[摘 要]多UAV（无人机）自组织方法最初源于对昆虫群落的行为研究，并逐渐发展成了群集智能理论。这类方法通过模拟蜂群、蚁群、鸟群、鱼群等生物群体的行为实现多无人机分布式自组织控制，采取自底向上的数据驱动和建模策略，将简单对象构成大集合，通过智能主体的聚集协同来实现全局的智能行为。
　　[关键词]多UAV 自组织 控制
　　中图分类号：F875 文献标识码：A 文章编号：1009-914X（2018）37-0156-01
　　在群集智能理论基础上，分布式计算和人工智能等交叉领域促进并形成了一个崭新研究领域——多智能体系统一制理论，主要研究在没有组织者和协同者的情况下，如何通过个体对环境的动态反应以及多个个体之间简单协调而涌现出整体行为的一致。
　　在具体应用中，智能体则是UAV、地面移动机器人或者無线传感器节点等运动单元。多智能体一致理论的基本任务是：基于多个智能体可能冲突的输入信息，采用一致性理论的基本输出，并且在理论上证明达到一致性所需要的上界与下界相同。
　　一、多UAV融合的估计方法
　　基于平均一致性理论，设计了分布式卡尔曼滤波算法，但该算法仅实现了滤波算法的框架设计，在此基础上，设计实现了DFK的具体算法，并将其分解为两个动态一致子问题，即加权测量和逆协方差矩阵计算。利用低通和带通滤波器实现数据一致性融合，实现了降低通信代价和抑制噪声的目的，进一步分析了一致性滤波器的收敛性、噪声迭代衰减和快速跟踪信号的能力，揭示了传感器数量和融合能力之间的关系，提出了不确定跟踪理论，研究了信息一致性滤波算法，获得了同集中式估计相当的估计结果。应用一致性理论研究了重叠分散估计方法，用于间断观测和可能通信故障情况下的分布式估计。
　　二、多UAV协同决策方法
　　针对异步通信条件下多UAV协同任务决策问题，提出了分散任务一致性求解方法，包括局部信息交换、状态估计、任务分配和平台决策，目的是通过对多UAV系统内其他平台状态进行有效估计 ，从而提高多UAV系统任务决策的效能，针对受限通信条件下的多平台的状态问题，提出一种新的估计——决策框架，当每架UAV的本地信息与共享信息间的误差达到给定阀值时进行机间通信，并促进信息达到一致。利用该方法实现了多UAV分布式任务算法，研究了基于任务态势估计的决策方法，在每个时刻UAV综合内部状态和外部估计状态进行决策。状态估计的引入，可以较好地适应受限的通信条件。
　　三、多UAV编队控制方法
　　多UAV系统编队控制是多智能体一致性理论的典型应用之一，相比于领航跟随法、虚拟领航法和行为控制法，应用一致性策略的编队控制方法只需要局部紧邻UAV台间的信息感知，在无集中协调的方式下实现大规模、分布式编队控制和协调，具有较好的灵活性和适应性，也不会因为少量成员的退出、损伤而降低多UAV的鲁棒性。
　　在网络中引入随机通信噪声和信息丢包约束，采用一致性策略研究了基于信息交换的多边形编队控制方法，并利用该框架解决了单积分器和广义动力学模型的编队交换问题。
　　四、多UAV蜂拥和集结的方法
　　在多UAV蜂拥算法应用中，一致性算法主要用于多UAV间的速度匹配，在以相同速度运动的前提下，多UAV间保持一定的距离以避免相互碰撞。集结问题是指多UAV通过设计局部控制策略使得所有的UAV最后能够同时在指定位置聚集。
　　目前，在多UAV系统中，这类算法仍处于仿真研究阶段。蜂拥设计和分析的理论框架除了实现速度匹配一致外，多UAV系统还要形成指定编队结构并避免相互碰撞。蜂拥现象，在固定拓扑和动态拓扑条件下，通过构造局部控制律可实现速度方式结盟。协调算法，包括选取协调变量和确定协调函数两个环节，可使多架UAV沿着不同航线到达目标点，并将这一方法推广到多UAV协同监视与识别任务中的分布式协调控制上，研究了多UAV对目标的多方位摄像、连续摄像等问题中的航线规划方法，并进行飞行验证，同时了解多UAV在雷达探测边界会合问题，基于一致性策略研究多UAV集结问题中的时间协调方法，实现了指挥方式由集中到分布的跨越，能够适应不确定战场环境的动态变化。