基于距离控制 参数yi是在智能体的局部坐标系而非全局坐标系下获取的相对变量，无人机i的输出zi具有平移和旋转不变性，式（9）可写为：

2.3.2 编队控制研究现状

基于坐标控制 智能体根据全局坐标系确定自己的位置。主动控制自己的坐标，移动到全局坐标系下的目标位置以实现协同控制。基于坐标控制的研究方向一般分为两种：1）凭借各智能体之间的相互作用来提高编队控制性能；2）引入全局协调器从个体获取反馈并为群体提供适当的协同命令，在个体的驱动能力有限或者受到干扰时这种反馈式协同十分有益。Van Tran 等［50］在假设智能体可感知自身状态和邻居相对于全局坐标系状态的条件下，提出了一种基于位置的控制协议来驱动智能体跟踪期望轨迹；Cortés［51］在基于位置控制的基础上引入分布式位置估计，每个智能体都沿最短路径运动到目标位置，实验表明系统全局估计位置以指数形式收敛至实际位置，实际位置以指数形式收敛至目标位置；刘祖均等［52］基于分布式重新建立主机-从机协议，成功实现多无人机的避障和编队重构。

基于位移控制 智能体主动控制与邻近智能体的相对位移以实现协同控制，假设每个智能体能够感知到邻近智能体相对于全局坐标系的相对位置，这意味着智能体需要知道全局坐标系统的方向。不过这些智能体既不需要全局坐标系本身信息，也不需要清楚它们关于该坐标系的具体位置。Cortes［53］研究了相对位置感知故障和错误的系统鲁棒性问题，提出一种用于离散时域单积分器智能体模型的协同控制算法，并验证该算法对测量失败和错误的鲁棒性。在智能体局部坐标系方向相同的条件下，Han 等［54］通过局部通信使用速度和位移测量来估计邻居的实时相对位置，结果表明持续控制输入条件下相对位置的估计值和相对速度间呈指数收敛关系。

基于距离控制 主动控制智能体间的距离以达到由期望距离所形成的协同控制。假设单个智能体可感知相邻智能体在自己局部坐标系下的相对位置，同时局部坐标系并不需要完全对齐。在基于距离的控制中，即使智能体模型是线性的，控制协议一般也是非线性的。此外多智能体系统在基于距离的控制协议下的不变集分析也是目前研究的重点。如果多智能体系统的交互图不完整，则需要智能体通过控制部分智能体间的距离来达到期望的距离。Kang 等［55］提出基于距离的领导者跟随控制算法，通过自适应算法来测量相对位移以估计领导者的速度。Ahn 等［56］设计n 维基于距离的无向协同控制，但关注的是局部稳定性。在集群中只有单智能体接收到编队控制的具体信息的情况下，Yang 等［57］提出一种分布式估计器协助智能体估计变量，并在一般刚性结构系统中取得较好结果。

   3 问题与挑战  

随着应用无人机的不断普及，越来越多的现实问题开始出现在研究者面前。时延［58］、通信带宽［59］和躲避障碍［60］等问题阻碍无人机技术的发展，虽然学者已经取得一些相关成果，但离完全解决仍有很大的距离。

时延 由于传输速度限制，且传感器获取信息需要一定时间，实际生活中几乎所有系统都存在时延问题。无人机集群在执行任务时需要对系统发出的指令立刻做出反应，以应对碰撞避免、障碍躲避等问题。在一致性控制中，时延可大致分为通信时延和输入时延，前者是通信距离造成的延迟，后者则是无人机在飞行中更新运动信息产生的延迟。Hu 等［60］证明只要通信时延在一定阈值内便不会造成系统崩溃，但依旧会影响系统的稳定性。Min 等［61］基于分数阶微积分模型求出一阶系统实现一致性的必要条件，并设置输入时延的最大上限，但对于高阶非线性系统，仍没有较好的解决方法。

避障 躲避障碍是无人机执行任务不可避免的问题，对于个体具有自主决策能力的多无人机系统而言，在移动过程中躲避障碍是最基本的要求。在蜂拥控制中，避障控制的基本策略是将前方障碍物想象成一个圆柱体模型［62］，存在多个障碍物时无人机会优先避开最近的目标，但该方法没有考虑障碍物的实际大小以及障碍物与无人机之间的距离对无人机转向控制力的影响。Olfati-Saber［63］假设障碍物是一个移动的智能体，障碍物进入无人机感知范围时将障碍物视作邻居处理，但无人机在绕过障碍物后仍会受到障碍物影响。路径规划问题是无人机研究领域的一个热点，通常采用蚁群算法和模拟退火算法等算法寻找出一条合理路线，但这需要全部障碍物的位置信息。对于未知环境还需依靠无人机本身的自主决策能力。

信息估计 编队控制多采用集中控制以提高系统稳定性，但对于大型无人机集群全局通信成本太过高昂。随着无人机自主化水平提高，将更多依赖局部通信，这意味着需要一种分布式协议去预测全局信息。一方面，应设计一种局部分布估计系统，可以在有限时间内估计出某些全局信息；另一方面，基于局部估计来设计局部控制器，提高闭环系统稳定性。基于估计的分布式控制本质上是集中式控制和分布式控制的结合，它将分布式控制用于全局信息的估计，将集中式控制思想用于局部控制器的设计。但包含分布式估计器的无人机系统比没有分布式估计器的无人机系统要复杂得多。在无人机协同控制系统中，必须适当地替换某些昂贵的测量设备或使用分布式估计，而代价是控制系统设计困难性增加和系统稳定性分析更加复杂。此外，诸如有界控制输入、异步通信和信息量化等物理限制可能会降低联合估计和控制方案在各种分布式无人机协同系统中的适用性。