彭周華，吳文濤，王丹，劉陸

大連海事大學(xué) 船舶電氣工程學(xué)院，遼寧 大連 116026

0 引 言

21 世紀(jì)是海洋的世紀(jì)，海洋蘊(yùn)藏著豐富的生物資源、油氣資源和礦物資源，是人類生存和可持續(xù)發(fā)展的戰(zhàn)略空間和資源要地。世界各國(guó)高度重視自由進(jìn)入海洋空間、維護(hù)海洋空間權(quán)益、增強(qiáng)海洋空間控制等技術(shù)，尤其是大力發(fā)展無(wú)人航行器，包括無(wú)人艇(unmanned surface vehicle, USV)和自主式水下機(jī)器人(autonomous underwater vehicle,AUV)，可用于海洋資源的開(kāi)發(fā)和海洋權(quán)益的爭(zhēng)奪[1-2]。

無(wú)人艇作為一種以遙控或自主方式航行的小型化、智能化、多用途無(wú)人海洋運(yùn)載平臺(tái)，是現(xiàn)代多種高技術(shù)集成的產(chǎn)物，是一個(gè)國(guó)家海洋科技實(shí)力的重要體現(xiàn)。無(wú)人艇具有全天候執(zhí)行任務(wù)的能力，尤其是可以在惡劣的海洋環(huán)境中代替人類執(zhí)行危險(xiǎn)、耗時(shí)且費(fèi)力的作業(yè)任務(wù)，在軍事和民事領(lǐng)域都具有廣泛的應(yīng)用前景[3-4]。近年來(lái)，美、英、以、法、日等海洋強(qiáng)國(guó)都大力推進(jìn)無(wú)人艇研制工作，在單無(wú)人艇方面取得了豐碩的研究成果。然而，由于海洋環(huán)境日益復(fù)雜、作業(yè)任務(wù)日益多樣、單艇作業(yè)能力極其受限，無(wú)人艇集群化作業(yè)成為未來(lái)海洋作業(yè)的重要發(fā)展趨勢(shì)之一，也是網(wǎng)絡(luò)化、信息化、智能化發(fā)展的必然要求[5]。多無(wú)人艇協(xié)同作業(yè)不僅可以顯著地減輕操作人員的負(fù)擔(dān)，而且使得海洋作業(yè)變得更加持續(xù)、更具規(guī)模和更加智能，完成單一無(wú)人艇不能高效完成或無(wú)法完成的復(fù)雜任務(wù)。在軍事領(lǐng)域，無(wú)人艇集群具有重要的應(yīng)用價(jià)值，能夠完成協(xié)同態(tài)勢(shì)感知、編隊(duì)護(hù)航、“蜂群”跟蹤、集群對(duì)抗等多種作戰(zhàn)任務(wù)。在民用領(lǐng)域，無(wú)人艇集群能夠極大地延伸海洋作業(yè)范圍，相關(guān)應(yīng)用包括海洋環(huán)境監(jiān)測(cè)、海洋移動(dòng)傳感網(wǎng)監(jiān)測(cè)、協(xié)同資源探測(cè)、協(xié)同災(zāi)難搜救等[6-7]。無(wú)人艇集群控制研究涉及艦船科學(xué)、制導(dǎo)與控制、人工智能、通信科學(xué)、計(jì)算機(jī)科學(xué)、仿生學(xué)等眾多學(xué)科和技術(shù)領(lǐng)域，綜合多學(xué)科理論和技術(shù)對(duì)無(wú)人艇集群協(xié)同控制問(wèn)題進(jìn)行研究，為無(wú)人艇海洋作業(yè)提供新理論、新方法和新技術(shù)，既體現(xiàn)智能船舶的發(fā)展趨勢(shì)，又滿足國(guó)家海洋戰(zhàn)略的發(fā)展需求，具有重要的科學(xué)意義和應(yīng)用價(jià)值[5,8]。

目前，國(guó)內(nèi)外在無(wú)人艇集群研究方面已經(jīng)取得了顯著的研究進(jìn)展。在國(guó)外，美國(guó)海軍于2014 年在弗吉尼亞州詹姆斯河開(kāi)展了無(wú)人艇“蜂群”作戰(zhàn)演示，13 艘無(wú)人艇以集群模式對(duì)可疑船只進(jìn)行攔截和包圍，完成了半自主協(xié)同護(hù)航任務(wù)。2016 年，美國(guó)海軍再次開(kāi)展無(wú)人艇集群試驗(yàn)，實(shí)現(xiàn)了4 艘無(wú)人艇的自主監(jiān)測(cè)、識(shí)別、跟蹤和巡邏等任務(wù)。同年，英國(guó)海軍在蘇格蘭西海岸開(kāi)展“無(wú)人戰(zhàn)士”大規(guī)模無(wú)人系統(tǒng)部署計(jì)劃演習(xí)，完成了空中、水面和水下三維立體協(xié)同作戰(zhàn)測(cè)試，實(shí)現(xiàn)了區(qū)域探測(cè)和情報(bào)搜集等任務(wù)。在國(guó)內(nèi)，云洲智能公司實(shí)現(xiàn)了81 艘海上無(wú)人艇協(xié)同表演。哈爾濱工程大學(xué)研制了“XL”號(hào)和“海豚”系列等無(wú)人艇樣機(jī)，在海上完成了7 艘無(wú)人艇的協(xié)同編隊(duì)試驗(yàn)。華中科技大學(xué)研發(fā)了HUSTER 全自主無(wú)人艇，完成了5 艘無(wú)人艇的十字和環(huán)形編隊(duì)隊(duì)形湖上試驗(yàn)。大連海事大學(xué)研制了一套多無(wú)人艇集群協(xié)同控制系統(tǒng)，開(kāi)展了協(xié)同路徑跟蹤、協(xié)同目標(biāo)跟蹤、協(xié)同目標(biāo)包圍等協(xié)同控制試驗(yàn)，實(shí)現(xiàn)了7 艘無(wú)人艇的“一字”、“人字”、“環(huán)形”等多種動(dòng)態(tài)編隊(duì)隊(duì)形[9-12]。2019 年，上海大學(xué)《復(fù)雜海況無(wú)人艇集群控制理論與應(yīng)用》項(xiàng)目獲得基金委人工智能重大研究專項(xiàng)資助，將無(wú)人艇集群控制研究推向了新的高度。由此可見(jiàn)，國(guó)內(nèi)外對(duì)無(wú)人艇集群控制技術(shù)的研究方興未艾，迫切需要進(jìn)一步開(kāi)展前瞻性理論和技術(shù)探索。

本文將首先從無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型出發(fā)，分析多無(wú)人艇集群協(xié)同控制所面臨的挑戰(zhàn)。接著，根據(jù)多無(wú)人艇的典型運(yùn)動(dòng)控制場(chǎng)景，綜述多無(wú)人艇集群協(xié)同控制的研究成果，包括基于軌跡導(dǎo)引的協(xié)同控制(trajectory-guided coordinated control,TRCC)、基于路徑導(dǎo)引的協(xié)同控制(path-guided coordinated control, PACC)、基于目標(biāo)導(dǎo)引的協(xié)同控制(target-guided coordinated control, TACC)。最后，對(duì)多無(wú)人艇集群協(xié)同控制的未來(lái)趨勢(shì)和研究方向進(jìn)行總結(jié)與展望。

1 問(wèn)題描述

1.1 無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型

船舶涉及縱蕩、橫蕩、垂蕩、橫搖、縱搖和艏搖6 個(gè)自由度的運(yùn)動(dòng)。對(duì)于無(wú)人艇而言，通常忽略垂蕩、橫搖和縱搖3 個(gè)自由度上的運(yùn)動(dòng)。如圖1所示，一般在2 個(gè)坐標(biāo)系下對(duì)無(wú)人艇的運(yùn)動(dòng)進(jìn)行描述，即XE-YE地球坐標(biāo)系和XB-YB船體坐標(biāo)系。圖中， ψi為 艏搖角； νi=[ui,vi,ri]T為第i艘無(wú)人艇的線速度和角速度向量，單位為 [m/s, m/s, rad/s]T，其中ui和vi分別為XB-YB坐標(biāo)系下的縱蕩速度和橫蕩速度，ri為艏搖角速度；βi為側(cè)滑角。

圖1 地球坐標(biāo)系和艇體坐標(biāo)系Fig. 1 Reference frames: earth-fixed reference frame and bodyfixed reference frame

考慮N艘無(wú)人艇組成的集群系統(tǒng)，第i艘無(wú)人艇的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)方程可由三自由度非線性模型描述[13]：

無(wú)人艇在航行時(shí)由于橫漂速度會(huì)產(chǎn)生側(cè)滑，其側(cè)滑角定義為 βi=atan2(vi,ui)∈(?π,π]。根據(jù)驅(qū)動(dòng)器類型、數(shù)量以及分布的不同，無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型分為全驅(qū)動(dòng)和欠驅(qū)動(dòng)2 種類型。對(duì)于全驅(qū)動(dòng)模型，無(wú)人艇在縱蕩、橫蕩和艏搖3 個(gè)自由度上的運(yùn)動(dòng)可由獨(dú)立的驅(qū)動(dòng)器控制。對(duì)于欠驅(qū)動(dòng)模型，無(wú)人艇動(dòng)力學(xué)控制輸入信號(hào)的個(gè)數(shù)小于其自由度。當(dāng)橫蕩方向缺乏獨(dú)立的驅(qū)動(dòng)器，其控制輸入表示為 τi=[τiu,0,τir]T。

1.2 多無(wú)人艇集群協(xié)同控制面臨的挑戰(zhàn)

由無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型式(1)可知，無(wú)人艇個(gè)體動(dòng)態(tài)具有非線性、強(qiáng)耦合、多輸入多輸出、不確定、強(qiáng)擾動(dòng)、欠驅(qū)動(dòng)和多約束等特點(diǎn)。多無(wú)人艇集群系統(tǒng)通過(guò)局部感知或網(wǎng)絡(luò)通信關(guān)聯(lián)成大規(guī)模復(fù)雜動(dòng)態(tài)系統(tǒng)，具有“復(fù)雜船體動(dòng)態(tài)+關(guān)聯(lián)拓?fù)?交互規(guī)則”的結(jié)構(gòu)特點(diǎn)。多無(wú)人艇集群系統(tǒng)的群體行為由無(wú)人艇的個(gè)體動(dòng)態(tài)、關(guān)聯(lián)拓?fù)浜徒换ヒ?guī)則共同決定，其系統(tǒng)規(guī)模大、狀態(tài)維數(shù)高、關(guān)聯(lián)拓?fù)鋸?fù)雜，使得多無(wú)人艇集群控制面臨著極大挑戰(zhàn)，具體描述如下：

1） 非線性。設(shè)計(jì)和分析集群控制器的首要問(wèn)題是建立無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型。運(yùn)動(dòng)建模是船舶運(yùn)動(dòng)控制研究的基礎(chǔ)問(wèn)題之一[2]。無(wú)人艇運(yùn)動(dòng)的特點(diǎn)決定了其建模難度大、代價(jià)高、費(fèi)時(shí)長(zhǎng)[2,14]。運(yùn)動(dòng)建模包括機(jī)理建模和辨識(shí)建模。機(jī)理建模一般需要大量的專家知識(shí)，即使通過(guò)機(jī)理建模能夠得到精確的模型參數(shù)，在實(shí)際海洋環(huán)境下航行時(shí)其參數(shù)可能發(fā)生變化，因此辨識(shí)建模被廣泛研究。辨識(shí)建?？煞譃轭l域法和時(shí)域法[15]。典型的時(shí)域建模方法有最大似然估計(jì)、卡爾曼濾波、最小二乘回歸、粒子群優(yōu)化、神經(jīng)網(wǎng)絡(luò)[16]、模糊系統(tǒng)[17]等。近年來(lái)，人工智能技術(shù)特別是機(jī)器學(xué)習(xí)取得了長(zhǎng)足的進(jìn)步，可以預(yù)見(jiàn)，機(jī)器學(xué)習(xí)將在無(wú)人艇運(yùn)動(dòng)建模與運(yùn)動(dòng)預(yù)測(cè)方面發(fā)揮重要作用[18-19]。

2） 不確定性。無(wú)人艇運(yùn)動(dòng)模型存在著大量的不確定性，包括模型參數(shù)不確定性、未建模動(dòng)態(tài)、以及海洋環(huán)境風(fēng)浪流擾動(dòng)[13]。為了降低和消除不確定性對(duì)運(yùn)動(dòng)控制性能的影響，提高無(wú)人艇在不確定性條件下的穩(wěn)定性和魯棒性，研究者提出了滑?？刂芠20-21]、參數(shù)自適應(yīng)控制[22-24]、魯棒控制[25]、神經(jīng)網(wǎng)絡(luò)控制[26-30]、模糊控制[31-33]、擾動(dòng)觀測(cè)器[34-35]、擴(kuò)張狀態(tài)觀測(cè)器[36-39]等控制和估計(jì)方法。在運(yùn)動(dòng)控制器一體化設(shè)計(jì)方面，反步法[22-24,27,40]、動(dòng)態(tài)面[41-44]、微分跟蹤器[28,45-48]、指令調(diào)節(jié)器[17,37,49-50]被廣泛應(yīng)用于無(wú)人艇運(yùn)動(dòng)控制器設(shè)計(jì)。一般而言，不同控制方法的組合能夠帶來(lái)控制性能的提升，然而控制器的復(fù)雜性也會(huì)相應(yīng)增加，不利于實(shí)際工程實(shí)現(xiàn)?？傊M(jìn)一步探索無(wú)人艇自適應(yīng)抗干擾運(yùn)動(dòng)控制方法，克服內(nèi)部和外部不確定性帶來(lái)的影響，提高運(yùn)動(dòng)控制系統(tǒng)的穩(wěn)定性、魯棒性、抗擾性，不僅是單無(wú)人艇運(yùn)動(dòng)控制關(guān)注的焦點(diǎn)，也是多無(wú)人艇協(xié)同需要解決的問(wèn)題。

3） 欠驅(qū)動(dòng)。無(wú)人艇推進(jìn)系統(tǒng)主要采用雙槳推進(jìn)、槳舵分離、噴水推進(jìn)、舷外掛機(jī)等推進(jìn)方式。無(wú)人艇系統(tǒng)的控制輸入一般小于其自由度，屬于典型的欠驅(qū)動(dòng)系統(tǒng)。與全驅(qū)動(dòng)不同，欠驅(qū)動(dòng)無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型存在不可積的二階非完整約束，不能被反饋線性化，Brockett 定理應(yīng)用結(jié)果表明不存在時(shí)不變、光滑、狀態(tài)反饋控制器來(lái)實(shí)現(xiàn)欠驅(qū)動(dòng)無(wú)人艇的定點(diǎn)調(diào)節(jié)[23,25]。為解決欠驅(qū)動(dòng)控制問(wèn)題，典型的控制方法有Transverse 函數(shù)法[51]和輔助變量法[52-54]。在控制器設(shè)計(jì)過(guò)程中可采用不同的坐標(biāo)變換，包括極坐標(biāo)系變換[55-56]、船體坐標(biāo)系變換[23]、Serret-Frenet 坐標(biāo)系變換[25,36,57-58]等。近30 年來(lái)，欠驅(qū)動(dòng)船舶運(yùn)動(dòng)控制已取得了豐富的研究成果。值得指出的是，現(xiàn)有欠驅(qū)動(dòng)單船舶運(yùn)動(dòng)控制方法并不能直接適用于多無(wú)人艇集群系統(tǒng)。

4） 多約束。由于驅(qū)動(dòng)器能力的限制，無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型不可避免地存在線速度約束、角速度約束、推力約束、舵偏約束等物理約束。不考慮實(shí)際物理約束的控制器可能導(dǎo)致控制性能下降，甚至引起系統(tǒng)失穩(wěn)。根據(jù)約束變量的不同，可分為輸出約束[59-61]、狀態(tài)約束[17,37,62]和輸入約束[62-64]。為解決約束條件下船舶運(yùn)動(dòng)控制問(wèn)題，研究者提出了模型預(yù)測(cè)控制[63,65]、障礙函數(shù)法[61]、輔助系統(tǒng)法[59-60,64]和指令調(diào)節(jié)器[17,28,37]等控制方法?，F(xiàn)有研究結(jié)果大多只關(guān)注模型本身的約束，未考慮實(shí)際海洋環(huán)境約束。鑒于海上交通環(huán)境的復(fù)雜性，解決環(huán)境約束和物理約束同時(shí)存在條件下的多無(wú)人艇集群控制具有一定挑戰(zhàn)性。

5） 狀態(tài)不可測(cè)。在應(yīng)用中，無(wú)人艇的位置信息可以通過(guò)廉價(jià)的全球?qū)Ш蕉ㄎ幌到y(tǒng)如GPS 和北斗定位系統(tǒng)獲得，但其速度信息無(wú)法直接通過(guò)導(dǎo)航定位系統(tǒng)測(cè)量得到。加速度計(jì)只能測(cè)量加速度信息，不能測(cè)量速度信息。多普勒計(jì)程儀雖然可以對(duì)無(wú)人艇速度信息進(jìn)行直接測(cè)量，但其價(jià)格昂貴，不適合大規(guī)模無(wú)人艇集群應(yīng)用，尤其是小型低成本無(wú)人艇。因此，研究速度觀測(cè)器及其輸出反饋集群控制問(wèn)題具有實(shí)際意義，能夠顯著降低控制算法的實(shí)現(xiàn)成本。為了對(duì)速度信息進(jìn)行觀測(cè)和估計(jì)，研究人員提出了波浪濾波觀測(cè)器[66]、高增益觀測(cè)器[16,40]、擴(kuò)張狀態(tài)觀測(cè)器[46,67-70]、神經(jīng)網(wǎng)絡(luò)觀測(cè)器[28,71-72]等估計(jì)方法。波浪濾波觀測(cè)器依賴船舶動(dòng)力學(xué)的無(wú)源特性，但需要模型參數(shù)已知；高增益觀測(cè)器能夠估計(jì)速度信息，但不能估計(jì)動(dòng)力學(xué)模型的不確定性；神經(jīng)網(wǎng)絡(luò)觀測(cè)器能夠?qū)δＰ筒淮_定性和速度信息進(jìn)行同時(shí)觀測(cè)，但參數(shù)收斂依賴持續(xù)激勵(lì)條件；擴(kuò)張狀態(tài)觀測(cè)器能夠?qū)o(wú)人艇總擾動(dòng)和速度進(jìn)行同時(shí)觀測(cè)，觀測(cè)器中參數(shù)降為一，參數(shù)整定容易。隨著無(wú)人艇應(yīng)用數(shù)量的增加，研究輸出反饋多無(wú)人艇集群控制具有實(shí)際意義，能夠顯著降低實(shí)現(xiàn)成本。

6） 通信受限。信息交互是實(shí)現(xiàn)無(wú)人艇集群控制的基礎(chǔ)，網(wǎng)絡(luò)通信是實(shí)現(xiàn)信息交互的重要手段。目前，常見(jiàn)的海上網(wǎng)絡(luò)通信方式包括海上無(wú)線通信、海洋衛(wèi)星通信和岸基移動(dòng)通信。海上無(wú)線通信受氣候條件和海洋環(huán)境影響較大, 通信可靠性不高, 通信帶寬窄；海洋衛(wèi)星通信系統(tǒng)的運(yùn)營(yíng)和維護(hù)成本高，且通信帶寬受限；岸基移動(dòng)通信是海洋通信網(wǎng)絡(luò)的一種有力補(bǔ)充，具有高速率、低成本的優(yōu)點(diǎn)，但是只能適用于小范圍的近海海域?？傮w而言，目前海上通信存在速率低、帶寬窄、成本高等缺陷。因此，如何實(shí)現(xiàn)通信約束條件下多無(wú)人艇集群控制是值得研究的重要課題，尤其是要發(fā)展分布式的協(xié)同控制方法[73]。

7） 避碰。多無(wú)人艇協(xié)同不僅要避免與復(fù)雜海洋環(huán)境中動(dòng)、靜態(tài)障礙物發(fā)生碰撞，而且要避免多無(wú)人艇成員之間發(fā)生碰撞。自主避碰是保證無(wú)人艇集群安全航行的前提，特別是隨著海上交通密度的不斷增加，對(duì)避碰決策與控制的時(shí)間提出了更高要求，避碰是集群控制需要克服的難點(diǎn)。為了有效避免編隊(duì)無(wú)人艇發(fā)生碰撞，現(xiàn)有方法包括指定性能法[74-75]和人工勢(shì)能函數(shù)法[34,51]。目前關(guān)于無(wú)人艇集群編隊(duì)避碰的研究還十分有限。因此，針對(duì)復(fù)雜海洋環(huán)境和潛在威脅信息，如何在通信、感知、計(jì)算資源受限的條件下，設(shè)計(jì)協(xié)同控制器避免無(wú)人艇與環(huán)境障礙物以及無(wú)人艇個(gè)體之間發(fā)生碰撞，保證無(wú)人艇集群運(yùn)動(dòng)決策的安全性，是多無(wú)人艇集群協(xié)同控制面臨的挑戰(zhàn)之一。

1.3 控制結(jié)構(gòu)

如圖2 所示，多無(wú)人艇集群控制結(jié)構(gòu)包括集中式控制、分散式控制和分布式控制[16]。

圖2 多無(wú)人艇協(xié)同控制器結(jié)構(gòu)Fig. 2 Coordinated control architectures of multiple unmanned surface vehicles

1） 集中式控制。如圖2(a)所示，集中式控制通過(guò)一個(gè)中央控制器C 對(duì)集群進(jìn)行統(tǒng)一控制, 需要n艘無(wú)人艇的狀態(tài)信息。中央控制器可以在遠(yuǎn)程地面站、母船或云端實(shí)現(xiàn)。集中式控制根據(jù)所有無(wú)人艇信息進(jìn)行統(tǒng)一決策與控制，因此能夠獲得全局最優(yōu)的性能。然而，集中式控制通信帶寬要求高、計(jì)算資源要求高，信號(hào)傳送可能產(chǎn)生延時(shí)，導(dǎo)致編隊(duì)規(guī)模不能任意擴(kuò)展[76-78]。

2） 分散式控制。如圖2(b)所示，分散式控制無(wú)中央控制器，n艘無(wú)人艇對(duì)應(yīng)n個(gè)相互獨(dú)立的控制器Ci，各控制器是平等的。由于感知能力的限制，控制器Ci只掌握無(wú)人艇集群中的部分狀態(tài)信息。與集中式控制相比，分散式控制盡管很難保證全局的最優(yōu), 但由于它具有模塊化、可擴(kuò)展等優(yōu)點(diǎn)，受到控制人員的廣泛關(guān)注[41,56,75,79]。

3） 分布式控制。如圖2(c)所示，與分散式控制類似，n艘無(wú)人艇對(duì)應(yīng)n個(gè)相互獨(dú)立的控制器Ci，控制器Ci通過(guò)局部感知和通信實(shí)施對(duì)個(gè)體的控制，不需要掌握群體的全部狀態(tài)信息。與分散式控制不同，分布式控制器C1～Cn之間存在信息交換。由于信息的感知、通信、控制是分散進(jìn)行的，極大程度地降低了信息通信的代價(jià)，控制更為靈活，操作更為方便，并且具有高容錯(cuò)性和擴(kuò)展性。由于分布式控制不需要全局通信，降低了對(duì)通信帶寬的要求，因而更適合于通信受限的海洋環(huán)境[17,45-46,80-81]。

2 協(xié)同控制方法

集群協(xié)同現(xiàn)象在自然界無(wú)處不在，如鳥(niǎo)群、魚(yú)群、蟻群等。生物通過(guò)簡(jiǎn)單個(gè)體協(xié)作展現(xiàn)出令人驚嘆的復(fù)雜行為模式，這種行為模式對(duì)于生物適應(yīng)環(huán)境、躲避天敵、共同捕食、群體決策起到關(guān)鍵作用。受生物群體協(xié)調(diào)行為的啟發(fā)，國(guó)內(nèi)外研究人員在集群控制方面開(kāi)展了深入研究，文獻(xiàn) [1]介紹了多無(wú)人艇集群協(xié)同控制的研究成果。典型的集群控制方法包括領(lǐng)航-跟隨法[20,29,82-84]、基于行為法[76]、虛擬結(jié)構(gòu)法[77]、人工勢(shì)能法[34,51]、圖論法[17,28,45]。根據(jù)無(wú)人艇運(yùn)動(dòng)導(dǎo)引方式的不同，現(xiàn)有研究結(jié)果可歸納為基于軌跡導(dǎo)引的協(xié)同控制、基于路徑導(dǎo)引的協(xié)同控制和基于目標(biāo)導(dǎo)引的協(xié)同控制。表1 從集中式控制、分散式控制、分布式控制3 種控制結(jié)構(gòu)總結(jié)了現(xiàn)有多無(wú)人艇集群協(xié)同控制研究結(jié)果的優(yōu)缺點(diǎn)。表2 從反步法、動(dòng)態(tài)面、跟蹤微分器、指令調(diào)節(jié)器4 類控制器設(shè)計(jì)方法對(duì)現(xiàn)有多無(wú)人艇集群協(xié)同控制研究結(jié)果進(jìn)行了分類總結(jié)。表3 從滑?？刂啤?shù)自適應(yīng)、神經(jīng)網(wǎng)絡(luò)、模糊邏輯、抗擾控制、約束控制、輸出反饋、避障避碰、連通保持共9 類控制方法對(duì)現(xiàn)有多無(wú)人艇集群協(xié)同控制研究結(jié)果進(jìn)行了分類總結(jié)。

2.1 基于軌跡導(dǎo)引的協(xié)同控制

在基于軌跡導(dǎo)引的集群控制方面，控制目標(biāo)是多艘無(wú)人艇跟蹤一條或多條時(shí)間相關(guān)的參考軌跡 η(t)，同時(shí)保持期望的編隊(duì)隊(duì)形。其時(shí)間要求和空間要求是耦合的，即要求在指定的時(shí)間到達(dá)指定的位置，適用于時(shí)間要求和空間要求較高的運(yùn)動(dòng)場(chǎng)景。根據(jù)軌跡個(gè)數(shù)的不同，現(xiàn)有研究結(jié)果可分為全軌跡導(dǎo)引的軌跡跟蹤[34,51]、單軌跡導(dǎo)引的分布式軌跡跟蹤[21,38,42,44,99-101]、多軌跡導(dǎo)引的分布式包含跟蹤[71,74,102]。如圖3 所示，在全軌跡導(dǎo)引方面，通常由軌跡生成器產(chǎn)生每艘船舶的參考軌跡，從而將編隊(duì)控制問(wèn)題轉(zhuǎn)化為每艘無(wú)人艇的軌跡跟蹤問(wèn)題，軌跡生成器可采用集中式或分布式結(jié)構(gòu)。在單軌跡導(dǎo)引方面，集群中只有一部分無(wú)人艇訪問(wèn)參考軌跡信息，另一部分無(wú)人艇僅和相鄰無(wú)人艇進(jìn)行信息交互，不能訪問(wèn)參考軌跡信息?？刂频哪繕?biāo)是多無(wú)人艇協(xié)同跟蹤該參考軌跡，保持期望的編隊(duì)隊(duì)形。在多軌跡導(dǎo)引方面，控制的目標(biāo)是跟蹤多參考軌跡生成的凸集空間。在控制結(jié)構(gòu)上，單軌跡導(dǎo)引和多軌跡導(dǎo)引屬于分布式控制。

表1 軌跡導(dǎo)引、路徑導(dǎo)引和目標(biāo)導(dǎo)引的集群協(xié)同控制結(jié)構(gòu)與優(yōu)缺點(diǎn)Table 1 Coordinated control architectures, their advantages and disadvantages of TRCC, PACC and TACC

表2 軌跡導(dǎo)引、路徑導(dǎo)引和目標(biāo)導(dǎo)引的集群協(xié)同控制器設(shè)計(jì)方法Table 2 Design methods of coordinated controller for TRCC,PACC, TACC

表3 軌跡導(dǎo)引、路徑導(dǎo)引和目標(biāo)導(dǎo)引的控制方法Table 3 Control methods of TRCC, PACC, TACC

圖3 基于軌跡導(dǎo)引的集群控制Fig. 3 Trajectory-guided coordinated control

在全軌跡導(dǎo)引方面，Do[51]針對(duì)感知距離受限的欠驅(qū)動(dòng)船舶，采用非線性變換、反步法、Transverse 函數(shù)法和p次可微階躍函數(shù)，提出了無(wú)風(fēng)險(xiǎn)編隊(duì)控制器，在保持隊(duì)形穩(wěn)定的同時(shí)能夠避免船舶之間發(fā)生碰撞。Transverse 函數(shù)法可能導(dǎo)致控制信號(hào)和跟蹤誤差高頻振蕩，Do[34]采用一個(gè)二階動(dòng)態(tài)系統(tǒng)產(chǎn)生跟蹤參考軌跡，提出了一種改進(jìn)的無(wú)碰撞同步軌跡跟蹤控制器。該方法避免了Transverse 函數(shù)法中復(fù)雜的坐標(biāo)變換。Do[34,51]采用軌跡生成器產(chǎn)生全局參考軌跡，屬于集中式控制。與Liu 等[38,56]需要全軌跡信息不同，Li等[21, 38, 42, 44, 71, 74, 99- 100, 102]研究了多無(wú)人艇分布式軌跡跟蹤控制問(wèn)題。

在單軌跡導(dǎo)引方面，Peng 等[42]提出了基于預(yù)估器的神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)面控制方法，設(shè)計(jì)了無(wú)人艇分布式編隊(duì)控制器，提高了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和控制輸入信號(hào)的暫態(tài)性能。考慮風(fēng)浪流海洋環(huán)境擾動(dòng)，Peng 等[44]提出了基于擾動(dòng)觀測(cè)器的分布式編隊(duì)控制器，實(shí)現(xiàn)了動(dòng)力定位船舶觀測(cè)器和控制器的解耦設(shè)計(jì)。為了保證控制信號(hào)的低頻特性，Peng 等[101]提出了基于低頻學(xué)習(xí)機(jī)制的分布式神經(jīng)網(wǎng)絡(luò)控制器。為了減小神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)參數(shù)，Lu 等[99]提出了最少參數(shù)學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)編隊(duì)控制器。為了改進(jìn)編隊(duì)控制系統(tǒng)的收斂性，F(xiàn)u 等[38]針對(duì)受約束水面船舶提出了基于有限時(shí)間擴(kuò)張狀態(tài)觀測(cè)器的編隊(duì)控制器。上述文獻(xiàn)[38,42,44,99,101]主要針對(duì)全驅(qū)動(dòng)船舶而設(shè)計(jì)。在欠驅(qū)動(dòng)船舶方面，Park等[100]提出了基于誤差變換的編隊(duì)控制器，具有避障、避碰和連通保持功能。為了實(shí)現(xiàn)編隊(duì)誤差的有限時(shí)間收斂，Li 等[21]提出了分布式非線性滑模編隊(duì)控制器。

在多軌跡導(dǎo)引方面，目前已經(jīng)取得了一些研究成果[71,74,102]。Peng 等[71]針對(duì)單向網(wǎng)絡(luò)連通含模型不確定性和海洋環(huán)境擾動(dòng)的無(wú)人海洋航行器，提出了基于迭代學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的分布式狀態(tài)反饋和輸出反饋包含控制器。為了避免在控制器設(shè)計(jì)中使用函數(shù)逼近器，Yoo 等[74]提出了指定性能的分布式包含控制器，使得包含跟蹤誤差在暫態(tài)和穩(wěn)態(tài)過(guò)程中收斂于預(yù)設(shè)的范圍內(nèi)。為了改進(jìn)跟蹤誤差的收斂性，Qin 等[102]提出了自適應(yīng)有限時(shí)間收斂包含控制器，減小了控制信號(hào)的抖顫。

2.2 基于路徑導(dǎo)引的協(xié)同控制

在基于路徑導(dǎo)引的集群控制方面，控制目標(biāo)是多艘無(wú)人艇跟蹤一條或多條預(yù)設(shè)的參數(shù)化路徑η(θ)，同時(shí)保持期望的編隊(duì)隊(duì)形。與軌跡導(dǎo)引方式相比，除了控制器設(shè)計(jì)外，基于路徑導(dǎo)引的集群控制需要進(jìn)行參數(shù)化路徑更新律的設(shè)計(jì)，因此提供了額外的控制自由度。對(duì)于群體而言，其空間要求和時(shí)間要求是解耦的，可以分別獨(dú)立進(jìn)行控制，如獨(dú)立控制無(wú)人艇集群的航行速度。如圖4所示，根據(jù)參數(shù)化路徑個(gè)數(shù)的不同，現(xiàn)有研究結(jié)果可分為全路徑導(dǎo)引的協(xié)同路徑跟蹤[11,22,35,47,77,85-92]、單路徑導(dǎo)引的分布式路徑跟蹤[17,46,80]和多路徑導(dǎo)引的分布式路徑跟蹤[28,45,48,103]。對(duì)于全路徑導(dǎo)引的協(xié)同路徑跟蹤，每艘船舶跟蹤一條參數(shù)化路徑，集群行為通過(guò)參數(shù)化路徑變量的協(xié)同實(shí)現(xiàn)。在單路徑導(dǎo)引的分布式路徑跟蹤方面，集群中只存在一條參數(shù)化路徑，多無(wú)人艇通過(guò)局部信息交換實(shí)現(xiàn)對(duì)參數(shù)化路徑的協(xié)同跟蹤。與基于多軌跡導(dǎo)引的包含控制類似，多路徑導(dǎo)引的分布式路徑跟蹤跟隨的是參數(shù)化路徑上虛擬領(lǐng)航者生成的凸集空間。

圖4 基于路徑導(dǎo)引的集群控制Fig. 4 Path-guided coordinated control

在全路徑導(dǎo)引方面，Skjetne 等[77]將協(xié)同路徑跟蹤分解為幾何任務(wù)和動(dòng)態(tài)任務(wù)，設(shè)計(jì)船舶協(xié)同路徑跟蹤控制器，其路徑參數(shù)更新需要所有船舶的參數(shù)信息。Do[35]提出了另一種路徑參數(shù)更新律，每艘跟隨船需訪問(wèn)領(lǐng)航者路徑信息。Ihle 等[85]采用無(wú)源性理論設(shè)計(jì)了分布式同步路徑參數(shù)更新律，路徑參數(shù)通過(guò)離散采樣更新，去除了文獻(xiàn)[35, 77]要求全局通信的假設(shè)條件。隨后，研究人員分析了不同網(wǎng)絡(luò)環(huán)境下協(xié)同路徑跟蹤控制器的穩(wěn)定性，包括通信丟包與通信時(shí)延[88], 時(shí)變通信時(shí)延[86]，離散周期通信[87], 事件觸發(fā)通信[92], 時(shí)變狀態(tài)相關(guān)網(wǎng)絡(luò)攻擊[47]等。Do 等[35,77,85-88]假設(shè)船舶模型是精確已知的，因此不能保證參數(shù)不確定和海洋環(huán)境擾動(dòng)下的穩(wěn)定性。為了改進(jìn)模型不確定和海流影響下的穩(wěn)定性，Almeida 等[22]采用反步法設(shè)計(jì)了自適應(yīng)協(xié)同路徑跟蹤器。為了解決海洋環(huán)境下的非結(jié)構(gòu)不確定性和風(fēng)浪流海洋環(huán)境擾動(dòng)，Wang 等[89]提出了基于神經(jīng)網(wǎng)絡(luò)的狀態(tài)反饋和輸出反饋協(xié)同路徑跟蹤控制器。另外，Gu 等[11]提出了基于擴(kuò)張狀態(tài)觀測(cè)器的抗干擾協(xié)同路徑跟蹤控制方法，試驗(yàn)驗(yàn)證了該方法的有效性。

值得指出的是，Almeida 等[22,85-91]需要為每艘無(wú)人艇單獨(dú)規(guī)劃路徑，只能實(shí)現(xiàn)多路徑上的并排編隊(duì)隊(duì)形。Liu 等[108]提出一種基于路徑參數(shù)包含的協(xié)同路徑跟蹤方法，實(shí)現(xiàn)了單一路徑上的隊(duì)列編隊(duì)隊(duì)形。Liu 等[90]將該結(jié)果進(jìn)一步拓展到動(dòng)力學(xué)層次，采用模塊化方法設(shè)計(jì)了協(xié)同路徑跟蹤控制器。Liu 等[90,108]局限于開(kāi)曲線路徑上的協(xié)同編隊(duì)，不能實(shí)現(xiàn)閉曲線的協(xié)同路徑跟蹤。Liu 等[91]提出了參數(shù)環(huán)形跟蹤的協(xié)同路徑跟蹤控制方法，實(shí)現(xiàn)了閉曲線上的對(duì)稱編隊(duì)隊(duì)形。隨后，在參考速度非全局已知的情形下，提出了參數(shù)循環(huán)跟蹤的協(xié)同路徑跟蹤控制器，試驗(yàn)驗(yàn)證了所提方法的有效性[10]。文獻(xiàn)[11, 35, 47, 77, 86-90, 92]中，每艘無(wú)人艇都需獲得路徑信息，屬于集中式控制。

在單路徑導(dǎo)引的分布式路徑跟蹤方面，Peng等[17]提出了基于神經(jīng)動(dòng)態(tài)優(yōu)化和模糊逼近的分布式協(xié)同路徑跟蹤控制器，實(shí)現(xiàn)了單參數(shù)化路徑導(dǎo)引的多無(wú)人艇分布式編隊(duì)控制，在狀態(tài)約束條件下優(yōu)化了集群控制性能。Peng 等[46]采用三階擴(kuò)張狀態(tài)觀測(cè)器估計(jì)線速度和艏搖角速度，提出了帶避障避碰和連通保持功能的分布式輸出反饋路徑跟蹤控制器，這些控制方法均局限于全驅(qū)動(dòng)無(wú)人艇。針對(duì)通信距離受限下欠驅(qū)動(dòng)多無(wú)人艇集群系統(tǒng)，Peng 等[80]設(shè)計(jì)了分布式時(shí)變隊(duì)形控制器，所提控制器兼具避障、避碰與連通保持功能。

在多路徑導(dǎo)引的分布式路徑跟蹤方面，Peng等[45]采用模塊化方法設(shè)計(jì)了分布式協(xié)同路徑跟蹤控制器，使得多無(wú)人艇收斂到多領(lǐng)導(dǎo)者所形成的凸包內(nèi)。Peng 等[28]將其文獻(xiàn)[45]的結(jié)果擴(kuò)展到輸出反饋情形，提出了基于神經(jīng)動(dòng)力學(xué)觀測(cè)器的分布式協(xié)同路徑跟蹤控制器，該研究結(jié)果局限于全驅(qū)動(dòng)船舶。Gu 等[48]提出了多參數(shù)化路徑導(dǎo)引的欠驅(qū)動(dòng)多無(wú)人艇分布式包含操縱方法。隨后，在分布式路徑跟蹤控制器設(shè)計(jì)中引入避碰和連通保持機(jī)制，采用有限時(shí)間收斂擴(kuò)張狀態(tài)觀測(cè)器，提出了基于位置和艏搖角信息反饋的分布式協(xié)同路徑跟蹤控制器，實(shí)現(xiàn)了包含編隊(duì)誤差的有限時(shí)間收斂[103]。

在路徑參數(shù)協(xié)同方面，典型的方法包括連續(xù)路徑參數(shù)更新[17,22,28,45,48,80,86,88-91,103]、數(shù)據(jù)采樣更新[85]、離散周期更新[87]等。在運(yùn)動(dòng)學(xué)層次，Peng 等[17,45,46,48,80,103]提出的分布式路徑跟蹤制導(dǎo)率均采用連續(xù)控制方式，從網(wǎng)絡(luò)控制的角度出發(fā)，如何進(jìn)一步減輕分布式協(xié)同制導(dǎo)的通信負(fù)擔(dān)是值得研究的課題。

2.3 基于目標(biāo)導(dǎo)引的協(xié)同控制

基于目標(biāo)導(dǎo)引的集群控制即無(wú)人艇跟蹤單個(gè)或多個(gè)動(dòng)態(tài)目標(biāo)，同時(shí)保持期望的編隊(duì)隊(duì)形。與軌跡導(dǎo)引和路徑導(dǎo)引不同，由于無(wú)人艇感知或通信能力的限制，跟隨船只能獲取目標(biāo)船的瞬時(shí)信息，無(wú)法獲得目標(biāo)船的未來(lái)位置、速度和加速度等信息。如圖5 所示，根據(jù)目標(biāo)個(gè)數(shù)不同，現(xiàn)有結(jié)果可分為單目標(biāo)導(dǎo)引的單無(wú)人艇目標(biāo)跟蹤[9,14,20,27,41,56,75,79,82,94,96,105,107,109]、單目標(biāo)導(dǎo)引的多無(wú)人艇協(xié)同跟蹤[104,110]和多目標(biāo)導(dǎo)引的多無(wú)人艇包含跟蹤[105]。在單目標(biāo)導(dǎo)引的單無(wú)人艇目標(biāo)跟蹤中，控制目標(biāo)是跟隨船與領(lǐng)航船保持相對(duì)距離或相對(duì)角。在單目標(biāo)導(dǎo)引的多無(wú)人艇協(xié)同跟蹤方面，集群中只存在1 艘目標(biāo)船，多無(wú)人艇通過(guò)局部信息交換實(shí)現(xiàn)對(duì)該目標(biāo)船的協(xié)同跟蹤。在多目標(biāo)導(dǎo)引方面，多無(wú)人艇通過(guò)局部信息交換實(shí)現(xiàn)對(duì)多目標(biāo)船的協(xié)同包含。

圖5 基于目標(biāo)導(dǎo)引的集群控制Fig. 5 Target-guided coordinated control

在單無(wú)人艇目標(biāo)跟蹤方面，研究人員已經(jīng)取得了豐富的研究成果[14,20,27,41,52,53,56,75,79,82,84,93-98]。具體而言：Fahimi[20]采用滑?？刂品椒ㄔO(shè)計(jì)了領(lǐng)航–跟隨編隊(duì)控制器。該控制器僅需無(wú)人艇與鄰船的相對(duì)量測(cè)信息。Peng 等[41]提出了基于多層前饋神經(jīng)網(wǎng)絡(luò)的自適應(yīng)編隊(duì)控制器，解決了運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)同時(shí)存在不確定的編隊(duì)控制問(wèn)題。Cui 等[27]提出了一種基于虛擬目標(biāo)導(dǎo)引的自適應(yīng)領(lǐng)航–跟隨編隊(duì)控制方法，動(dòng)力學(xué)不確定與海洋環(huán)境擾動(dòng)采用徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行補(bǔ)償?？紤]船舶輸入受限問(wèn)題，Shojaei[94]結(jié)合飽和函數(shù)提出了神經(jīng)網(wǎng)絡(luò)領(lǐng)航-跟隨編隊(duì)控制器。考慮船舶速度不可測(cè)，Shojaei[109]提出了基于神經(jīng)網(wǎng)絡(luò)觀測(cè)器的飽和編隊(duì)控制器。考慮船舶不確定性和執(zhí)行機(jī)構(gòu)故障，Jin[79]提出了故障容錯(cuò)自適應(yīng)領(lǐng)航–跟隨編隊(duì)控制器。采用時(shí)變正切函數(shù)保證了相對(duì)距離和相對(duì)角度在期望的界內(nèi)?？紤]編隊(duì)誤差的暫態(tài)性能，Dai 等[75]提出了基于指定性能的領(lǐng)航–跟隨編隊(duì)控制器，該控制器具有避碰和連通保持功能。類似的方法可見(jiàn)Sun 等[82]的研究?？紤]目標(biāo)船動(dòng)態(tài)未知，Liu 等[56]設(shè)計(jì)了基于ESO 的神經(jīng)網(wǎng)絡(luò)控制器。為了減少控制抖顫，Sun 等[82]提出了自適應(yīng)連續(xù)滑模編隊(duì)控制器。Fahimi 等[20,41,56,75,79,94,109]在目標(biāo)跟蹤時(shí)未引入制導(dǎo)策略，Breivik 等[14]則將平行接近制導(dǎo)引入目標(biāo)跟蹤設(shè)計(jì)，通過(guò)跟蹤位于領(lǐng)航船附近的虛擬目標(biāo)，實(shí)現(xiàn)了領(lǐng)航–跟隨編隊(duì)結(jié)構(gòu)。Hinostroza 等[96]提出了向量場(chǎng)制導(dǎo)的目標(biāo)跟蹤方法。

值得指出的是，Breivik 等[14,20,41,56,75,79,94,96,109]研究的是一對(duì)一的目標(biāo)跟蹤問(wèn)題，控制的目的是目標(biāo)船與跟隨船保持相對(duì)位置和角度。在某些應(yīng)用場(chǎng)景期望對(duì)目標(biāo)船實(shí)施包圍，保持與目標(biāo)船環(huán)繞的編隊(duì)隊(duì)形。Jiang 等[9]針對(duì)未知海流擾動(dòng)下目標(biāo)跟蹤問(wèn)題，提出基于視距制導(dǎo)和海流估計(jì)器的目標(biāo)包圍控制方法，實(shí)現(xiàn)了無(wú)人艇對(duì)速度未知目標(biāo)船的動(dòng)態(tài)包圍。Peng 等[107]提出了事件觸發(fā)的動(dòng)態(tài)面設(shè)計(jì)方法，設(shè)計(jì)了基于模糊邏輯系統(tǒng)的目標(biāo)包圍控制器，降低了無(wú)人艇執(zhí)行器的動(dòng)作頻率。上述研究結(jié)果[9,14,20,27,41,56,75,79,82,94,96,105,107,109]只能實(shí)現(xiàn)單無(wú)人艇對(duì)單目標(biāo)的跟蹤或包圍。

在單目標(biāo)導(dǎo)引的協(xié)同目標(biāo)跟蹤方面，Glotzbach等[110]采用視距制導(dǎo)方法，提出了通用的協(xié)同目標(biāo)跟蹤控制結(jié)構(gòu)，實(shí)現(xiàn)了對(duì)水下動(dòng)態(tài)目標(biāo)的多無(wú)人艇協(xié)同跟蹤。Liu 等[104]針對(duì)模型已知欠驅(qū)動(dòng)無(wú)人艇，提出了基于群集動(dòng)態(tài)和軌跡跟蹤的分層控制方法，實(shí)現(xiàn)了對(duì)目標(biāo)艇的跟蹤和包圍。該文提出的分布式協(xié)同控制器實(shí)現(xiàn)了多無(wú)人艇協(xié)同目標(biāo)包圍隊(duì)形。

在多目標(biāo)導(dǎo)引方面，Soares 等[111]和REGO等[112]通過(guò)調(diào)節(jié)跟隨者與2 個(gè)領(lǐng)航者的相對(duì)位置，實(shí)現(xiàn)了3 艘海洋航行器的三角編隊(duì)隊(duì)形。Yu等[105]則是針對(duì)動(dòng)態(tài)未知欠驅(qū)動(dòng)無(wú)人艇，提出了基于多目標(biāo)艇導(dǎo)引的分布式協(xié)同目標(biāo)跟蹤方法，實(shí)現(xiàn)了編隊(duì)-包含隊(duì)形。

3 總結(jié)與展望

隨著艦船科學(xué)、控制科學(xué)、網(wǎng)絡(luò)科學(xué)、通信科學(xué)、電氣工程、人工智能的飛速發(fā)展, 艦船科學(xué)與各學(xué)科交叉融合, 無(wú)人艇集群控制技術(shù)不斷取得新的研究進(jìn)展。為建立以高可靠、高精度、強(qiáng)適應(yīng)、抗干擾、自主協(xié)同為特征, 具備快速集群任務(wù)響應(yīng)、集群隊(duì)形重構(gòu)與變換能力，滿足未來(lái)復(fù)雜海洋環(huán)境下集群化海洋作業(yè)任務(wù)的多無(wú)人艇自主協(xié)同控制系統(tǒng)，本文最后提出一些尚待解決的問(wèn)題及未來(lái)值得深入探索的研究方向：

1） 多無(wú)人艇網(wǎng)絡(luò)化協(xié)同控制。將無(wú)人艇通過(guò)網(wǎng)絡(luò)連接實(shí)現(xiàn)信息交互與共享，進(jìn)而實(shí)現(xiàn)網(wǎng)絡(luò)環(huán)境下的集群協(xié)同，是未來(lái)多無(wú)人艇集群控制研究的重要趨勢(shì)之一?，F(xiàn)有多無(wú)人艇集群控制理論通常假設(shè)通信與信息傳輸是理想的，重點(diǎn)關(guān)注的是如何利用分布式反饋信息實(shí)現(xiàn)期望的集群控制目標(biāo),未考慮通信環(huán)境如通信時(shí)延、數(shù)據(jù)丟包、拓?fù)鋾r(shí)變、間歇通信、異步通信、距離受限等因素對(duì)集群控制的影響。這些網(wǎng)絡(luò)因素可能降低集群控制性能，甚至導(dǎo)致閉環(huán)系統(tǒng)失去穩(wěn)定性。因此，如何進(jìn)一步考慮網(wǎng)絡(luò)因素，系統(tǒng)地建立網(wǎng)絡(luò)環(huán)境下多無(wú)人艇分布式協(xié)同控制方法值得深入研究。

2） 多無(wú)人艇安全協(xié)同控制。避障和避碰不僅是實(shí)現(xiàn)單無(wú)人艇自主航行的基礎(chǔ)，也是保障多無(wú)人艇集群安全航行的基礎(chǔ)。由于海上交通環(huán)境的復(fù)雜性，無(wú)人艇在水面航行時(shí)不僅會(huì)遇到多種靜態(tài)或者動(dòng)態(tài)障礙物，還可能存在觸碰暗礁或擱淺等風(fēng)險(xiǎn)。與此同時(shí)，多無(wú)人艇之間也可能發(fā)生碰撞，多無(wú)人艇安全協(xié)同控制極為重要。特別是編隊(duì)個(gè)體和海上交通密度的增加，給無(wú)人艇集群控制器設(shè)計(jì)帶來(lái)了更大的挑戰(zhàn)。因此針對(duì)復(fù)雜海洋環(huán)境和潛在的威脅信息，如何設(shè)計(jì)集群分布式協(xié)同控制器，避免無(wú)人艇與環(huán)境障礙物以及無(wú)人艇個(gè)體之間發(fā)生碰撞，保證多無(wú)人艇編隊(duì)航行或編隊(duì)重構(gòu)的安全性值得深入探索。

3） 多無(wú)人艇最優(yōu)協(xié)同控制?，F(xiàn)有多無(wú)人艇集群控制僅研究如何在不確定及海洋環(huán)境擾動(dòng)下保持編隊(duì)隊(duì)形穩(wěn)定的問(wèn)題，閉環(huán)控制系統(tǒng)的穩(wěn)定性、收斂性、魯棒性是關(guān)注的重點(diǎn)，而沒(méi)有考慮集群控制的最優(yōu)性。隨著海洋科技的發(fā)展，必然對(duì)集群控制性能提出更高的要求，尤其是如何在能量受限、資源受限、通信受限以及環(huán)境受限的條件下，針對(duì)模型未知的多無(wú)人艇集群系統(tǒng)，研究具有自主學(xué)習(xí)和自主優(yōu)化能力的集群協(xié)同控制器，實(shí)現(xiàn)多無(wú)人艇集群最優(yōu)協(xié)同控制。

4） 多無(wú)人艇免模型協(xié)同控制?，F(xiàn)有多無(wú)人艇集群控制器設(shè)計(jì)和分析大多基于現(xiàn)代控制理論，依賴由微分方程或差分方程描述的數(shù)學(xué)模型，如魯棒控制、自適應(yīng)控制、神經(jīng)網(wǎng)絡(luò)控制、模糊控制、滑?？刂频榷际腔跓o(wú)人艇模型構(gòu)造集群控制器，系統(tǒng)的穩(wěn)定性、收斂性、魯棒性成為控制器設(shè)計(jì)關(guān)注的重點(diǎn)?？刂七^(guò)程完全依賴或部分依賴模型參數(shù)信息，控制算法較為復(fù)雜，待估參數(shù)多，不利于實(shí)際工程應(yīng)用。免模型控制如PID控制僅利用輸入、輸出數(shù)據(jù)進(jìn)行反饋控制，在工程實(shí)現(xiàn)方面更具吸引力，控制器可調(diào)參數(shù)少，降低了控制器實(shí)現(xiàn)的復(fù)雜性。因此，如何建立多無(wú)人艇免模型協(xié)同控制方法，降低集群控制器的復(fù)雜性，對(duì)于多無(wú)人艇集群控制方法走向工程應(yīng)用具有重要意義。

5） 多無(wú)人艇與多水下航行器立體協(xié)同控制。由于GPS 不適用于水下環(huán)境，水下導(dǎo)航定位成為AUV 水下作業(yè)時(shí)所面臨的重要挑戰(zhàn)之一。除此之外，AUV 海洋作業(yè)面臨的另一個(gè)挑戰(zhàn)是缺乏高效的通信鏈路。AUV 水下作業(yè)一般采用水聲信道進(jìn)行通信。然而，水聲信道是迄今為止最為復(fù)雜的無(wú)線通信信道之一，因其固有的時(shí)空頻變以及窄帶、高噪、長(zhǎng)時(shí)延傳輸?shù)忍卣鳎沟盟曂ㄐ旁谛阅苌想y以滿足AUV 對(duì)實(shí)時(shí)控制的需求。與AUV 相比，無(wú)人艇具有精確的導(dǎo)航定位能力，能夠與水上、水下、空中等空間平臺(tái)進(jìn)行通信。無(wú)人艇與AUV 立體協(xié)同不僅可以為其提供垂直通信信道，克服水聲通信的頻帶限制，同時(shí)也能提供精確的GPS 導(dǎo)航信息。因此，開(kāi)展多無(wú)人艇與多AUV 立體協(xié)同控制研究，有助于實(shí)現(xiàn)AUV 大范圍、長(zhǎng)時(shí)間、高效率的海洋作業(yè)。

6） 多傳感信息融合的多無(wú)人艇協(xié)同控制。無(wú)人艇通過(guò)搭載航海雷達(dá)、激光雷達(dá)、視覺(jué)傳感器、熱像儀和聲吶等感知設(shè)備，可以增強(qiáng)對(duì)目標(biāo)識(shí)別和障礙檢測(cè)的能力。航海雷達(dá)探測(cè)廣，但感知精度低，存在探測(cè)盲區(qū)。可見(jiàn)光攝像頭、紅外攝像頭等視覺(jué)傳感器的感知精度低，且基于圖像的目標(biāo)識(shí)別技術(shù)對(duì)數(shù)據(jù)的實(shí)時(shí)處理能力要求高，在大霧天氣下難以正常工作。與視覺(jué)傳感器相比，激光雷達(dá)的識(shí)別精度高，但也存在惡劣天氣可靠性差的問(wèn)題。聲吶分為主動(dòng)聲吶和被動(dòng)聲吶，主動(dòng)聲吶可以探測(cè)靜止目標(biāo)，但探測(cè)波短，容易暴露位置。被動(dòng)聲吶探測(cè)波長(zhǎng)，隱蔽性強(qiáng)，但不能探測(cè)靜止目標(biāo)。總而言之，無(wú)人艇在對(duì)目標(biāo)識(shí)別和障礙檢測(cè)方面仍處于感知精度低、實(shí)時(shí)性差的落后階段。因此，研究一套探測(cè)范圍廣、感知精度高、實(shí)時(shí)性好的智能感知設(shè)備，對(duì)于多無(wú)人艇集群協(xié)同的可靠性和安全性至關(guān)重要。

7） 多無(wú)人艇集群協(xié)同控制試驗(yàn)研究。美國(guó)海軍、里斯本理工大學(xué)、云洲智能、哈爾濱工程大學(xué)、上海交通大學(xué)、華中科技大學(xué)、西北工業(yè)大學(xué)、大連海事大學(xué)等單位開(kāi)展了集群控制試驗(yàn)研究。然而目前關(guān)于無(wú)人艇集群控制試驗(yàn)方面的研究報(bào)道還十分有限，大量的理論控制算法有待進(jìn)一步檢驗(yàn)。因此，將集群控制理論和實(shí)踐相結(jié)合，大力開(kāi)展多無(wú)人艇集群控制試驗(yàn)驗(yàn)證研究，對(duì)新型集群控制基礎(chǔ)理論的有效性進(jìn)行試驗(yàn)驗(yàn)證，將進(jìn)一步推動(dòng)和加快多無(wú)人艇集群系統(tǒng)的工程應(yīng)用。