博文

2024优秀论文 | 多无人机安全编队控制：控制设计与安全稳定性分析

已有 205 次阅读 2025-6-23 10:27 |个人分类:文章推荐|系统分类:博客资讯

本次分享的论文是“Safe formation control of multiple unmanned aerial vehicles: control design and safety-stability analysis（多无人机安全编队控制：控制设计与安全稳定性分析）”。

这篇文章讨论了多无人机系统在执行编队控制任务的同时如何确保安全性和稳定性。文章提出了一种将Lyapunov函数和障碍函数相结合的统一控制策略，通过构建松弛逆控制Lyapunov障碍函数（RCCLBF）来实现这一目标。仿真结果表明，该策略能够确保无人机集群有效地避开动态和静态的不安全区域，同时保持无人机的编队跟踪性能。文章的主要贡献在于提出了一种新的分布式控制算法，能够在复杂条件下实现多无人机系统的安全与稳定。

Safe formation control of multiple unmanned aerial vehicles: control design and safety-stability analysis多无人机安全编队控制：控制设计与安全稳定性分析

作者：Haoqi Li1, Jiangping Hu1,2, Qingrui Zhou3, Bijoy K.Ghosh1,4

机构：1.电子科技大学自动化工程学院；2.电子科技大学长三角研究院(湖州)；3.中国空间技术研究院空间技术实验室；4.德克萨斯理工大学数学与统计系

引用信息：Li, H., Hu, J., Zhou, Q. et al. Safe formation control of multiple unmanned aerial vehicles: control design and safety-stability analysis. Control Theory Technol. (2024). https://doi.org/10.1007/s11768-024-00209-7

全文链接：‍https://rdcu.be/dJaEI

摘要

安全性和稳定性是多无人机（multi-UAV）系统在许多协调任务中的主要性能标准。现有方法通常分别考虑安全性和稳定性。开发一种能同时满足这两个性能标准的安全稳定性控制策略是必要且紧迫的。本文提出了一种考虑多无人机编队控制安全性和稳定性的统一方法。稳定性标准由Lyapunov函数表示，安全性标准由障碍函数表示，从而得到了松弛逆控制Lyapunov障碍定理。借助该定理构建了松弛逆控制Lyapunov障碍函数（RCCLBF），并提出了多无人机系统的分布式安全稳定编队控制策略。通过将RCCLBF的求解转化为类Lyapunov稳定问题，我们表明所提出的编队控制策略可以驱动无人机保持在指定的安全集内。最后仿真结果验证了所提出的安全稳定性编队控制策略。

引言

无人机（UAV）已逐渐成为当代军事和民用行动中不可或缺的组成部分。它们的应用涵盖一系列具有挑战性的任务，例如侦察、监视以及搜索和救援任务。然而，仅仅以稳定的方式完成这些任务并非其唯一的性能标准。随着无人机的普及和操作环境变得更加不可预测，确保其在恶劣条件下的安全操作变得越来越重要。这种安全需求可能来自潜在的敌对威胁，例如敌方雷达探测和导弹威胁；或高空障碍，例如恶劣天气条件或空中碎片。在这些场景中，对无人机系统施加的安全要求可以形式化为其状态空间内的安全约束，其表示无人机需要避免的潜在威胁。制定有效的安全编队控制策略对于确保无人机安全运行和维持其作战能力至关重要。因此，有必要详细讨论多无人机协同控制的安全要求所带来的挑战以及应对这些挑战的方法。

为多无人机系统设计具有安全保障的编队跟踪控制策略是一项重大挑战。该任务涉及多种复杂性，例如无人机动力学的解耦、性能目标和安全约束之间的平衡以及目标编队的保持。一个值得关注的问题是，为无人机设计的安全稳定性控制策略必须适应潜在变化的威胁环境，确保其在复杂战斗场景中的鲁棒性。该领域的早期研究采用障碍证书进行安全验证，并通过障碍函数的平方和编程实现了一种搜索无人机全球安全证书的方法。类似地，安全性也可以通过计算UAV的可达集来验证。然而，这两种方法都只集中在安全验证上，并不包括实现无人机稳定性的控制设计。最近的研究在这些领域取得了长足的进步，特别是在开发基于优化的框架，用于合并安全性和稳定性控制器。具体来说，障碍函数可以进一步与李雅普诺夫函数集成，并通过二次规划、模型预测控制或基于学习的策略生成基于优化的解决方案。这些方法在保证无人机安全和保持系统稳定性方面被证明是有效的。然而，安全性和稳定性控制的合并可能会为像无人机这样的复杂耦合系统带来设计上的挑战。此外，虽然这些基于优化的解决方案可以大大减少开发人员的计算负担，但它们可能会对设备本身提出更高的计算要求。这可能会限制这些方法在资源有限的情况下的适用性。考虑到这些情况，需要一种新的方法来平衡多无人机系统的安全性和稳定性，同时努力为控制策略提供具有成本效益的计算解决方案。

这一认识促使我们从一个新的角度来研究多无人机系统在编队任务中的安全稳定性问题，即性能目标和安全目标的统一。我们提出了一个宽松的逆控制Lyapunov障碍定理。该定理在更宽松的安全性和稳定性条件下集成了表示性能目标的Lyapunov函数和表示安全目标的障碍函数。利用该定理，多无人机系统的安全稳定性问题可以形式化为松弛逆控制Lyapunov障碍函数（RCCLBF）。这种形式化有两个关键优势。首先，它确保每架无人机都能保持在指定的安全范围内。其次，它为无人机提供了最大程度的操作自由。我们演示了一种方法，可以将求解该函数的问题无缝地转换为类Lyapunov稳定问题，以获得安全稳定控制律。这种分布式控制律允许多无人机系统在保证安全的同时执行编队跟踪控制，并满足潜在的动态安全约束。此外，我们考虑了无人机编队任务中存在多种安全约束的场景，并提供了相应的解决方案。我们证明了为多无人机系统构建的RCCLBF可以在更宽松的条件下协调安全性和稳定性。

本文的主要贡献如下:

（1）统一了分别代表多无人机编队跟踪任务的性能目标和安全约束的Lyapunov函数和障碍函数。这是通过首先提出松弛逆控制Lyapunov障碍函数（RCCLBF）来实现的。

（2）证明了所建立的RCCLBF可以让无人机在更宽松的安全稳定条件下实现有安全保证的编队跟踪控制。

（3）将多无人机系统的RCCLBF求解问题重新表述为类Lyapunov稳定性问题。这种变换允许使用反步控制方法获取分布式的安全稳定反馈控制律。

（4）对于具有多重安全约束的多无人机系统，控制策略无需完全重新计算；只需在原始RCCLBF中添加后验项即可，保证了控制算法的可扩展性。

结论

本文介绍了一种在多无人机编队跟踪任务中同时管理安全和性能目标的新方法。通过提出并应用松弛逆控制Lyapunov障碍函数（RCCLBF），实现了安全性和稳定性之间的平衡。重要的是，这是在更宽松的安全稳定性条件下实现的。求解RCCLBF的问题被转化为类Lyapunov稳定问题，进而促进了使用反步控制方法构建分布式的安全稳定反馈控制律。此外，对于具有多种安全约束的多无人机系统，所设计的控制策略不需要完全重新计算。只需要在原始RCCLBF中添加后验项即可，从而保证了控制算法的可扩展性。仿真结果验证了所提出的方法，表明在保持跟踪性能的同时成功避免了动态和静态不安全集。在遇到不安全的场景时，观察到多无人机系统会暂时牺牲跟踪性能以确保安全，然后在绕过不安全的场景后恢复高性能跟踪。

鉴于这些发现，本文提出了统一并同时确保多无人机系统安全性和稳定性的新视角。未来的工作可以以此为基础，在更复杂的场景和更多数量的无人机上验证所提出的方法。这也可能有益于将这种方法扩展到其他自主系统（例如自动驾驶汽车或水下航行器），以探索其更广泛的适用性。具体来说，在未来的工作中，我们计划为该定理提供具体的表示，并重点验证其在涉及更大规模的无人机群和动态编队变化的更复杂场景中的有效性。引用：Li, H., Hu, J., Zhou, Q. et al. Safe formation control of multiple unmanned aerial vehicles: control design and safety-stability analysis. Control Theory Technol. (2024). https://doi.org/10.1007/s11768-024-00209-7全文链接：‍https://rdcu.be/dJaEI

作者介绍

Haoqi Li，分别于2018年和2022年获得上海电力大学和东北电力大学的学士学位和硕士学位。他目前正在电子科技大学自动化工程学院攻读控制科学与工程博士学位。研究兴趣包括多智能体系统和非线性系统的自适应和状态约束控制。

Jiangping Hu，分别于2000年和2004年获得兰州大学应用数学学士学位和计算数学硕士学位，并于2007年获得中国科学院数学与系统科学研究院复杂系统与控制博士学位。曾在瑞典皇家理工学院、香港城市大学、日本上智大学和澳大利亚西悉尼大学担任多个职位。他目前是电子科技大学自动化工程学院的教授。目前的研究兴趣包括多智能体系统、社会动力学和传感器网络。现担任KYBERNETIKA和Journal of Systems Science and Complexity的编委。

Qingrui Zhou，分别于1994年和2002年获得山东大学控制科学学士学位和运筹学与控制论硕士学位，并于2005年获得中国科学院自动化研究所控制理论与控制工程博士学位。他目前是中国北京空间技术研究院钱学森实验室研究院、博士生导师。目前的研究兴趣包括航天器编队飞行、航天器导航与控制以及群体智能。

Bijoy Kumar Ghosh，于 1983 年获得哈佛大学博士学位。从1983年到2007年，他在华盛顿大学电气与系统工程系工作。他目前是美国德克萨斯理工大学的Dick和Martha Brooks数学和统计学教授。他的研究兴趣包括生物力学、信息物理系统和康复工程中的控制问题。Ghosh博士于2014年成为IFAC Fellow。

期刊简介

640 spr.jpg

欢迎扫码进入期刊主页

Control Theory and Technology (CTT), 中文名《控制理论与技术》, 创刊于2003年，原刊名为Journal of Control Theory and Applications，2014年刊名更改为Control Theory and Technology。由华南理工大学与中国科学院数学与系统科学研究院联合主办，主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中的应用。目前被 ESCI (JIF 1.7)、EI、Scopus (CiteScore 3.2)、CSCD、INSPEC、ACM 等众多数据库收录, 并于2013–2018年获得两期中国科技期刊国际影响力提升计划项目资助。2017–2021年连续获得“中国最具国际影响力学术期刊”和“中国国际影响力优秀学术期刊”称号，获得广东省高水平科技期刊建设项目(2021-2024年)，2022-2024年进入中国科协自动化学科领域高质量科技期刊目录。

官网：https://link.springer.com/journal/11768 (即http://www.springer.com/11768)

https://jcta.ijournals.cn/cta_en/ch/index.aspx

投稿：https://mc03.manuscriptcentral.com/ctt

微信：ControlTheoryTech （欢迎扫码关注期刊微信公众号）