无人机仿鸟群协同控制发展现状及关键技术

doi:10.7527/S1000-6893.2024.29946

综述

本期目录 | 过刊浏览 | 高级检索

无人机仿鸟群协同控制发展现状及关键技术

何明¹^,²(), 陈浩天¹, 韩伟¹, 邓成³, 段海滨⁴

^1.中国人民解放军陆军工程大学指挥控制工程学院，南京 210007
^2.中国人民解放军32180部队，北京 100071
^3.西安电子科技大学电子工程学院，西安 710126
^4.北京航空航天大学自动化科学与电气工程学院，北京 100191

收稿日期:2023-12-06 修回日期:2023-12-27 接受日期:2024-03-15 出版日期:2024-03-28 发布日期:2024-03-25
通讯作者: 何明 E-mail:heming@aeu.edu.cn
基金资助:
国家自然科学基金(62273356);国家人才项目(2022-JCJQ-ZQ-001);江苏省重点研发计划(BE2021729);高层次人才创新工程(KYZYJQJY2101)

Development status and key technologies of cooperative control of bird-inspired UAV swarms

Ming HE¹^,²(), Haotian CHEN¹, Wei HAN¹, Cheng DENG³, Haibin DUAN⁴

^1.Command and Control Engineering College，Army Engineering University of PLA，Nanjing 210007，China
^2.Troops 32180 of PLA，Beijing 100071，China
^3.School of Electronic Engineering，Xidian University，Xi’an 710126，China
^4.School of Automation Science and Electrical Engineering，Beihang University，Beijing 100191，China

Received:2023-12-06 Revised:2023-12-27 Accepted:2024-03-15 Online:2024-03-28 Published:2024-03-25
Contact: Ming HE E-mail:heming@aeu.edu.cn
Supported by:
National Natural Science Foundation of China(62273356);National Talent Project of China(2022-JCJQ-ZQ-001);Provincial Primary Research & Development Plan of Jiangsu(BE2021729);High-level Talents Innovation Project(KYZYJQJY2101)

摘要/Abstract

摘要：

无人机（UAV）集群已在灾害救援、侦察监视、反恐维稳等领域得到了广泛应用，以“集群智能”技术为主的高度自主智能化无人机集群已成为世界各国的关注热点。鸟群具有高自主性和鲁棒性的特点，仿鸟群智能行为，将其行为规律映射到无人机集群系统，是解决无人机集群协同控制难题的重要手段。为更好指导无人机集群技术及理论创新，对无人机仿鸟群协同控制发展现状、关键技术和未来发展展开综述。首先，介绍国内外无人机集群典型项目及主要进展；其次，从内部结构—交互方式—行为机制3个层次梳理鸟群研究现状，总结了仿鸟群分层控制、仿鸟群交互控制和仿鸟群行为控制3项无人机仿鸟群协同控制关键技术及面临的挑战；再次，面向无人机集群协同控制发展需求，提出无人机仿鸟群行为相变控制技术；最后，展望无人机仿鸟群协同控制未来趋势，以期为未来无人机集群发展提供思路和依据。

关键词: 无人机集群, 仿鸟群, 协同控制, 行为机制, 相变

Abstract:

Unmanned Aerial Vehicle （UAV） swarms have been widely used in disaster relief， reconnaissance and surveillance， anti-terrorism and stability maintenance and many other fields， and highly autonomous intelligent UAV swarms based on “swarm intelligence” have become a hot spot all over the world. Birds have the characteristics of high autonomy and robustness； therefore， it is an important way to solve the cooperative control problems of UAVS swarms by mapping the birds’ behavior rules to UAVS swarm systems. In order to better guide the innovation of technology and theory of UAV swarms， this paper summarizes the research status， key technologies and future development of cooperative control of bird-inspired UAV swarms. Firstly， typical projects and main progress of UAV swarms at home and abroad are introduced. Secondly， the development status of bird flocks is reviewed from three levels： internal structures， interaction rules and behavior mechanisms. Besides， the research status and challenges of cooperative control of bird-inspired UAV swarms is summarized and analyzed in bird-inspired hierarchical control， bird-inspired interaction control and bird-inspired behavior control， respectively. Then， for the future development of cooperative control of UAV swarms， a new technology， which is called phase transition control of swarm behavior for bird-inspired UAV swarms， is proposed. Finally， the trend of cooperative control of bird-inspired UAV swarms is prospected， to provide ideas and basis for the development of UAV swarms in the future.

Key words: UAV swarm, bird-inspired, cooperative control, behavior mechanism, phase transition

中图分类号:

V249.1

何明, 陈浩天, 韩伟, 邓成, 段海滨. 无人机仿鸟群协同控制发展现状及关键技术[J]. 航空学报, 2024, 45(20): 29946.

Ming HE, Haotian CHEN, Wei HAN, Cheng DENG, Haibin DUAN. Development status and key technologies of cooperative control of bird-inspired UAV swarms[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(20): 29946.

图/表 11

图 1

表 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

图 10

参考文献 153

1	WAN Y T， ZHONG Y F， MA A L， et al. An accurate UAV 3-D path planning method for disaster emergency response based on an improved multiobjective swarm intelligence algorithm［J］. IEEE Transactions on Cybernetics， 2023， 53（4）： 2658-2671.
2	WU H S， LI H， XIAO R B. A blockchain bee colony double inhibition labor division algorithm for spatio-temporal coupling task with application to UAV swarm task allocation［J］. Journal of Systems Engineering and Electronics， 2021， 32（5）： 1180-1199.
3	张岱峰，段海滨，范彦铭. 仿狼群狩猎空间交互机制的无人机集群合围控制［J］. 中国科学：技术科学， 2022， 52（10）： 1555-1570.
	ZHANG D F， DUAN H B， FAN Y M. UAV swarm containment control inspired by spatial interaction mechanism of wolf-pack foraging［J］. Scientia Sinica （Technologica）， 2022， 52（10）： 1555-1570 （in Chinese）.
4	PUENTE-CASTRO A， RIVERO D， PAZOS A， et al. A review of artificial intelligence applied to path planning in UAV swarms［J］. Neural Computing and Applications， 2022， 34（1）： 153-170.
5	贾高伟，王建峰. 无人机集群任务规划方法研究综述［J］. 系统工程与电子技术， 2021， 43（1）： 99-111.
	JIA G W， WANG J F. Research review of UAV swarm mission planning method［J］. Systems Engineering and Electronics， 2021， 43（1）： 99-111 （in Chinese）.
6	FABRA F， VEGNI A M， LOSCRÍ V， et al. Collision-free cooperative unmanned aerial vehicle protocols for sustainable aerial services［J］. IET Smart Cities， 2022， 4（4）： 231-238.
7	MEHTA A. Pentagon launches 103 unit drone swa-rm［EB/OL］. （2017-01-17）［2023-12-06］. .
8	刘雷，刘大卫，王晓光，等. 无人机集群与反无人机集群发展现状及展望［J］. 航空学报， 2022， 43（S1）： 726908.
	LIU L， LIU D W， WANG X G， et al. Development status and prospect of UAV cluster and anti-UAV cluster［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（S1）： 726908 （in Chinese）.
9	DEFENSE D O. Autonomous multi-domain adaptiv-e swarms-of-swarms （AMASS）［EB/OL］. （2022-11-28）［2023-12-06］. .
10	李磊，王彤，胡勤莲，等. DARPA拒止环境中协同作战项目白军网络研究［J］. 航天电子对抗， 2018， 34（6）： 54-59.
	LI L， WANG T， HU Q L， et al. White force network in DARPA CODE program［J］. Aerospace Electronic Warfare， 2018， 34（6）： 54-59 （in Chinese）.
11	王祥科，刘志宏，丛一睿，等. 小型固定翼无人机集群综述和未来发展［J］. 航空学报， 2020， 41（4）： 023732.
	WANG X K， LIU Z H， CONG Y R， et al. Miniature fixed-wing UAV swarms： review and outlook［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（4）： 023732 （in Chinese）.
12	HE H X， DUAN H B. A multi-strategy pigeon-inspired optimization approach to active disturbance rejection control parameters tuning for vertical take-off and landing fixed-wing UAV［J］. Chinese Journal of Aeronautics， 2022， 35（1）： 19-30.
13	LIU X H， ZHANG Y， DUAN H B. Unmanned aerial vehicle cargo delivery assignment via time-varying constriction pigeon-inspired optimization with memory retrospection［C］∥2023 International Conference on Unmanned Aircraft Systems （ICUAS）. Piscataway： IEEE Press， 2023： 537-542.
14	YUAN G S， XIA J， DUAN H B. A continuous modeling method via improved pigeon-inspired optimization for wake vortices in UAVs close formation flight［J］. Aerospace Science and Technology， 2022， 120： 107259.
15	YUAN Y， DENG Y M， LUO S D， et al. Hybrid formation control framework for solar-powered quadrotors via adaptive fission pigeon-inspired optimization［J］. Aerospace Science and Technology， 2022， 126： 107564.
16	DUAN H B， HUO M Z， YANG Z Y， et al. Predator-prey pigeon-inspired optimization for UAV ALS longitudinal parameters tuning［J］. IEEE Transactions on Aerospace and Electronic Systems， 2019， 55（5）： 2347-2358.
17	DUAN H B， XIN L， XU Y， et al. Eagle-vision-inspired visual measurement algorithm for uav’s autonomous landing［J］. International Journal of Robotics and Automation， 2020， 35（2）： 94-100.
18	DUAN H B， XU X B， DENG Y M， et al. Unmanned aerial vehicle recognition of maritime small-target based on biological eagle-eye vision adaptation mechanism［J］. IEEE Transactions on Aerospace and Electronic Systems， 2021， 57（5）： 3368-3382.
19	HUO M Z， DUAN H B， HE H X， et al. Data-driven parameter estimation for VTOL UAV using opposition-based pigeon-inspired optimization algorithm［C］∥2021 IEEE International Conference on Robotics and Biomimetics （ROBIO）. Piscataway： IEEE Press， 2021： 669-674.
20	QIU H X， DUAN H B. A multi-objective pigeon-inspired optimization approach to UAV distributed flocking among obstacles［J］. Information Sciences， 2020， 509： 515-529.
21	禹明刚，陈瑾，何明，等. 基于演化博弈的社团网络无人集群协同机制［J］. 中国科学：技术科学， 2023， 53（2）： 221-242.
	YU M G， CHEN J， HE M， et al. Cooperative evolution mechanism of multiclustered unmanned swarm on community networks［J］. Scientia Sinica （Technologica）， 2023， 53（2）： 221-242 （in Chinese）.
22	张婷婷，宋爱国，蓝羽石. 集群无人系统自适应结构建模与预测［J］. 中国科学：信息科学， 2020， 50（3）： 347-362.
	ZHANG T T， SONG A G， LAN Y S. Adaptive structure modeling and prediction for swarm unmanned system［J］. Scientia Sinica （Informationis）， 2020， 50（3）： 347-362 （in Chinese）.
23	孙佳琛，王金龙，陈瑾，等. 群体智能协同通信：愿景、模型和关键技术［J］. 中国科学：信息科学， 2020， 50（3）： 307-317.
	SUN J C， WANG J L， CHEN J， et al. Cooperative communication based on swarm intelligence： Vision， model， and key technology［J］. Scientia Sinica （Informationis）， 2020， 50（3）： 307-317 （in Chinese）.
24	LONG X Q， GAO F. Cooperative attack based on small-unit UAV swarms formation with trajectory tracking［J］. Journal of Intelligent & Fuzzy Systems， 2023， 45（2）： 2949-2965.
25	WANG Z Q， LI J， LI J， et al. A decentralized decision-making algorithm of UAV swarm with information fusion strategy［J］. Expert Systems with Applications， 2024， 237： 121444.
26	GAO Y， LI D S. Unmanned aerial vehicle swarm distributed cooperation method based on situation awareness consensus and its information processing mechanism［J］. Knowledge-Based Systems， 2020， 188： 105034.
27	HAI X S， QIU H X， WEN C Y， et al. A novel distributed situation awareness consensus approach for UAV swarm systems［J］. IEEE Transactions on Intelligent Transportation Systems， 2023， 24（12）： 14706-14717.
28	LIZZIO F F， CAPELLO E， GUGLIERI G. A review of consensus-based multi-agent UAV implementations［J］. Journal of Intelligent & Robotic Systems， 2022， 106（2）： 43.
29	WANG T Q， ZHAO S H， XIA Y Q， et al. Consensus control of large-scale UAV swarm based on multi-layer graph［J］. Drones， 2022， 6（12）： 402.
30	BAI C C， YAN P， PIAO H Y， et al. Learning-based multi-UAV flocking control with limited visual field and instinctive repulsion［J］. IEEE Transactions on Cybernetics， 2024， 54（1）： 462-475.
31	HE T， WANG L. Neural network-based velocity-controllable UAV flocking［J］. The Aeronautical Journal， 2023， 127（1308）： 289-304.
32	WU J H， YU Y Z， MA J， et al. Autonomous cooperative flocking for heterogeneous unmanned aerial vehicle group［J］. IEEE Transactions on Vehicular Technology， 2021， 70（12）： 12477-12490.
33	YAN P， BAI C C， ZHENG H X， et al. Flocking control of UAV swarms with deep reinforcement leaming approach［C］∥2020 3rd International Conference on Unmanned Systems （ICUS）. Piscataway： IEEE Press， 2020： 592-599.
34	HU J Y， NIU H L， CARRASCO J， et al. Fault-tolerant cooperative navigation of networked UAV swarms for forest fire monitoring［J］. Aerospace Science and Technology， 2022， 123： 107494.
35	WANG H B， CHEN M， FU P. A distributed fault-tolerant mechanism for mission-oriented unmanned aerial vehicle swarms［J］. International Journal of Communication Systems， 2021， 34（8）： e4789.
36	WU X J， JIN Y T， ZHEN R. Fault-tolerant time-varying formation tracking control for unmanned aerial vehicle swarm systems with switching topologies and a leader of unknown control input［C］∥2021 4th International Conference on Intelligent Autonomous Systems （ICoIAS）. Piscataway： IEEE Press， 2021： 265-270.
37	ZHAO T F， SONG S Y. A fault-tolerant topology control algorithm for wireless ultraviolet light covert communication network in cluster UAV［J］. Photonic Network Communications， 2021， 42（1）： 40-48.
38	LEE S M， SHIN M， SON H. Robust predictor-based control for multirotor UAV with various time delays［J］. IEEE Transactions on Industrial Electronics， 2023， 70（8）： 8151-8162.
39	ZHAI W B， LIU L， DING Y W， et al. ETD： An efficient time delay attack detection framework for UAV networks［J］. IEEE Transactions on Information Forensics and Security， 2023， 18： 2913-2928.
40	DONG Q， LIU Z B. Formation control for unmanned aerial vehicle swarm with disturbances： A mission-driven control scheme［J］. Optimal Control Applications and Methods， 2023， 44（3）： 1441-1462.
41	RAN M P， LI J C， XIE L H. Active disturbance rejection time-varying formation tracking for unmanned aerial vehicles［C］∥2020 16th International Conference on Control， Automation， Robotics and Vision （ICARCV）. Piscataway： IEEE Press， 2020： 1298-1303.
42	ZHANG J L， ZHANG P， YAN J G. Distributed adaptive finite-time compensation control for UAV swarm with uncertain disturbances［J］. IEEE Transactions on Circuits and Systems I： Regular Papers， 2021， 68（2）： 829-841.
43	TANG J， DUAN H B， LAO S Y. Swarm intelligence algorithms for multiple unmanned aerial vehicles collaboration： A comprehensive review［J］. Artificial Intelligence Review， 2023， 56（5）： 4295-4327.
44	HU J W， WANG T， ZHANG H Z， et al. A review of rule-based collision avoidance technology for autonomous UAV［J］. Science China Technological Sciences， 2023， 66（9）： 2481-2499.
45	LUO L B， WANG X Y， MA J F， et al. GrpAvoid： Multigroup collision-avoidance control and optimization for UAV swarm［J］. IEEE Transactions on Cybernetics， 2023， 53（3）： 1776-1789.
46	DENTLER J， ROSALIE M， DANOY， G， et al. Collision avoidance effects on the mobility of a UAV swarm using chaotic ant colony with model predictive control［J］. Journal of Intelligent & Robotic Systems， 2019， 93： 227-243.
47	FU X W， ZHI C Y， WU D. Obstacle avoidance and collision avoidance of UAV swarm based on improved VFH algorithm and information sharing strategy［J］. Computers & Industrial Engineering， 2023， 186： 109761.
48	PAN H Y， LIU Y H， SUN G， et al. Joint power and 3D trajectory optimization for UAV-enabled wireless powered communication networks with obstacles［J］. IEEE Transactions on Communications， 2023， 71（4）： 2364-2380.
49	PUENTE-CASTRO A， RIVERO D， PEDROSA E， et al. Q-Learning based system for path planning with unmanned aerial vehicles swarms in obstacle environments［J］. Expert Systems with Applications， 2024， 235： 121240.
50	HE W J， QI X G， LIU L F. A novel hybrid particle swarm optimization for multi-UAV cooperate path planning［J］. Applied Intelligence， 2021， 51（10）： 7350-7364.
51	LU C， LV Y T， SU Y Z， et al. UAV swarm collaborative path planning based on RB-ABC［C］∥2022 9th International Forum on Electrical Engineering and Automation （IFEEA）. Piscataway： IEEE Press， 2022： 627-632.
52	PUENTE-CASTRO A， RIVERO D， PAZOS A， et al. UAV swarm path planning with reinforcement learning for field prospecting［J］. Applied Intelligence， 2022， 52（12）： 14101-14118.
53	SAEED R A， OMRI M， ABDEL-KHALEK S， et al. Optimal path planning for drones based on swarm intelligence algorithm［J］. Neural Computing and Applications， 2022， 34（12）： 10133-10155.
54	MA Z Y， CHEN J. Adaptive path planning method for UAVs in complex environments［J］. International Journal of Applied Earth Observation and Geoinformation， 2022， 115： 103133.
55	XIAO T L， YANG Q， GAO X D， et al. Variation encoded large-scale swarm optimizers for path planning of unmanned aerial vehicle［C］∥Genetic and Evolutionary Computation Conference. New York： ACM， 2023： 102-110.
56	XU L， CAO X B， DU W B， et al. Cooperative path planning optimization for multiple UAVs with communication constraints［J］. Knowledge-Based Systems， 2023， 260： 110164.
57	HUA X， WANG Z， YAO H J， et al. Research on many-to-many target assignment for unmanned aerial vehicle swarm in three-dimensional scenarios［J］. Computers & Electrical Engineering， 2021， 91： 107067.
58	LI Y， XU Y， XUE X Y， et al. Optimal spraying task assignment problem in crop protection with multi-UAV systems and its order irrelevant enumeration solution［J］. Biosystems Engineering， 2022， 214： 177-192.
59	LIU B， WANG S L， LI Q H， et al. Task assignment of UAV swarms based on deep reinforcement learning［J］. Drones， 2023， 7（5）： 297.
60	WANG Z H， ZHANG J L. A task allocation algorithm for a swarm of unmanned aerial vehicles based on bionic wolf pack method［J］. Knowledge-Based Systems， 2022， 250： 109072.
61	WU Y， LIANG T J， GOU J Z， et al. Heterogeneous mission planning for multiple UAV formations via metaheuristic algorithms［J］. IEEE Transactions on Aerospace and Electronic Systems， 2023， 59（4）： 3924-3940.
62	WUBBEN J， HERNÁNDEZ D， CECILIA J M， et al. Assignment and take-off approaches for large-scale autonomous UAV swarms［J］. IEEE Transactions on Intelligent Transportation Systems， 2023， 24（5）： 4836-4847.
63	GAO C Y， MA J F， LI T， et al. Hybrid swarm intelligent algorithm for multi-UAV formation reconfiguration［J］. Complex & Intelligent Systems， 2023， 9（2）： 1929-1962.
64	LI B， ZHANG J W， DAI L， et al. A hybrid offline optimization method for reconfiguration of multi-UAV formations［J］. IEEE Transactions on Aerospace and Electronic Systems， 2021， 57（1）： 506-520.
65	LIU H X， LIU F， ZHANG X J， et al. A formation reconfiguration algorithm for multi-UAVs based on distributed cooperative coevolutionary with an adaptive grouping strategy［J］. Chinese Journal of Electronics， 2020， 29（5）： 841-851.
66	WUBBEN J， AZNAR P， FABRA F， et al. Toward secure， efficient， and seamless reconfiguration of UAV swarm formations［C］∥2020 IEEE/ACM 24th International Symposium on Distributed Simulation and Real Time Applications （DS-RT）. Piscataway： IEEE Press， 2020： 1-7.
67	WUBBEN J， FABRA F， CALAFATE C T， et al. A novel resilient and reconfigurable swarm management scheme［J］. Computer Networks， 2021， 194： 108119.
68	CHEN H T， HE M， LIU J T， et al. A novel fractional-order flocking algorithm for large-scale UAV swarms［J］. Complex & Intelligent Systems， 2023， 9（6）： 6831-6844.
69	YAN C， XIANG X J， WANG C， et al. PASCAL： Population-specific curriculum-based MADRL for collision-free flocking with large-scale fixed-wing UAV swarms［J］. Aerospace Science and Technology， 2023， 133： 108091.
70	WANG W， WANG L， WU J F， et al. Oracle-guided deep reinforcement learning for large-scale multi-UAVs flocking and navigation［J］. IEEE Transactions on Vehicular Technology， 2022， 71（10）： 10280-10292.
71	PAN Z H， XIA Y Q， SUN Z Q， et al. Multilayer self-organized aggregation control for large-scale unmanned aerial vehicle swarms［J］. International Journal of Robust and Nonlinear Control， 2023， 33（10）： 5420-5436.
72	VIRÁGH C， VÁSÁRHELYI G， TARCAI N， et al. Flocking algorithm for autonomous flying robots［J］. Bioinspiration & Biomimetics， 2014， 9（2）： 025012.
73	YONG E. Autonomous drones flock like birds［EB/OL］. （2014-2-26）［2023-12-06］. .
74	VÁSÁRHELYI G， VIRÁGH C， SOMORJAI G， et al. Optimized flocking of autonomous drones in confined environments［J］. Science Robotics， 2018， 3（20）： eaat3536.
75	ZHOU X， WEN X Y， WANG Z P， et al. Swarm of micro flying robots in the wild［J］. Science Robotics， 2022， 7（66）： eabm5954.
76	段海滨，邱华鑫. 基于群体智能的无人机集群自主控制［M］. 北京：科学出版社， 2018： 13-23.
	DUAN H B， QIU H X. Unmanned aerial vehicle swarm autonomous control based on swarm intelligence［M］. Beijing： Science Press， 2018： 13-23 （in Chinese）.
77	NAGY M， ÁKOS Z， BIRO D， et al. Hierarchical group dynamics in pigeon flocks［J］. Nature， 2010， 464： 890-893.
78	ZHANG H T， CHEN Z Y， VICSEK T， et al. Route-dependent switch between hierarchical and egalitarian strategies in pigeon flocks［J］. Scientific Reports， 2014， 4： 5805.
79	CHEN D X， VICSEK T， LIU X L， et al. Switching hierarchical leadership mechanism in homing flight of pigeon flocks［J］. EPL （Europhysics Letters）， 2016， 114（6）： 60008.
80	CHEN D X， WANG Y C， WU G， et al. Inferring causal relationship in coordinated flight of pigeon flocks［J］. Chaos， 2019， 29（11）： 113118.
81	FLACK A， PETTIT B， FREEMAN R， et al. What are leaders made of？ The role of individual experience in determining leader-follower relations in homing pigeons［J］. Animal Behaviour， 2012， 83（3）： 703-709.
82	FLACK A， ÁKOS Z， NAGY M， et al. Robustness of flight leadership relations in pigeons［J］. Animal Behaviour， 2013， 86（4）： 723-732.
83	LIU X Y， YAN C， ZHOU H， et al. Towards flocking navigation and obstacle avoidance for multi-UAV systems through hierarchical weighting vicsek model［J］. Aerospace， 2021， 8（10）： 286.
84	LIU X Y， XIANG X J， CHANG Y， et al. Hierarchical weighting vicsek model for flocking navigation of drones［J］. Drones， 2021， 5（3）： 74.
85	PETTIT B， ÁKOS Z， VICSEK T， et al. Speed determines leadership and leadership determines learning during pigeon flocking［J］. Current Biology， 2015， 25（23）： 3132-3137.
86	SASAKI T， BIRO D. Cumulative culture can emerge from collective intelligence in animal groups［J］. Nature Communications， 2017， 8： 15049.
87	SASAKI T， MANN R P， WARREN K N， et al. Personality and the collective： Bold homing pigeons occupy higher leadership ranks in flocks［J］. Philosophical Transactions of the Royal Society of London Series B， Biological Sciences， 2018， 373（1746）： 20170038.
88	CUCKER F， SMALE S. Emergent behavior in flocks［J］. IEEE Transactions on Automatic Control， 2007， 52（5）： 852-862.
89	EVANGELISTA D J， RAY D D， RAJA S K， et al. Three-dimensional trajectories and network analyses of group behaviour within chimney swift flocks during approaches to the roost［J］. Proceedings of the Royal Society B： Biological Sciences， 2017， 284（1849）： 20162602.
90	BALLERINI M， CABIBBO N， CANDELIER R， et al. Interaction ruling animal collective behavior depends on topological rather than metric distance： Evidence from a field study［J］. Proceedings of the National Academy of Sciences of the United States of America， 2008， 105（4）： 1232-1237.
91	CAVAGNA A， CIMARELLI A， GIARDINA I， et al. From empirical data to inter-individual interactions： Unveiling the rules of collective animal behavior［J］. Mathematical Models and Methods in Applied Sciences， 2010， 20（supp01）： 1491-1510.
92	CAMPERI M， CAVAGNA A， GIARDINA I， et al. Spatially balanced topological interaction grants optimal cohesion in flocking models［J］. Interface Focus， 2012， 2（6）： 715-725.
93	SHANG Y L， BOUFFANAIS R. Influence of the number of topologically interacting neighbors on swarm dynamics［J］. Scientific Reports， 2014， 4： 4184.
94	CHEN C， CHEN G， GUO L. Consensus of flocks under M-nearest-neighbor rules［J］. Journal of Systems Science and Complexity， 2015， 28（1）： 1-15.
95	WANG L， CHEN G R. Synchronization of multi-agent systems with metric-topological interactions［J］. Chaos， 2016， 26（9）： 094809.
96	KUMAR V， DE R M. Efficient flocking： Metric versus topological interactions［J］. Royal Society Open Science， 2021， 8（9）： 202158.
97	LIU J T， HE M， XU P， et al. Pairwise control in swarm flocking with application to UAVs［J］. Engineering Applications of Artificial Intelligence， 2022， 114： 105023.
98	LING H J， MCLVOR G E， VAN DER VAART K， et al. Costs and benefits of social relationships in the collective motion of bird flocks［J］. Nature Ecology & Evolution， 2019， 3： 943-948.
99	LING H J， MCLVOR G E， WESTLEY J， et al. Behavioural plasticity and the transition to order in jackdaw flocks［J］. Nature Communications， 2019， 10： 5174.
100	ANDERSSON M， WALLANDER J. Kin selection and reciprocity in flight formation？［J］. Behavioral Ecology， 2004， 15（1）： 158-162.
101	BAJEC I L， HEPPNER F H. Organized flight in birds［J］. Animal Behaviour， 2009， 78（4）： 777-789.
102	LISSAMAN P B， SHOLLENBERGER C A. Formation flight of birds［J］. Science， 1970， 168（3934）： 1003-1005.
103	WEIMERSKIRCH H， MARTIN J， CLERQUIN Y， et al. Energy saving in flight formation［J］. Nature， 2001， 413： 697-698.
104	REYNOLDS C W. Flocks， herds and schools： A distributed behavioral model［C］∥Proceedings of the 14th annual conference on Computer graphics and interactive techniques. New York： ACM， 1987： 25-34.
105	VICSEK T， CZIRÓK A， BEN-JACOB E， et al. Novel type of phase transition in a system of self-driven particles［J］. Physical Review Letters， 1995， 75（6）： 1226-1229.
106	COUZIN I D， KRAUSE J， JAMES R， et al. Collective memory and spatial sorting in animal groups［J］. Journal of Theoretical Biology， 2002， 218（1）： 1-11.
107	WANG X， LU J H. Collective behaviors through social interactions in bird flocks［J］. IEEE Circuits and Systems Magazine， 2019， 19（3）： 6-22.
108	ATTANASI A， CAVAGNA A， DEL CASTELLO L， et al. Information transfer and behavioural inertia in starling flocks［J］. Nature Physics， 2014， 10： 691-696.
109	LING H J， MCLVOR G E， WESTLEY J， et al. Collective turns in jackdaw flocks： Kinematics and information transfer［J］. Journal of the Royal Society， Interface， 2019， 16（159）： 20190450.
110	PAPADOPOULOU M， HILDENBRANDT H， SANKEY D W E， et al. Emergence of splits and collective turns in pigeon flocks under predation［J］. Royal Society Open Science， 2022， 9（2）： 211898.
111	邱华鑫，段海滨. 从鸟群群集飞行到无人机自主集群编队［J］. 工程科学学报， 2017， 39（3）： 317-322.
	QIU H X， DUAN H B. From collective flight in bird flocks to unmanned aerial vehicle autonomous swarm formation［J］. Chinese Journal of Engineering， 2017， 39（3）： 317-322 （in Chinese）.
112	WANG X， CHEN H， ZHAO S. Formation control of large-scale fixed-wing unmanned aerial vehicle swarms［J］. Control and Decision， 2021， 36（9）： 2063-2073.
113	CHEN H， WANG X K， SHEN L C， et al. Formation flight of fixed-wing UAV swarms： A group-based hierarchical approach［J］. Chinese Journal of Aeronautics， 2021， 34（2）： 504-515.
114	ZHAO J， SUN J M， CAI Z H， et al. Distributed coordinated control scheme of UAV swarm based on heterogeneous roles［J］. Chinese Journal of Aeronautics， 2022， 35（1）： 81-97.
115	XU X P， YAN X T， YANG W Y， et al. Algorithms and applications of intelligent swarm cooperative control： A comprehensive survey［J］. Progress in Aerospace Sciences， 2022， 135： 100869.
116	WU J， LUO C B， LUO Y， et al. Distributed UAV swarm formation and collision avoidance strategies over fixed and switching topologies［J］. IEEE Transactions on Cybernetics， 2022， 52（10）： 10969-10979.
117	XIONG H， DING Y Z， LIU J Z. Compact and ordered swarms of unmanned aerial vehicles in cluttered environments［J］. Bioinspiration & Biomimetics， 2023， 18（5）： 056006.
118	LIAO J， CHENG J， XIN B， et al. UAV swarm formation reconfiguration control based on variable-stepsize MPC-APCMPIO algorithm［J］. Science China Information Sciences， 2023， 66（11）： 212207.
119	WU J F， WANG H L， LI N， et al. Formation obstacle avoidance： A fluid-based solution［J］. IEEE Systems Journal， 2020， 14（1）： 1479-1490.
120	SARKAR N， DEB A K. Neuroadaptive distributed sliding mode formation control of UAVs： A more simple approach［J］. International Journal of Control， Automation and Systems， 2023， 21（10）： 3470-3483.
121	LIU W H， ZHENG X， DENG Z H. Dynamic collision avoidance for cooperative fixed-wing UAV swarm based on normalized artificial potential field optimization［J］. Journal of Central South University， 2021， 28（10）： 3159-3172.
122	ZHEN Z Y， CHEN Y， WEN L D， et al. An intelligent cooperative mission planning scheme of UAV swarm in uncertain dynamic environment［J］. Aerospace Science and Technology， 2020， 100： 105826.
123	LIU Y P， ZHAO X， XU J， et al. Rapid location technology of odor sources by multi-UAV［J］. Journal of Field Robotics， 2022， 39（5）： 600-616.
124	邱华鑫，段海滨，范彦铭. 基于鸽群行为机制的多无人机自主编队［J］. 控制理论与应用， 2015， 32（10）： 1298-1304.
	QIU H X， DUAN H B， FAN Y M. Multiple unmanned aerial vehicle autonomous formation based on the behavior mechanism in pigeon flocks［J］. Control Theory & Applications， 2015， 32（10）： 1298-1304 （in Chinese）.
125	LUO Q N， DUAN H B. Distributed UAV flocking control based on homing pigeon hierarchical strategies［J］. Aerospace Science and Technology， 2017， 70： 257-264.
126	SHEN Y K， WEI C. Multi-UAV flocking control with individual properties inspired by bird behavior［J］. Aerospace Science and Technology， 2022， 130： 107882.
127	QIU H X， DUAN H B. Multiple UAV distributed close formation control based on in-flight leadership hierarchies of pigeon flocks［J］. Aerospace Science and Technology， 2017， 70： 471-486.
128	QIU H X， DUAN H B. Pigeon interaction mode switch-based UAV distributed flocking control under obstacle environments［J］. ISA Transactions， 2017， 71： 93-102.
129	FENG Y F， DONG J S， WANG J L， et al. Distributed flocking algorithm for multi-UAV system based on behavior method and topological communication［J］. Journal of Bionic Engineering， 2023， 20（2）： 782-796.
130	KONG W R， ZHOU D Y， DU Y J， et al. Hierarchical multi-agent reinforcement learning for multi-aircraft close-range air combat［J］. IET Control Theory & Applications， 2023， 17（13）： 1840-1862.
131	张令，段海滨，雍婷，等. 基于寒鸦配对交互行为的无人机集群编队控制［J］. 北京航空航天大学学报， 2021， 47（2）： 391-397.
	ZHANG L， DUAN H B， YONG T， et al. Unmanned aerial vehicle swarm formation control based on paired interaction mechanism in jackdaws［J］. Journal of Beijing University of Aeronautics and Astronautics， 2021， 47（2）： 391-397 （in Chinese）.
132	PACHTER M， D’AZZO J J， PROUD A W. Tight formation flight control［J］. Journal of Guidance， Control， and Dynamics， 2001， 24（2）： 246-254.
133	周子为，段海滨，范彦铭. 仿雁群行为机制的多无人机紧密编队［J］. 中国科学：技术科学， 2017， 47（3）： 230-238.
	ZHOU Z W， DUAN H B， FAN Y M. Unmanned aerial vehicle close formation control based on the behavior mechanism in wild geese［J］. Scientia Sinica （Technologica）， 2017， 47（3）： 230-238 （in Chinese）.
134	丁应和，沈凯，朱毅晓，等. 仿雁群多固定翼无人机时变编队一致性控制方法［J］. 战术导弹技术， 2022（4）： 132-138， 148.
	DING Y H， SHEN K， ZHU Y X， et al. Method of time-varying formation consistency control for multiple fixed-wing UAVs［J］. Tactical Missile Technology， 2022（4）： 132-138， 148 （in Chinese）.
135	OUYANG Q， WU Z X， CONG Y H， et al. Formation control of unmanned aerial vehicle swarms： A comprehensive review［J］. Asian Journal of Control， 2023， 25（1）： 570-593.
136	OLFATI-SABER R. Flocking for multi-agent dynamic systems： Algorithms and theory［J］. IEEE Transactions on Automatic Control， 2006， 51（3）： 401-420.
137	BEAVER L E， MALIKOPOULOS A A. An overview on optimal flocking［J］. Annual Reviews in Control， 2021， 51： 88-99.
138	POOLEY A， GAO M， SHARMA A， et al. Analysis of UAV thermal soaring via hawk-inspired swarm interaction［J］. Biomimetics， 2023， 8（1）： 124.
139	WU W H， ZHANG X Y， MIAO Y. Starling-behavior-inspired flocking control of fixed-wing unmanned aerial vehicle swarm in complex environments with dynamic obstacles［J］. Biomimetics， 2022， 7（4）： 214.
140	LIU W， GAO Z J. A distributed flocking control strategy for UAV groups［J］. Computer Communications， 2023， 153： 95-101.
141	于月平，段海滨，范彦铭，等. 仿欧椋鸟大规模超机动行为的无人机集群转弯控制［J］. 机器人， 2020， 42（4）： 385-393.
	YU Y P， DUAN H B， FAN Y M， et al. Turning control of multiple UAVs imitating the super-maneuver behavior in massive starlings［J］. Robot， 2020， 42（4）： 385-393 （in Chinese）.
142	CAVAGNA A， DEL CASTELLO L， GIARDINA I， et al. Flocking and turning： A new model for self-organized collective motion［J］. Journal of Statistical Physics， 2015， 158（3）： 601-627.
143	CRISTIANI E， MENCI M， PAPI M， et al. An all-leader agent-based model for turning and flocking birds［J］. Journal of Mathematical Biology， 2021， 83（4）： 45.
144	CAVAGNA A， GIARDINA I. Bird flocks as condensed matter［J］. Annual Review of Condensed Matter Physics， 2014， 5： 183-207.
145	ATTANASI A， CAVAGNA A， DEL CASTELLO L， et al. Emergence of collective changes in travel direction of starling flocks from individual birds’ fluctuations［J］. Journal of the Royal Society Interface， 2015， 12（108）： 20150319.
146	STORMS R F， CARERE C， ZORATTO F， et al. Complex patterns of collective escape in starling flocks under predation［J］. Behavioral Ecology and Sociobiology， 2019， 73（1）： 10.
147	BASTIEN R， ROMANCZUK P. A model of collective behavior based purely on vision ［J］. Science Advances， 2020， 6： eaay0792.
148	QI J T， BAI L， WEI Y M， et al. Emergence of adaptation of collective behavior based on visual perception［J］. IEEE Internet of Things Journal， 2023， 10（12）： 10368-10384.
149	XIE H， SUN M M， FAN X J， et al. Reconfigurable magnetic microrobot swarm： Multimode transformation， locomotion， and manipulation［J］. Science Robotics， 2019， 4（28）： eaav8006.
150	NAVE G K Jr， MITCHELL N T， CHAN DICK J A， et al. Attraction， dynamics， and phase transitions in fire ant tower-building［J］. Frontiers in Robotics and AI， 2020， 7： 25.
151	WANG G， PHAN T V， LI S K， et al. Emergent field-driven robot swarm states［J］. Physical Review Letters， 2021， 126（10）： 108002.
152	BERLINGER F， GAUCI M， NAGPAL R. Implicit coordination for 3D underwater collective behaviors in a fish-inspired robot swarm［J］. Science Robotics， 2021， 6（50）： eabd8668.
153	HAO Z J， MAYYA S， NOTOMISTA G， et al. Controlling collision-induced aggregations in a swarm of micro bristle robots［J］. IEEE Transactions on Robotics， 2023， 39（1）： 590-604.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

项目名称	开始时间	研究内容	最新试验
“山鹑（Perdix）”	2014年	微型无人机集群，执行火力打击、获取情报、侦察监视等任务	2016年10月，3架F/A-18F战斗机空中投放103架“山鹑”无人机，测试其编队飞行、集体决策和编队修复等能力
拒止环境中协同行动（CODE）	2014年	发展自主协同能力，使无人机集群能在拒止环境中与移动目标交战	2022年1月，1架MQ-20无人机与5架虚拟机编队进行协同搜索任务，虚拟敌方进入指定的搜索区域，编队自主决定哪架无人机自动脱离编队并执行空对空战术
“小精灵（Gremlins）”	2015年	可空中发射、自主协调、分布式作战、可回收的无人机集群，执行侦察、监视、网络战、电磁战等任务	2021年11月，使用C-130型运输机成功投放、回收“小精灵”无人机
低成本无人机集群（LOCUST）	2015年	低成本、体积小、数量多、可快速释放的无人机集群	2021年7月，“郊狼”无人机成功击落由10架无人机组成的集群
进攻性蜂群使能战（OFFSET）	2017年	开发无人机集群战术，提高地面部队在城市环境下作战效能	2020年9月，成功测试了无人机与无人车的集群协同
“超级蜂群（Super Swarm）”	2020年	建造、部署和控制上万架规模的无人机集群系统	2022年4月，美国海军“无人系统综合战斗问题21”演习中，运用“超级蜂群”摧毁水面舰艇
自主多域自适应集群（AMASS）	2022年	开发通用指挥控制系统、架构、标准和接口，集群自主通信并执行特定任务	暂无

[1]	王传云, 苏阳, 王琳霖, 王田, 王静静, 高骞. 面向反制无人机集群的多目标连续鲁棒跟踪算法[J]. 航空学报, 2024, 45(7): 329017-329017.
[2]	蔡云鹏, 周大鹏, 丁江川. 具有防撞安全约束的无人机集群智能协同控制[J]. 航空学报, 2024, 45(5): 529683-529683.
[3]	刘海春, 李阳, 谢少军. 基于极性转换的航空交直流共地整流电源[J]. 航空学报, 2024, 45(13): 329539-329539.
[4]	陈宁立, 易贤, 王强, 任靖豪. NNW⁃ICE软件的三维结冰模型及精度验证[J]. 航空学报, 2024, 45(12): 129188-129188.
[5]	刘伟, 张琳, 王代强, 孟宪良, 张搏. 激光武器反无人机集群作战运用及关键技术[J]. 航空学报, 2024, 45(12): 329457-329457.
[6]	张清瑞, 刘赟韵, 孙慧杰, 朱波. 固定翼无人机紧密编队的鲁棒协同跟踪控制[J]. 航空学报, 2024, 45(1): 629233-629233.
[7]	张国渊, 黎旭康, 赵伟刚, 赵洋洋, 王俊倩. 低温高速动静结合型机械密封两相流仿真与实验[J]. 航空学报, 2023, 44(23): 628229-628229.
[8]	马乙楗, 柴得林, 易贤, 屈经国, 王强. 考虑侵蚀效应的冰晶/混合相结冰计算方法[J]. 航空学报, 2023, 44(15): 528609-528609.
[9]	文超, 董文瀚, 解武杰, 蔡鸣, 刘日. 基于回访机制的无人机集群分布式协同区域搜索方法[J]. 航空学报, 2023, 44(11): 327561-327561.
[10]	许闯, 吴宝林. 输入饱和下多航天器分布式固定时间输出反馈姿态协同控制[J]. 航空学报, 2023, 44(10): 327465-327465.
[11]	刘雷, 刘大卫, 王晓光, 陈俊男, 刘东兴. 无人机集群与反无人机集群发展现状及展望[J]. 航空学报, 2022, 43(S1): 726908-726908.
[12]	苏翎菲, 化永朝, 董希旺, 任章. 人与无人机集群多模态智能交互方法[J]. 航空学报, 2022, 43(S1): 727001-727001.
[13]	徐广通, 王祝, 曹严, 孙景亮, 龙腾. 动态优先级解耦的无人机集群轨迹分布式序列凸规划[J]. 航空学报, 2022, 43(2): 325059-325059.
[14]	向锦武, 董希旺, 丁文锐, 索津莉, 沈林成, 夏辉. 复杂环境下无人集群系统自主协同关键技术[J]. 航空学报, 2022, 43(10): 527570-527570.
[15]	叶结松, 龚柏春, 李爽, 都延丽, 郝明瑞. 基于相对方位信息和单间距测量的多智能体编队协同控制[J]. 航空学报, 2021, 42(7): 324610-324610.

无人机仿鸟群协同控制发展现状及关键技术

Development status and key technologies of cooperative control of bird-inspired UAV swarms

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 153

相关文章 15

编辑推荐

Metrics

本文评价