基于自组网的集群架构将无线自组网和无人机集群结合。

无线自组网不依赖于基础设施，无需路由器或接入点；相反，基于动态路由算法动态分配节点。

近年来，人们将移动和车载自组网概念拓展到无人机网络通信中，形成飞行自组网(FANET)。无人机间的信息交互，不依赖于任何已有的基础设施，而是临时建立起适应节点动态变化的机器对机器(M2M)通信网络；不需无线接入点(Access Point)，但是至少有一个网络中的节点连接一个地面基站或者卫星。文献[57]从移动性、拓扑和能耗等方面比较了移动自组网、车载自组网和无人机自组网，并比较分析了各种自组网的路由协议和节能策略。文献[58]综述了无人机集群在民用领域，包括搜索援救、覆盖侦查和运送物品等应用中通信组网的特点和需求。和移动或车载自组网相比，飞行自组网具有自身特点。1、 节点的高速移动和拓扑的高动态变化。典型的移动和车载自组网节点通常是人和汽车，而飞行自组网节点则是高速飞行的无人机，移动度远高于移动或车载自组网，导致其拓扑变化比移动或车载自组网更为频繁。2、节点稀疏性和网络异构性。集群中的无人机执行任务时通常是分散分布的，机间距离大都千米级，远大于移动或车载自组网节点间的距离，导致空域内节点密度较低。同时，实际应用中，无人机还需和卫星、有人机、地面机器人等不同类型的平台通信，网络拓扑可能分层分布。3、节点任务的多样性。无人机集群系统可能包括不同类型的传感器，并且每个传感器可能需要不同的数据传输策略。比如，需同时支持高频/实时的控制/决策通信需求(时延毫秒级)和协同感知等任务需求的大容量(M级)机间传输；支持突发任务响应，可随时发起点对点或者点对多点的通信。4、更高可靠性和更低重量要求。小型无人机载荷重量有限；同时空中无人机一旦失控，很容易造成机毁人亡。故而，飞行自组网在严格限制端机重量条件下，对网络协议和软硬件可靠性有严苛要求。

目前，其仍面临着严峻的技术挑战：

1) 有限的单跳距离：飞行自组网的建立依赖于每架无人机之间的单跳通信，而要想通过有限的机载能力实现可靠的通信，其单跳距离往往受到了限制，这成为了约束飞行自组网技术发展的重要因素之一。2) 难以可靠控制的丢包率：飞行自组网中，对动态路由的配置提出了很高的要求，迅速改变的物理层道会使原有拓扑的路径变得不再可靠，从而导致数据的大量丢包，这会严重限制无人机集群的任务执行能力。另一方面，在基础架构、硬件设备、通信带宽等固定的情况下，根据任务需求进行通信调度，可最大限度地挖掘通信系统的性能。目前，协同飞行任务中的通信需求研究较多。通常，其通信拓扑要求无向连通或存在有向生成树，拓扑切换和通信时延等存在必要条件。但是，目前对其他任务，比如协同探测、协同规划等通信需求的研究较少。

3.2.3 集群决策与规划

集群规划的内涵是“在线实时为集群内的每架无人机生成从当前/起始位置到目标位置的运动任务，要求集群任务总代价最低(较低)，同时实现集群内相互避碰以及避免与环境碰撞”。

和体系结构一样，规划决策可以采用集中或分散式方法解决。集中方法中，有一个中心节点可以获得所有无人机的信息，问题转化为对整个集群的单一优化问题。分散方法中，每架无人机依赖获得的全局或者局部信息单独求解。介于两者之间的是半分散式系统，它充分利用无人机的分布式计算能力，但仍然需要中心节点进行信息融合或全局约束条件的判断。

无人机集群的规划决策可以涉及不同层次，部分算法直接作用于无人机的控制输入，部分算法则聚焦于无人机的任务或行为。POMDPs提供了一种优化的数学框架来建模无人机与环境交互过程，可在同一框架内通过优化合并的目标函数实现不同层次策略的组合，因此得到了广泛的使用。对于无人机集群系统，POMDPs可以扩展为 MPOMDPs(集中式)或Dec-POMDPs(分散式)等。进一步，为解决集群信息不一致和状态不确定问题，考虑信息融合的多无人机POMDPs求解算法也得到了研究。

集群任务的不确定性，给规划决策带来了极大挑战。任务规划通常是PSPACE完整的，寻求精确解的规划算法仅限于在低维系统可行。集群通常由大量个体组成，同时还具有底层空间的高维度特性，导致纬度巨大且计算复杂。规划算法对问题维度呈指数依赖，即使离线都难以求解。进一步，与地面机器人相比，无人机速度更快，动力学系统更复杂，机载计算能力更有限，故而，无人机的规划决策算法必须尽可能降低计算量，且具有强实时性。美国空军技术研究院以无人集群广域搜索/打击一体化任务为研究背景，通过群间任务分配、群内任务协调、路径规划和轨迹优化4个层次的分层优化，使得无人平台能够针对复杂任务实现层次化协调，极大地减小了在线计算负载。但是，总体而言，为适应瞬息万变的复杂动态环境，如何实现兼顾优化性和快速性的动态决策和任务/航迹重规划，仍然还是挑战性的问题。

3.2.4 集群无人机平台系统

集群无人机平台系统，包括平台和飞行控制系统，是集群形成能力的基础。集群具备的优势与无人机系统的特性息息相关，合理的平台设计和精确的飞行控制能大幅提升集群性能。

无人机平台是集群遂行多种任务的载体，其性能和作用范围也在不断增加。伴随性能增加，平台的成本也在不断增加，如何兼顾平台成本和性能是集群走向实战的必由之路。集群内部信息需要交互与反馈，动作需要协同与配合，任务需要分工与合作，这些都需要平台和载荷的参与。通常而言，集群采用低成本的常规中小型无人机(10～100kg)，其性能差异并不明显。单平台主要评价指标有：航时、巡航速度、最大航程、最大升限、载荷能力、机动性(最小转弯半径，爬升速率、下降速率等)、稳定性、跟踪定位性能等。除此之外，集群无人机平台更关注自组织、自适应和信息交互特性。

特别地，考虑到集群的数量优势，集群无人机应特别注重成本控制，包括低成本结构设计、模块化组装调试、数字化精确飞控与导航、小型化能源动力和多功能组网通信等。以美军“小精灵”无人机为例，其设计目标为作战半径555～926km；续航时间1～3h；设计载重27.3～54.5kg；飞行速度0.7～0.8马赫；发射高度12192m以上；推进系统可选型现役发动机、改进型动机或全新设计型发动机；有效载荷功率800～1 200W；有效载荷模块化设计，应包括光电/红外传感器、无线电系统等；无人机至少可重复使用20次，具备空基发射回收能力；出厂单价(不包括载荷)低于70万美元/台。

飞行控制系统为无人机提供了精确飞行和适应复杂环境的能力。低成本固定翼无人机的飞行控制具有较大的挑战性，主要包括：1) 模型不精确：固定翼无人机气动复杂、操纵耦合，且可控制性不足。特别地，由于成本原因，小型无人机很难采用风洞吹风等手段建立准确的动力学模型。2) 交叉耦合：固定翼无人机的动力学和控制严重耦合。通常情况下，无人机平台控制采用解耦方法分内层姿态和外层位置控制。然而，这2层 间是严重耦合的，如协调转弯时涉及滚转和航线控制，速度控制也通常和高度耦合。3) 噪声：一般来说，传感器越昂贵，测量就越精确。因此，集群中对无人机的低成本要求导致了其获取信息的噪声和不准确。4) 风扰：无人机飞行过程不可避免地受到风的干扰。风扰，尤其是侧风对无人机飞行影响重大。在集群任务飞行中，无人机常需低空飞行(通常低于1000m，甚至不超过100m)，以便对地面物体进行抵近观察。低空飞行的风扰给控制影响更为严重。对于小型固定翼无人机来说气流扰动的速度会占到无人机巡航速度的20%～60%。

为解决飞行控制问题，研究人员开展了许多理论和工程研究。各种开源自驾仪被广泛的应用在小型固定翼无人机系统中。它们一般采用分层控制策略，通常包含位置层、姿态层和执行层，各层采用不同的控制频率。各层控制方法大多采用各种比例-微分(PD)控制或者自抗扰控制 (ADRC)。特别的，运动控制，包括轨迹跟踪和路径跟踪控制，作为无人机自主飞行的直接体现，在近年受到广泛关注。相比于轨迹跟踪，路径跟踪无需考虑时间参数化表示，在集群任务飞行中得到了广泛的应用。各类路径跟踪算法通常可以划分为线性和非线性控制方法。线性方法主要包括比例-积分-微分(PID, 线性二次型调节器(LQR)等，非线性方法包括矢量场法， 视线法, 虚拟跟踪目标法, 基于非线性控制理论方法等。针对小型固定翼无人机的路径跟踪问题，分析比较了5种算法的性能，分别为逐点法(carrot-chasing), 非线性导航律(NLGL), 纯追踪和视线法(PLOS), LQR,和矢量场(VF)法。结论表明在直线和圆形路径跟踪中，VF法的跟踪精度等性能最高。但是针对更一般意义上的曲线路径跟踪问题，目前还没有类似的比较性研究。

集群无人机另一个具有挑战性的问题为自主起飞和着陆。与单个无人机相比，集群无人机的自主起降具有更大的挑战性。需考虑3个方面的问题：1) 鲁棒性：因为集群中的无人机可能具有不同负载、不同质量分布和不同机械条件，且在不同的风场条件中工作，故而起降控制在存在质量变化、机械不确定或风扰时应具有较好鲁棒性。2) 快速性：因为集群无人机数量多，需要尽可能地降低单个无人机的起飞或着陆时间，以最大限度地延长任务时间。3) 意外事件的快速处理：为避免连续起降过程中的连锁反应，应快速地处理起降过程中可能的突发事件。目前，专门针对集群无人机特性的起降控制研究还很少，还值得在理论和工程中进行进一步的探索。

3.2.5 集群飞行与队形重构

集群自主飞行是无人机协同执行任务的基础，也是在复杂环境中遂行集群突防、分布探测和分布打击等基本任务。面对不同的任务剖面、环境约束或者任务变化，集群通常需要变换队形以高效完成任务。故而，队形保持和重构的效果决定了无人机集群协同执行能力的有效性。

集群自主飞行与队形重构是指设计分布式控制律使无人机集群保持特定三维结构的姿态和位置稳定飞行，达到时间和空间的同步，并能自动根据外部环境和任务动态调整队形。但是，固定翼无人机欠驱动和输入受限等模型约束，以及外部干扰、信息不完全等不确定条件，使得传统的多智能体协同控制方法难以直接扩展应用。学者们围绕编队控制，产生了一大批丰硕的理论成果。