PAGEPAGE25多智能體編隊控制方法與抗擾策略研究的國內(nèi)外文獻綜述目錄TOC\o"1-3"\h\u26927多智能體編隊控制方法與抗擾策略研究的國內(nèi)外文獻綜述 124921.1編隊控制方法研究現(xiàn)狀 188601.2抗擾編隊控制研究現(xiàn)狀 54121參考文獻 81.1編隊控制方法研究現(xiàn)狀多智能體編隊需要每個個體從多體系統(tǒng)中實時獲取其他個體狀態(tài)信息，基于這些信息并結(jié)合既定控制算法驅(qū)動自身前往目標位置，從而實現(xiàn)宏觀上的編隊協(xié)同。根據(jù)其他個體狀態(tài)信息獲取的范圍和控制協(xié)議分布的集中程度，編隊控制方法大體上可分為三種策略，即中心式控制策略、分散式控制策略和分布式控制策略。(1)中心式控制(Centralizedcontrol)[7]，如果系統(tǒng)內(nèi)每個飛行器的控制都依賴其他所有飛行器的實時狀態(tài)信息，或者每個飛行器都需要全局信息(比如全局通信拓撲的Laplacian矩陣或其特征值信息)用以計算控制參數(shù)，甚至每個飛行器的控制信號都由中心化的控制節(jié)點來計算和發(fā)出，那么這種多飛行器編隊控制策略就是中心式控制策略。因為中心式控制策略往往依靠實時獲取全局完備信息，所以這種控制策略一般具有較好的控制效果。但是同時也因為實時獲取信息較多或者為了得到全局信息而需要進行實時大量計算，中心式控制策略對于通信能力和計算能力的要求比較高。隨著飛行器數(shù)量的增多，這種通信和計算負載往往呈指數(shù)型增長，嚴重限制了實用性。此外，由于中心式控制策略一般需要中心節(jié)點進行統(tǒng)一獲取、計算和分發(fā)信息，一旦中心節(jié)點遭到破壞，對于多飛行器系統(tǒng)的破壞將是毀滅性的，這無疑會降低整個系統(tǒng)的可靠性。(2)分散式控制(Decentralizedcontrol)[8]，這種控制策略飛行器之間不需要任何交互，每個飛行器只跟蹤約定目標點，從而實現(xiàn)宏觀上的編隊飛行。分散式控制策略可以沒有通信網(wǎng)絡，對計算能力要求也最低，系統(tǒng)構(gòu)造簡單，但是因為沒有任何信息交互，每個飛行器無法實時了解編隊系統(tǒng)其它個體的狀態(tài)變化，所以控制效果較差，并且一旦出現(xiàn)外部擾動，閉環(huán)系統(tǒng)無法做出響應，魯棒性也嚴重不足。這種控制策略在本質(zhì)上失去了多飛行器編隊系統(tǒng)作為一個整體的意義。(3)分布式控制(Distributedcontrol)[9]，分布式控制策略需要每架飛行器與相鄰飛行器進行部分信息交換，來獲取編隊系統(tǒng)中非自身的有限局部信息，而不需要所有其他飛行器信息或是任何全局信息。因為飛行器間進行交互和傳遞的信息相對較少，且每架飛行器只需要進行自身相關信息的運算和處理，分布式控制策略對通信和計算能力的要求較低。并且由于每架飛行器的控制參考了其他飛行器信息，整體編隊控制效果較好，去中心化的分布式特點也顯著提高了系統(tǒng)的可靠性、魯棒性和適應性。但是，因為每架飛行器的控制只能依靠部分局部信息，這對分布式編隊控制協(xié)議的設計提出了較高要求。分布式控制策略因為其特有的優(yōu)勢，目前已經(jīng)成為多飛行器編隊協(xié)同控制領域的研究熱點。通過總結(jié)發(fā)現(xiàn)，在上述三種編隊控制策略中，分布式編隊控制策略高效、可靠且易于擴展，在實際工程中的應用潛力巨大，隨著飛行器控制技術和傳感器技術水平的不斷提高，去中心化的分布式控制策略必然是未來飛行器領域的重要研究和發(fā)展方向。近年來已經(jīng)出現(xiàn)很多相關研究成果，但需要注意到的是，當前有一些所謂分布式編隊控制研究成果并非是嚴格分布式的，在其參數(shù)確定過程可能依然隱晦地依賴全局信息。出于這個原因，近年來多飛行器編隊控制的研究人員常用完全分布式控制(Fully-distributedcontrol)來描述分布式編隊控制策略[10]。多飛行器編隊飛行需要每架飛行器遵循一定的控制框架跟蹤目標指令，無論控制框架的構(gòu)建所需要的是局部信息還是全局信息，編隊控制協(xié)議的目的都是驅(qū)使飛行器相互協(xié)調(diào)，最終宏觀上形成并保持編隊飛行。根據(jù)編隊控制協(xié)議構(gòu)建原理和形式的不同，多飛行器編隊控制又可以分為領導者-跟隨者方法、基于行為方法、虛擬結(jié)構(gòu)方法、圖論法和一致性方法等。(1)領導者-跟隨者法(Leader-follower)。Leader-follower法是較早出現(xiàn)并且最為常用的編隊控制方法之一。在該方法中，存在一個或多個領導者飛行器，其余飛行器為跟隨者。領導者飛行器實時跟蹤預設的飛行軌跡，同時感知所有其他飛行器的狀態(tài)信息和外部環(huán)境信息，對編隊系統(tǒng)進行全局的航跡規(guī)劃，并將控制指令傳達給每一個跟隨者。跟隨者飛行器遵照領導者發(fā)布的控制命令進行飛行，保持與領導者之間的相對位置，從而形成目標編隊。對領導者-跟隨者編隊控制方法的研究比較具有代表性的是美國賓夕法尼亞大學的VijayKumar教授團隊。該團隊最早在文獻[11]中提出了基于線性化反饋方法的相對距離和相對角度兩種leader-follower編隊控制算法。隨后在2004年，該團隊成功地對leader-follower編隊跟蹤控制算法進行了嚴格的穩(wěn)定性分析，為其進一步發(fā)展奠定了理論基礎[12]。Turpin在文獻[13]中提出了一種改進的L-R編隊控制方法，該方法可以讓每架飛行器通過與其通信的相鄰飛行器獲取領導者的狀態(tài)信息，從而使通信拓撲更加可靠。德黑蘭Amirkabir理工大學的Aghdam團隊成功將跟隨者的跟蹤誤差信息反饋給領導者，解決了跟隨者故障會導致編隊系統(tǒng)崩潰的問題[14]。Leader-follower編隊控制方法屬于中心式編隊控制策略，結(jié)構(gòu)簡單，易于實現(xiàn)，控制效果也容易得到保證。但是缺點也十分明顯，整個編隊系統(tǒng)對于領導者過分依賴，領導者出現(xiàn)故障將導致整個編隊系統(tǒng)無法維持。(2)基于行為法。基于行為法的多飛行器編隊控制算法需要將多飛行器的各種運動定義成幾種基本行為，包括跟蹤行為、避撞行為、避碰行為、保持隊形行為等，幾種基本行為通過一些歸一化和加權(quán)算法進一步構(gòu)成編隊控制協(xié)議?；谛袨榉ǖ木庩牽刂葡到y(tǒng)中，每架飛行器都具備自主決策能力來協(xié)同其他飛行器完成宏觀任務。1998年，Balch等[15]率先提出了基于行為法的編隊控制協(xié)議，定義了一系列目標點，通過一系列被設置好的行為驅(qū)動編隊運動到目標點，進而形成目標隊形。文獻[16]將基于行為的編隊控制方法推廣到具有非線性動態(tài)的多飛行器系統(tǒng)中，取得了比較好的效果。2009年，Kim[17]等在前人的研究基礎上，基于反饋線性化方法提出了一種去中心化的行為編隊控制策略。2015年，我國北航段海濱[18]教授團隊結(jié)合鴿群集群的行為特征，采用勢場函數(shù)理論和圖論理論對定義多飛行器系統(tǒng)中的主從關系，實現(xiàn)了多無人機的密集編隊飛行?；谛袨榈木庩牽刂扑惴ň哂幸欢ǖ姆植际教卣?，且在多個目標時也可以綜合考慮和整合編隊系統(tǒng)中的多種行為實現(xiàn)既定任務目標。但是基于行為的編隊策略需要預先定義多種基本行為，如果在實際運行過程中出現(xiàn)意外行為，可能導致編隊系統(tǒng)紊亂。由于這種控制策略是依賴于預設信息和觸發(fā)條件的，因此導致了系統(tǒng)靈活性和適應性在一定程度上的喪失。(3)虛擬結(jié)構(gòu)法。虛擬結(jié)構(gòu)法將目標編隊隊形視作一個虛擬的剛體幾何圖形，每個飛行器為剛體圖形上的一個節(jié)點，在編隊系統(tǒng)中存在一個虛擬的幾何中心，剛體幾何圖形跟蹤這個虛擬的幾何中心運動，所有飛行器則跟蹤著幾何圖形上的節(jié)點，使自己和節(jié)點之間的距離無限接近，這樣多飛行器系統(tǒng)就可以實現(xiàn)和保持編隊飛行。Lewis團隊[19]在1997年首先提出基于虛擬結(jié)構(gòu)的編隊控制方法，該團隊提出的虛擬結(jié)構(gòu)編隊算法具有中心式控制的特征。2001年，Beard等[20]綜合了虛擬結(jié)構(gòu)法和基于行為法研究了航天器的深空編隊問題，取得較好結(jié)果。同年，Ogren等[21]將虛擬結(jié)構(gòu)策略與反饋控制方法相結(jié)合，提出了全新的編隊控制協(xié)議，并給出了嚴格的漸進穩(wěn)定性證明。2004年，美國加州大學Ren等[22]針對傳統(tǒng)虛擬結(jié)構(gòu)編隊控制中存在的中心式控制的弊端，提出了基于分散式控制框架的虛擬結(jié)構(gòu)編隊控制算法，并將其應用在空間飛行器的編隊問題中。近年來，Cai等[23]為了提高了無人機在未知環(huán)境下編隊飛行時的避障能力，將虛擬結(jié)構(gòu)作為參考信號用來指導無人機編隊的運動。印度Askari等[24]基于逆動力學和經(jīng)典理論對虛擬結(jié)構(gòu)編隊控制策略進行了改進，得到了更高的編隊飛行控制精度，并通過飛行試驗予以驗證。虛擬結(jié)構(gòu)法通過剛性的隊形結(jié)構(gòu)引導飛行器跟蹤目標節(jié)點，可以將跟蹤誤差反饋給控制器，因而編隊控制效果比較好。但是虛擬結(jié)構(gòu)法將系統(tǒng)模擬成為一個剛性結(jié)構(gòu)，在面對復雜環(huán)境時，多飛行器編隊系統(tǒng)的機動會顯得不夠靈活，并且傳統(tǒng)虛擬結(jié)構(gòu)法是中心式控制策略，同樣面臨著系統(tǒng)可靠性、擴展性問題。(4)一致性方法。一致性概念最早來源于計算機領域，后來被用來描述只依據(jù)相鄰智能體的狀態(tài)信息來指導自身控制，從而完成系統(tǒng)整體一致編隊的策略。Tsitsiklis等[25]首先在上世紀80年代提出異步漸進一致性算法用來解決分布式計算和決策問題。隨后Vicsek等[26]在二維平面上對基于一致性方法的多智能體運動問題展開研究，發(fā)現(xiàn)了多個運動體的現(xiàn)象和規(guī)律，但沒有對這些規(guī)律進行證明和解釋。2003年，Jadbabaie等[27]在Vicsek的研究基礎之上進一步拓展，通過代數(shù)圖論和非負矩陣的相關理論給出了多個對象的系統(tǒng)數(shù)學描述，在分析拓撲結(jié)構(gòu)變化的基礎上給出了一致性問題的嚴格數(shù)學證明，為日后研究基于一致性方法的編隊協(xié)同控制奠定了基礎。隨后，Ren等[28][29]將Jadbabaie的結(jié)論向有向圖的通信拓撲進行了推廣，同時還在通信拓撲切換的情況下證明了多智能體一致編隊的基本前提是通信拓撲結(jié)構(gòu)中含有生成樹。此外，Ren還通過理論證明說明了前人的編隊研究成果包括leader-follower法、基于行為法和虛擬結(jié)構(gòu)法都可以涵蓋在一致性理論之下，也就說其他三種方法都是一致性方法在特定條件的特例，這為編隊協(xié)同控制的研究起到了至關重要的整合和推動作用。近年來，文獻[30]-[33]進一步針對時變編隊、有限時間收斂、防撞防碰編隊等問題，給出了基于一致性框架的綜合多種方法策略的解決方案。隨著軍用和民用領域?qū)︼w行器執(zhí)行任務的要求不斷提高，應用場景的不斷擴大，而且全球范圍內(nèi)處理器、傳感器、通信傳輸?shù)入娮雍屯ㄓ嶎I域技術的快速發(fā)展，多飛行器編隊研究成為了航空領域重要發(fā)展方向和熱點，而多飛行器編隊控制方法則是熱點中的核心問題。結(jié)合上述分析，當前多飛行器編隊控制研究主要朝向基于一致性框架、綜合多種方法的分布式編隊策略演進。同時，為了順應多飛行器編隊應用加快的趨勢，飛行器編隊控制研究更加注重抗干擾、可靠通信、控制效率等實際因素的考量。由于無人機編隊中只有無人機這單一種類個體，因此無法發(fā)揮出更強的適應性，所以異構(gòu)編隊的研究就顯得尤為重要。1.2抗擾編隊控制研究現(xiàn)狀在實際復雜的作業(yè)環(huán)境中，多智能體編隊系統(tǒng)會受到不確定性和外部時變干擾，這些不確定性通常具備不可預知性、時變性、耦合性、高波動性等復雜特征，不可避免的會對多智能體系統(tǒng)的編隊協(xié)同造成巨大影響[36]。為此，從實用性和適應性角度來說，多飛行器的編隊控制要想滿足越來越普遍廣泛的應用場景，關于抗擾編隊控制方法的研究十分關鍵。近些年來，許多學者也進行了大量研究。(1)被動干擾抑制策略。首先被用來解決干擾的方法是一類被動干擾抑制策略。在這一方面，文獻[37]采用比例-積分和靜態(tài)非線性反饋方法，針對多飛行器系統(tǒng)的外環(huán)子系統(tǒng)設計了編隊控制器，并從理論上證明了比例-積分控制具有一定的干擾抑制能力，只是這種抗擾能力較弱，且是被動不可控的。在此基礎上，文獻[38]設計了多重比例-積分控制策略，用來解決存在常值干擾的多飛行器編隊控制問題，取得較好效果。文獻[39]總結(jié)前人研究成果，基于PID控制策略，研究了存在常值擾動的多智能體魯棒編隊協(xié)同控制問題，其中考慮的常值干擾對于每個多智能體都不同，這是該研究的主要貢獻。文獻[40]用系統(tǒng)穩(wěn)定性證明的方式解決干擾抑制問題，進而基于線性矩陣不等式條件和控制策略對不同類型不確定性下的編隊控制問題進行了研究。以上抗擾編隊協(xié)同控制方法主要是通過提高控制系統(tǒng)的魯棒性來減弱不確定性的負面影響，以保證多體系統(tǒng)在干擾情形下基本可控和穩(wěn)定。這類被動式的干擾抑制方法存在的最大問題在于用犧牲部分系統(tǒng)性能為代價換取系統(tǒng)穩(wěn)定，這與在實際場景下還需要同時提高多飛行器編隊控制效能是矛盾的。(2)主動抗擾控制策略。通過主動手段對擾動進行抑制是在原理上更優(yōu)的抗擾控制策略。主動抗擾編隊控制方法通常采用擾動觀測器或神經(jīng)網(wǎng)絡對干擾進行估計[41][42]，然后使用干擾的估計值在控制信號中予以消除，從而實現(xiàn)主動抗擾的目的。對于低階主動抗擾編隊協(xié)同控制問題，文獻[43]針對二階非線性運動體的主-從結(jié)構(gòu)抗擾編隊控制問題，提出了一種基于內(nèi)模方法的解決方案，經(jīng)過仿真驗證該方法具有良好的擾動抑制效果。文獻[44]針對兩種時變線性和非線性干擾信號，分別設計了新型干擾觀測器進行觀測估計和補償，并在二階多智能體系統(tǒng)上進行了應用。與之類似的，對于由非線性外部系統(tǒng)產(chǎn)生的干擾，文獻[45]也提出一類干擾觀測器來輔助二階系統(tǒng)抗擾協(xié)同控制器的設計，同時這篇文獻還考慮了通信拓撲切換的情形。文獻[46]將滑?？刂品椒ㄅc非線性干擾觀測器相結(jié)合，提出了一種新型編隊控制算法，解決了無人機與無人小車異構(gòu)系統(tǒng)的擾動抑制編隊問題。文獻[47]以航天器為研究對象，同時考慮系統(tǒng)內(nèi)部參數(shù)變化帶來的不確定性和時變干擾，設計了基于非線性觀測器的編隊跟蹤控制協(xié)議。文獻[47]設計了一種抗擾編隊控制器，主要是基于RBF神經(jīng)網(wǎng)絡和PD控制框架，目的是使主-從結(jié)構(gòu)飛行器編隊在無數(shù)據(jù)鏈支持的情況下解決編隊控制問題，并從理論上嚴格證明了閉環(huán)系統(tǒng)穩(wěn)定性。文獻[48]提出了一種有限時間神經(jīng)網(wǎng)絡干擾觀測器來估計多無人直升機的外部擾動和模型誤差，并結(jié)合非奇異快速滑模終端方法設計了內(nèi)外環(huán)有限時間收斂編隊控制器和姿態(tài)協(xié)同控制器，此外，為了估計期望姿態(tài)的二階微分項，作者還設計了全新的有限時間滑模積分濾波器。對于高階系統(tǒng)的主動抗擾協(xié)同控制問題，文獻[49]在非匹配干擾微分信號收斂的假設下，研究了高階多智能體系統(tǒng)的編隊一致性問題。使用了滑?？刂品椒āＮ墨I[50]利用神經(jīng)網(wǎng)絡的無限逼近特性，同時基于速度觀測器提出了一種分布式控制策略成功消除了高階系統(tǒng)的逼近誤差和外部擾動。文獻[51]研究了存在輸入飽和情形的高階多智能體協(xié)同跟蹤問題，在無向拓撲通信條件下，基于半全局觀測器和小增益輸出反饋完成了協(xié)同控制器設計。文獻[52]通過有限時間滑模觀測器解決了速度不可測下的多智能體一致性控制問題，仿真驗證其對干擾和不確定性具有很強的魯棒性。文獻[53]針對存在強聯(lián)通有向拓撲通信的高階多智能體系統(tǒng)，設計了一種基于擾動觀測器的分布式抗擾編隊算法，并將其降階應用在了存在不確定性的無人機編隊飛行中。文獻[54][55]提出了基于自適應分布式干擾觀測器的抗擾協(xié)同控制算法，用以解決不確定高階多智能體的協(xié)同跟蹤問題，但該方法只對有主拓撲結(jié)構(gòu)的系統(tǒng)有效，無法解決無主編隊問題。文獻[56]針對一類存在邊緣狀態(tài)非負約束的高階多智能體邊緣協(xié)同問題，基于半全局干擾觀測器和小增益輸出反饋設計了抗擾協(xié)同控制算法，并給出了滿足輸入有界和非負邊緣狀態(tài)的充分條件。在主動抗擾控制方面，自抗擾控制(ADRC)方法近年來得到越來越多的關注[57]。因為自抗擾控制框架可以有效處理非線性不確定系統(tǒng)，且設計調(diào)參相對簡單，控制效果優(yōu)秀，近年來理論研究也不斷取得突破，因此基于自抗擾框架的編隊控制策略也逐漸受到學者重視[24]。文獻[58]首先將ADRC框架應用在多飛行器的抗擾姿態(tài)協(xié)同領域。作者在有向通信拓撲、存在外部干擾和飛行器角速度不可測條件下，提出了基于擴張狀態(tài)觀測器(ExtendedStateObserver,ESO)的分散式姿態(tài)協(xié)同控制器，并通過Lyapunov理論證明了其穩(wěn)定性。文獻[59]則是較早的將線性ESO應用在多智能體的外環(huán)編隊控制中，同樣是在速度項不可測的假設下，作者采用線性ESO對外部干擾進行估計，基于此設計了無向切換拓撲條件下的時不變編隊控制器。文獻[60]針對航天器信號傳輸延遲較高、通信方向會變化和環(huán)境造成擾動的情形下的編隊問題，采用ADRC框架設計了抗擾姿態(tài)跟蹤控制器，并證明姿態(tài)跟蹤誤差一致有界。文獻[66]成功將ADRC框架應用于存在外部干擾和執(zhí)行機構(gòu)時滯的水面無人艦艇編隊控制問題，但是所考慮的艦艇姿態(tài)系統(tǒng)維度較低且相對穩(wěn)定，所保持的編隊也是時不變的。文獻[62]針對不確定高階多智能體系統(tǒng)的時變編隊跟蹤問題，采用線性ESO對外部干擾、內(nèi)部不確定動態(tài)和領導者未知控制輸入進行估計，在此基礎上結(jié)合一致性理論設計了固定通信拓撲下的抗擾編隊控制協(xié)議。但是該成果中考慮的內(nèi)部不確定動態(tài)需要依托一階導有界假設，并且雖然采用了分布式一致性協(xié)議的形式，但是在參數(shù)整定過程中依然需要全局的Laplacian矩陣信息。通過上述分析可知，對于多飛行器的編隊控制問題，采用ADRC框架的研究成果還不充分，在僅有的一些相關研究成果中，也少有將多飛行器的內(nèi)外環(huán)系統(tǒng)進行閉環(huán)綜合分析。此外，這些成果中雖然采用了ADRC框架來更好的處理不確定性以期達到更實用的目的，然而所考慮的不確定性大多較為片面，且往往需要更為局限的假設?？傊?，當前多飛行器在實際約束下的抗擾編隊控制問題的研究成果還不夠豐富，還有進一步的研究空間來為多飛行器的應用實踐提供參考。為此，本文擬基于最新ADRC研究成果，從實際約束角度出發(fā)，兼顧高階理論和降階應用分析，對多飛行器的主動抗擾編隊控制問題進行系統(tǒng)研究。參考文獻J.Hu,P.Bhowmick,A.Lanzon.DistributedAdaptiveTime-VaryingGroupFormationTrackingforMultiagentSystemsWithMultipleLeadersonDirectedGraphs.IEEETransactionsonControlofNetworkSystems,7(1):140-150,2020.J.Hu,A.Lanzon.Aninnovativetri-rotordroneandassociateddistributedaerialdroneswarmcontrol.RoboticsandAutonomousSystems,103:162-174,2018.J.Hu,P.Bhowmick,F.Arvin,A.Lanzon,B.Lennox.CooperativeControlofHeterogeneousConnectedVehiclePlatoons:AnAdaptiveLeader-FollowingApproach.IEEERoboticsandAutomationLetters,5(2):977-984,2020.郭繼峰,鄭紅星,賈濤等.異構(gòu)無人系統(tǒng)協(xié)同作戰(zhàn)關鍵技術綜述[J].宇航學報,2020,41(6):686-696.DARPA．OffensiveSwarm-EnabledTactics(OFFSET)[EB/OL]．https://www．darpa．mil/program/offensive-swarm-enabled-tactics.2019DARPA．DARPASubterranean(SubT)Challenge［EB/OL］．https://www．darpa．mil/program/darpa-subterranean-challenge.2019DuH.,ZhuW.,WenG.,etal,Finite-timeformationcontrolforagroupofquadrotoraircraft[J].AerospaceScienceandTechnology,2017,69:609-616.LechevinN.,RabbathC.A.,EaronE.TowardsdecentralizedfaultdetectioninUAVFormations[A].ProceedingsoftheAmericanControlConference[C].NewYorkCity:IEEE,2007:5759-5764.WilliamB.D.,RichardM.M.Distributedrecedinghorizoncontrolformulti-vehicleformationstabilization[J].Automatica,2006,42(4):549-558.MeiJ.,RenW.,ChenJ.,etal.Consensusoflinearmulti-agentsystemswithfullydistributedcontrolgainsunderageneraldirectedgraph[A].ProceedingsoftheIEEEConferenceonDecisionandControl[C].Osaka:IEEE,2015:2993-2998.DesaiJ.P.,OstrowskiJ.,KumarV.Controllingformationsofmultiplemobilerobots[A].ProceedingsofIEEEInternationalConferenceonRoboticsandAutomation[C].Leuven:IEEE,1998:2864-2869.TannerH.G.,PappasG.J.,KumarV.Leader-to-formationstability[J].IEEETransactionsonRoboticsandAutomation,2004,20(3):443-455.TurpinM.,MichaelN.,KumarV.Trajectorydesignandcontrolforaggressiveformationflightwithquadrotors[J].AutonomousRobots,2012,33(1-2):143-156.AghdamA.S.,MenhajM.B.,BarazandehF.,etal.CooperativeloadtransportwithmovableloadcenterofmassusingmultiplequadrotorUAVs[A].20164thInternationalConferenceonControl,Instrumentation,andAutomation[C].Dubai:IEEE,2016:23-27.BalchT.,ArkinR.C.Behavior-basedformationcontrolformultirobotteams[J].IEEETransactionsonRoboticsandAutomation,1998,14(6):926-939.MonteiroS.,BichoE.Adynamicalsystemsapproachtobehavior-basedformationcontrol[A].ProceedingsofIEEEInternationalConferenceonRoboticsandAutomation[C].Washington:IEEE,2002:2606-2611.KimS.,KimY.,TsourdosA.OptimizedbehaviouralUAVformationflightcontrollerdesign[A].ProceedingsoftheEuropeanControlConference[C].Budapest:IEEE,2009:4973-4978.邱華鑫,段海濱,范彥銘.基于鴿群行為機制的多無人機自主編隊[J].控制理論與應用,2015,32(10):1298-1304.LewisM.,TanK.Highprecisionformationcontrolofmobilerobotsusingvirtualstructures[J].AutonomousRobots,1997,4(4),387-403.BeardR.W.,LawtonJ.,HadaeghF.Y.Acoordinationarchitectureforspacecraftformationcontrol[J].IEEETransactionsonControlSystemsTechnology,2001,9(6):777-790.OgrenP.,EgerstedtM.,HuX.AcontrolLyapunovfunctionapproachtomulti-agentcoordination[A].ProceedingsofIEEEInternationalConferenceonDecisionandControl[C].Orlando:IEEE,2001:1150-1155.RenW.,BeardR.Decentralizedschemeforspacecraftformationflyingviathevirtualstructureapproach[J].JournalofGuidance,Control,andDynamics,2004,27(1):73-82.CaiD.,SunJ.,WuS.UAVsformationflightcontrolbasedonbehaviorandvirtualstructure[M].Berlin:Springer,2012:429-438.AskariA.,MortazaviM.,TalebiH.A.UAVformationcontrolviathevirtualstructureapproach[J].JournalofAerospaceEngineering,2015,28(1):1738-1744.TsitsiklisJ.N.,BertsekasD.P.,AthansM.Distributedasynchronousdeterministicandstochasticgradientoptimizationalgorithms[J].IEEETransactionsonAutomaticControl,1986,31(9):803-812.Vicsek,T.,Cziro’okA.,Ben-JacobE.,etal.Noveltypeofphasetransitioninasystemofself-drivenparticles[J].PhysicalReviewLetters,1995,75(6):1226-1229.JadbabaieJ.,MorseA.S.Coordinationofgroupsofmobileautonomousagentsusingnearestneighborrules[J].IEEETransactionsonAutomaticControl,2003,48(6):988-1001.RenW.,BeardR.W.Consensusseekinginmulti-agentsystemsunderdynamicallychanginginteractiontopologies[J].IEEETransactionsonAutomaticControl,2005,50(5):655-660.RenW.Consensusstrategiesforcooperativecontrolofvehicleformations[J].IETControlTheory&Applications,2007,1(2):505-512.Bri?ón-ArranzL.,SeuretA.,Canudas-de-WitC.Cooperativecontroldesignfortime-varyingformationsofmulti-agentsystems[J].IEEETransactionsonAutomaticControl,2014,59(8):2283-2288.KurikiY.,NamerikawaT.Formationcontrolwithcollisionavoidanceforamulti-UAVsystemusingdecentralizedMPCandconsensus-basedcontrol[A].EuropeanControlConference[C].Linz:IEEE,2015:3079-3084.LiS.H.,WangX.Y.Finite-timeconsensusandcollisionavoidancecontrolalgorithmsformultipleAUVs[J].Automatica,2013,49(11):3359-3367.KownackiC.Multi-UAVflightusingvirtualstructurecombinedwithbehavioralapproach[J].ActaMechanicaetAutomatica,2016,10(2):92-99.周思全,化永朝,董希旺等.面向空地協(xié)同作戰(zhàn)的無人機-無人車異構(gòu)時變編隊跟蹤控制[J].航空兵器,2019,26(4):54-59.金尚泰,李澈,任葉,侯忠生.未知異構(gòu)非線性多智能體系統(tǒng)的無模型自適應編隊控制[J].控制與決策,2020,35(06):1519-1524.DibajiS.M.,IshiiH.Resilientconsensusofsecond-orderagentnetworks:asynchronousupdateruleswithdelays[J].Automatica,2017,81:123-132.AndreassonM.,DimarogonasD.V.,SandbergH.,etal.Distributedcontrolofnetworkeddynamicalsystems:staticfeedback,integralactionandconsensus[J].IEEETransactionsonAutomaticControl,2014,59(7):1750-1764.LombanaD.A.B.,BernardoM.MultiplexPIcontrolforconsensusinnetworksofheterogeneouslinearagents[J].Automatica,2016,67:310-320.ShiX.C.,YangH.G.Robustconsensuscontrolforaclassofmulti-agentsystemsviadistributedPIDalgorithmandweightededgedynamics[J].AppliedMathematicsandComputation,2018,316:73-88.MengD.,MooreK.L.Studiesonresilientcontrolthroughmulti-agentconsensusnetworkssubjecttodisturbances[J].IEEETransact