针对水声通信的各种缺点和海洋中的客观不利条件，在已有的硬件条件基础上，仍可对通信效果进行可观的改善，达到节约能耗、减少数据丢包通信延迟带来的影响等目的。主要方法有：改变通信拓扑[29-30]、设计更高效的通信协议[31]、改变通信模式[32]等。近些年比较有代表性的研究有：文献[29]针对水声信道不稳定，存在时间延迟以及海洋背景噪声的问题，提出了一种基于Markov随机过程的双层独立变换通信拓扑，通过双层独立结构和不断切换的拓扑确保编队中全部潜航器都可以实现通信覆盖，并分析了在此变换拓扑条件下潜航器编队收敛的条件；在此基础上，严浙平等[33]又提出了有效的通信拓扑权重 (communication topology effective weight)的概念以更好地表示受噪声干扰的通信信息的有效性。

2.3 任务分配

任务分配是随着集群技术发展最早被研究的技术之一，任务分配的研究对象日益复杂，分配的任务也多样化。现阶段任务分配方法根据对应集群的控制方式不同主要分为集中式分配和分布式分配2种。

1) 集中式任务分配。这种分配方式需要各UUV将自身环境信息与执行任务的代价函数信息传输给控制中心，控制中心权衡各UUV和任务情况进行合理分配。这种方式高度依赖通信，且作为控制中心的UUV计算负担重。文献[34]基于增加了延时的petri网对多UUV系统任务分配问题建模，提出了集中式和分布式相结合的任务分配方式：任务由主UUV发布，各从UUV结合自身约束条件选择是否接受任务。文献[35]在高延迟和不可靠的通信条件下，描述了一种使用k均值聚类的高效集中式任务分配机制，该机制在信息数据包错误率达到80%时仍能完成任务分配；

2) 分布式任务分配。这种分配方式并不是将决定权完全交给单体UUV，而是给各个成员一定的自主决策权力，成员可根据局部信息按某些规则进行局部任务分配，有对通信依赖小、执行速度快的特点，但由于成员不能掌握整体信息，各UUV间可能存在竞争关系。分布式任务分配比较常用的方法是合同网算法[36-38]和SOM神经网络[39-42]。合同网算法是一种谈判协调，通过模仿经济行为的“招标— 投标—中标”机制来实现任务分配，具有并行计算、分布式通信、可扩展性和鲁棒性等特点。SOM神经网络实质上是一种竞争性学习方法，相比于合同网方法，由于没有前者的协商机制，成员间的竞争会更多。这种方法适用于多UUV对应于多目标任务的情况，其核心是分别以目标任务和UUV对应SOM神经网络的输入和输出量，任务间通过竞争计算对应到不同的UUV，通过这种方式控制UUV到达指定位置完成指定任务。

任务分配的核心目的是将集群的优势最大化，通过合理分配任务给不同的执行者，使任务执行时间最少或能耗最小。集中式任务分配理论上可以通过通信协商找到最合理的分配方式，但是通信本身不可靠，且通信本身也会浪费掉一些时间和能量；与此相比分布式虽然不能得到最优解，但是它的优势是能够根据局部信息更快的作出反应。因此在应用时通常是根据实际需求将2种方法结合起来，才能发挥比较理想的效果。

2.4 路径规划

路径规划问题是指在航行器工作环境中，按照一定的评价标准(耗能最少、路线最短、时间最少等)为UUV寻找一条安全到达目标点的最优路径。将该技术拓展到集群中，对控制和算法设计提出了更高的要求。路径规划首先要考虑的是安全问题，这是UUV到达目标的前提，因此避碰(包括集群内部成员避碰和避开障碍物)是此类问题中必须考虑的问题[43-45]。其次进行规划前要先定义规划的最优标准，不同标准利用的方法也有所不同，例如文献[46]将TSP问题(travelling salesman problem)与蚁群算法结合寻找UUV集群最短路径；而文献[47]则针对存在时变洋流影响的多AUV系统，将完成任务的时间最短作为规划目的并采用动态规划算法来实现。另外在规划完成后还要对路径的可行性进行验证，避免无效路径的产生并排除可能存在的不稳定因素[48-49]。

2.5 编队控制

某些多UUV任务中，UUV以编队形式集体移动。编队控制就是一种控制一组UUV在任务需要时沿着所需路径移动的技术，同时保持所需的队形，并适应环境约束：如障碍物，有限的空间，洋流和通信约束。对空中飞行器的编队控制的研究相比于水下UUV编队要成熟，但是由于水下特殊环境的限制，空中飞行器编队控制算法不能直接移植到多UUV控制中，因此多UUV编队控制技术是集群研究的焦点之一。目前主要的编队控制方法分为以下几种：虚拟结构方法、领航者-跟随者方法和人工势场法。

1)虚拟结构方法。

为了在多个机器人之间形成和保持某种几何形状，引入了形成的刚性结构作为参考，其中机器人的整体表现像是嵌入刚性结构中的粒子，这种方法就是虚拟结构法 (virtual structure， VS)。虚拟结构按预定轨迹航行，算法反复计算UUV与虚拟结构的误差并进行调整，同时保持各UUV之间的刚性几何关系，直到UUV到达所需队形。这种编队控制方式被广泛应用于飞行器编队，但在UUV集群中的研究还很少。文献[50]提出了虚拟领航者的编队结构，由于编队领航者是虚拟的，因此它具有准确的位置信息，基于虚拟引导的准确位置，可以获得UUV在编队中的预期位置，但是只研究了2D的情况，3D的编队控制还有待研究。

2)领航者-跟随者方法。

在领航者-跟随者方法中，基本思想是领航者跟踪预定义的参考轨迹，跟随者根据预定义的方案跟踪领者航的状态。其最大优点是易于理解和实现，但是，跟随者对领航者没有明确的反馈意见，领导者的失败将导致整个编队的失败。这种方法在UUV编队控制研究中的应用比较多，在此结构前提下研究的方向主要集中在2方面：1)在复杂环境中的队形变换和避障。如文献[51-52]分别研究了在面对不同环境时采用不同的队形变换方法达到通过特定区域和避障的目的；2)编队稳定性研究。稳定性包括编队成员能否准确保持在队形指定位置和编队在复杂环境中的鲁棒性。如文献[53-54]提出了一种欠驱动多UUV主从式编队在领航UUV速度不确定时的控制方法，构建了收敛于从UUV轨迹的虚拟UUV，然后用反步法和李雅普诺夫法分析设计了跟随者的位置跟踪控制，使跟随者能准确跟随领航者。

3)人工势场法。

人工势场概念由Khatib[55]提出。这种方法的基本思想是航行器在力场中移动，其类似于由正电荷和负电荷产生的电场。要达到的位置对航行器产生吸引力，障碍产生排斥力，使得航行器可以沿着潜在场地的方向移动。这种方法通常都是与其他方法共同使用，在遇到障碍或者需要队形变换时提供辅助指向力。文献[56-57]分别将反步法和虚拟结构法与人工势场法结合实现多UUV编队控制，以达到队形保持和避障的目的。

除去以上3种常用方法，利用一致性理论对UUV进行编队控制[29，58]，也是近期的研究热点。多智能体一致性是指各智能体根据预先约定的协议，使指定的状态达到一致。但是这种方法仍然很依赖通信，不能摆脱水下通信受限对编队控制的影响。而且现阶段关于一致性的研究主要局限于理论分析和仿真，还没有具体的应用实例。

2.6 导航定位

由于UUV通常需要长时间在大范围海域执行任务，而且通常UUV体积不大，所以所携带能源和质量等均受到一定的限制。这种客观条件限制以及隐蔽性和水下特殊环境等因素综合导致多UUV精确导航定位的实现是一项非常艰巨的任务。多UUV协同导航定位主要有2种方式[59]：1)每个UUV配备的导航装备相同，互相通过水声通信获得系统中其他UUV的位置信息的并行方式；2)采用少量UUV配备高精度导航设备为其他UUV提供精确相对定位信息，其他UUV利用这种相对定位信息修正自身定位误差的领航方式。并行式的结构简单，但每个UUV都装备高精度导航设备，成本将成倍增加。而领航式则兼顾了精度和成本且能够适用于不同的使用区域和环境，是当今多UUV导航定位的重点研究方向。

多UUV协同导航精度的提高主要需要从UUV内部影响因素、各UUV间的影响因素以及整个UUV协同系统等多方面进行考虑。主要涉及到以下3方面问题[60]：1)精确建立协同导航模型以及协同导航算法的开发；2)对协同导航网络中的误差因素的补偿(如通信延迟、洋流等)；3)对协同导航系统中的编队构型进行优化设计。

1)建模与算法。

卡尔曼滤波是协同导航算法中最常见也最基本的方法之一，国内外学者围绕这一算法做了大量相关工作[61-65]。其中文献[62]针对EKF算法存在截断误差和计算繁琐等问题提出了使用sigma点卡尔曼滤波(SPKF)的协同定位方法；Gianluca Antonelli等则推导出了确保线性化模型的可观察性和非线性模型的局部弱可观测性的条件，然后设计扩展卡尔曼滤波器估计2个AUV之间的相对位置。协同导航算法的设计和改进都是建立在准确建模的基础上的，如文献[66]中的双伪测量的数学模型、文献[63]建立的从UUV非线性导航模型等。

2)误差补偿。

导航误差的产生有很多原因，主要包括3大类：洋流干扰、量测误差、通信时延。

针对洋流干扰问题，张立川、刘明雍等[67-68]设计协同定位滤波算法对洋流干扰进行估计；并通过非线性极小平方优化模型求解UUV和洋流的初始量，提高初始精度等方式补偿洋流影响下的UUV定位误差。

针对量测误差问题，李闻白[69]利用扩展卡尔曼滤波方法建立了单领航者导航系统的整体定位误差与相对位置量测误差间的传递方程。卢健等[70]根据水声通信的特点提出了一种相关性假设并提出了误差修正算法 (ECA)，在设定条件下利用误差间的相关性抵消量测误差，从而实现量测的粗估计。

水声通信时延问题是UUV集群研究不可避免的客观不利条件，由于时延的存在，相同时间不同UUV间的相对位置无法准确获得。为了弥补这种误差可采用2种方式：补偿时延造成的定位误差和追求时间同步。对于第1种方式，最常用的方法是卡尔曼滤波，如文献[71-72]。文献[73-74]则分别基于量测伪距的EKF移动长基线时间延迟算法和建立UUV时钟相对偏移、漂移两种模型实现对时间补偿，达到时间同步。