机协同任务分配
［2］
航程来解决空间协同与时间协同，进而提出了一种
基于路径均衡蚁群优化的航迹规划方法，用以解决多无人机的航路规划，试验结果表明该方法能够保证多无人机在复杂的环境下找到最优的航迹。
。
多无人机协同任务分配（图1所示）是针对不同用户提出的任务需求，将总体任务合理地分配给不同的无人机，确定各无人机执行任务的序列、时
［3-7］。间等，达到以最小代价取得最大效益的目的
图2多无人机协同航迹规划
针对目前多无人机低空突防航迹规划存在的
13］通过引入人脑的有限干预，结合不足，文献［
改进型的自适应遗传算法，提出了一种新型的多
无人机低空突防航迹规划技术，仿真结果表明该算法能有效地帮助多无人机实现威胁规避与地形规避。
图1
多无人机协同任务分配
为了使多无人机能够在动态变化的环境中有效
14］地避免以前的障碍与新出现的障碍，文献［提出了不同的优先级代价，通过对预测窗口和规划窗口
的调节，搜索新的航迹，使得多无人机整个飞行代价最小。
1．3多无人机协同编队控制
无人机编队控制是指多无人机根据战场态势、战场条件等因素按照一定的队形进行排列，以保证任务的顺利完成。当无人机群中的某架无人机因故不能继续执行任务时，剩下的多无人机群应该能重。目前多无人机编队控制新形成新的编队队形
的方法基本有两种，分别是领航-跟随法（Leader-Follower）和虚拟领航法（VirtualLeader）。
领航跟随法（图3所示）是目前使用最多的编队控制方法，将编队中的一架无人机（一般为编队前面的第一架无人机）作为领航者，编队中的其它无人机作为跟随者，飞行过程中，只需要对领航者进行规划航迹，跟随者根据一定的约束条件跟随领航者飞行。
飞航导弹2015年第7期
［15-16］
8］文献［采用了拍卖机制对动态环境中的突发
9］采用了事件进行多无人机的任务重分配；文献［
反射禁忌搜索算法对抽象为带时间窗的多旅行商问
题（多无人机的协同任务分配问题）进行求解；针对现有动态任务分配只是单方面考虑动态分配策略或
10］动态分配方法的不足，文献［提出一种改进的混合重分配策略，综合考虑了动态分配策略与动态分
配方法，提出了混合细菌觅食算法，运用该算法对动态环境中的无人作战飞机进行任务分配，仿真试验表明该方法的有效性。1．2
多无人机协同航迹规划
多无人机协同航迹规划（图2所示）是指在满足各种约束条件（空间约束、时间约束、环境约束、任务约束等）的前提下，为整个无人机群中的每架无人机规划出一条从起始点到目标点的航迹，并且
［11］
使得无人机群的整体性能达到最优。
12］分别通过引入阻塞因子与可变协同文献［·32·
无人
机
图3领航-跟随法编队飞行图图5虚拟领航法编队飞行图
新加坡国立大学的陈本美教授在2012年的国际空中机器人大赛中使用了两架无人直升机（领航者：Helion，跟随者：Shelion）进行多无人机领航跟随法的试验（图4所示），直升机总共飞行了5km，Shelion一直跟随着Helion飞行，两架无人直升机的相对位置误差一直保持在0．5m以内，试验结果表明运用领航跟随法能够有效地完成编队飞行
。
对抗性强，战场条件、战场环境以及作战任务等因素变化快等特点，无人机也需要在执行任务的过程中不断变化，这将给多无人机的协同控制带来新的挑战（图6所示），具体体现在以下几个方面
：
图6无人机协同控制面临的挑战
通信链路：作战的战场环境瞬息万变，现代战争的战场空间不再是传统意义上的陆、海、空，更包括天、电磁、网络等，而保持可靠的多无人机协同控制的关键是多无人机之间的通信，庞大的数据
图4
领航跟随法编队飞行中的Helion与Shelion
信息量需要在极短的时间内完成传输，加上现代战争的电磁、网络干扰，这对多无人机之间的通信提出了更高的要求。能否保证通信链路的畅通是多无人机协同控制的关键。
时效性：在军事斗争中，时效对于战场环境起着决定性作用。当军事任务、内部环境、作战条件等因素发生变化时，多无人机需要在有限的时间内做出反应，如改变原有航迹、飞行高度、编队结构、飞行速度等。与单架无人机或者有人机不同，多无人机协同控制不仅要考虑单架飞机的控制，另一方面还要把多无人机作为一个整体来考虑，对于多无人机协同控制来说，如果能够抓住、抓好时效性这
·33·
虚拟领航法（图5所示）并没有将无人机编队中的某一架无人机作为领航者，而是在编队中选出一个合适的固定点，编队中的所有无人机都是参照这一固定点来运动。2
多无人机协同控制的主要挑战
多无人机协同控制技术是随着军事需求的增长而发展起来的，这种需求也在变得越来越急切、突出。为了应对日益复杂的军事作战任务，无人机需要充分考虑战场上的其它因素。由于作战双方存在飞航导弹2015年第7期
无人机
个要素，就能够大大提高无人机的生存概率和任务执行的成功概率。
计算复杂：当前无人机需要执行的任务越来越复杂，无人机的控制对实时性也提出了更高的要求，多无人机协同控制涉及的技术包括协同控制、信息融合、传感器测量等先进技术。即使是多架同类型的无人机在执行同一任务时（如多架无人机执行打击任务、多架无人机执行侦察任务等），计算量已经相当庞大；若是不同类型的多架无人机在遂行一次任务时（部分无人机执行侦察任务、部分无人机执行打击任务、部分无人机执行毁伤评估任务等），多无人机协同控制的计算量将呈指数增长，这将是更大的挑战。
环境复杂：未来的无人机面临的战场环境比现在的更加恶劣，变化更加快，这是世界的发展所决定的。环境的变化本来就变幻莫测，而且将来还要加入人为的改变一些环境，对环境的任何疏忽都可能遭致灾难性的后果。为了应对这些情况，多无人机协同控制需要能够快速地对这些复杂环境做出反应，这也将是一大挑战。
通信链路、时效性、计算复杂、环境复杂等各种因素交织在一起，或许又将衍生出新的挑战、新的问题，为了能够让多无人机这种作战方式和手段得以生存和重视，多无人机协同控制技术就必须克服这些挑战。3
未来的发展趋势
3．1
多种不同类型的无人机协同控制
未来的空中战场将以无人机为主导，为了避免人员损失，更可能未来的战场将完全是无人机的战场。当今的空中战争仅仅靠单一类型的无人机肯定不能完成，空中侦察、战机格斗、空中打击、毁伤评估、空中加油、战略轰炸等军事任务都需要无人机，多种不同类型的无人机协同作战正在进行理论研究、技术验证，还没有完全实现多种类型无人机协同作战的系统体系，如何结合战场环境、不同类型无人机的战术特点及作战特性将是一个研究的热点。3．2
复杂、动态变化的战场环境中的多无人机协同控制
现阶段进行的多无人机的协同控制研究主要针对静态环境或者变化非常小的微变化动态环境，未来战场是一个高度复杂、动态变化相当大的环境，无人机所要执行的任务也会随着战场的变化而变化，预先制定的作战方案、作战任务很可能由于各种突发情况（作战目标的变更、战场中突然出现的未知威胁、无人机的数量不够）而无法继续执行（图7所示）。因此，无人机必须具备能够随时根据战场环境、战斗任务的变化快速做出应急反应的能力，针对该情况进行多无人机的协同控制将是研究重点之一
。
多无人机协同控制技术是在单架无人机无法满足需求（军事与民用）的情况下发展起来的，所以未来的多无人机协同控制技术也一定是现有多无人机协同控制技术无法达到的。目前多无人机协同控制技术面对的大多是单一、简单、固定的战场环境，对时间要求不高，而且一般都是同一类型的多架无人机在某一区域内进行协同控制，但是从未来战场环境的发展趋势来看，未来的多无人机协同控制技术必将着眼于复杂、动态变化的环境，且不再是同类的多架无人机执行任务，而是多架不同类型的无人机，多无人机还需要与指挥作战平台等其它平台组成网络，遂行网络化条件下的任务。未来多无人机协同控制的发展趋势主要包括以下几点。·34·
3．3
图7
复杂战场环境
网络化条件下的多无人机协同控制
如果仅仅是进行空战，无人机无疑是最好的选
择，但是未来的战场是集陆、海、空、天、电磁、网为一体的战场（图8所示），与对方的作战也不是单纯的空战，单一的无人机作战平台不能完成任务，
飞航导弹2015年第7期
无人机
无人机平台还需要与后勤指挥部（陆）、海上作战舰艇（海）、大气层外的人造侦察卫星（天）、电磁干扰（电磁）、网络信息化平台（网）等组成一个综合作战平台，才能够达到多平台作战的基本要求。综合作战平台的关键在于信息网络的畅通，然而信息网络可能会由于电磁干扰、大气干扰、气候温度等苛刻的条件出现通信带宽受限、延时太长、传输信息丢失等情况。因此，研究解决网络化条件下的多无人机协同控制技术具有十分重要的意义
。
4］苏菲，陈岩，沈林成．基于蚁群算法的无人机协同多［
2008，29（5）：任务分配．航空学报，
［5］ＲasmussenS，ShimaT，ＲasmussenSJ．UAVcoopera-tivedecisionandcontrol：challengesandpracticalap-proaches．SocietyforIndustrialMathematics，2008［6］LamarWarfield，ThomasＲCarretta，MichaelJPatzek，
etal．ComparingManualandcooperativecontrolmissionmanagementmethodsforwideareasearchmunitions．AFＲL-ＲH-WP-TＲ-2010-0063，2009
［7］MarcJPitarys．J-UCAScommonsystems＆technologies
industrydayforcommonoperatingsystem（COS）devel-opment．2005
［8］ChoiHJ，KimYD．Decentralizedtaskassignmentof
multipleUAVsbasedonthecommunicationstrategyfordynamicEnvironments．TheProceedingsof2010Asia-PacificInternationalSymposiumonAerospaceTechnolo-gy，2010
［9］PatrickVincent，IzhakＲubin．Aframeworkandanalysis
forcooperativesearchusingUAVswarms．2004ACMSymposiumonAppliedComputing．Nicosia，Cyprus，2004
［10］杨尚君，王社伟，陶军，等．动态环境下的多UCAV
图8
未来作战战场
2012，19（7）协同任务分配研究．电光与控制，
11］LiW，CassandrasCG．Centralizedanddistributedco-［
operativerecedinghorizoncontrolofautonomousvehiclemissions．MathematicalandComputerModelling，2006，43
［12］林林，孙其博，王尚广，等．多无人机协同航路规划
2013，36（5）研究．北京邮电大学学报，
［13］任鹏，高晓光．有限干预下的UAV低空突防航迹规
2014，36（4）划．系统工程与电子技术，
［14］ManishaMishra，XuHan，DavidSidoti，DiegoFernan-doMartinezAyala．Multi-objectivecoordinatedpathplanningforateamofUAVsinadynamicenvironment．The18thInternationalCommand＆ControlＲesearch＆TechnologySymposium，2014
［15］GiuliettiF，PolliniL，InnocentiM．Autonomousforma-tionflight．IEEEControlSystemsMagazine，2000（12）
［16］HansonCE，ＲyanJ．Flighttestresultsforanautono-mousformationflightcontrolsystem．AIAA’s1stTech-nicalConferenceandWorkshoponUnmannedAerospaceVehicles，May20-23，2002
4结束语
随着多无人机协同环境感知、多无人机协同任
务分配、多无人机在线协同航迹规划、多无人机协同编队等关键技术的突破，多无人机协同控制在军事和民用领域将会越来越受到重视。多无人机协同控制作为一个前沿的研究方向，涉及的学科、领域都比较多，进一步拓展通信链路畅通、任务解耦问题、协同控制算法的研究，将加快多无人机协同控制器实用化进程。
参考文献
［1］高凯，张翼麟，王一琳．新兴国家典型无人机系统发
2014（8）展现状．飞航导弹，
［2］沈林成，牛轶峰，朱华勇．多无人机自主协同控制理
2013论与方法．北京：国防工业出版社，
［3］廖沫，陈宗基，周锐．基于MAS的多UAV协同任务
2007，19（10）分配设计与仿真．系统仿真学报，
飞航导弹2015年第7期·35·