面向多目标跟踪的集群无人机自组织共识决策方法

doi:10.7527/S1000-6893.2024.31635

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

面向多目标跟踪的集群无人机自组织共识决策方法

赵江¹, 皮明豪¹, 田栢苓², 池沛³(), 王英勋³

^1.北京航空航天大学自动化科学与电气工程学院，北京 100191
^2.天津大学电气自动化与信息工程学院，天津 300072
^3.北京航空航天大学无人系统研究院，北京 100191

收稿日期:2024-12-09 修回日期:2025-01-03 接受日期:2025-01-09 出版日期:2025-08-25 发布日期:2025-01-16
通讯作者: 池沛 E-mail:peichi@buaa.edu.cn
基金资助:
中央高校基本科研业务费专项资金资助

Self-organized consensus decision-making method for swarm UAV tracking multiple targets

Jiang ZHAO¹, Minghao PI¹, Bailing TIAN², Pei CHI³(), Yingxun WANG³

^1.School of Automation Science and Electrical Engineering，Beihang University，Beijing 100191，China
^2.School of Electrical and Information Engineering，Tianjin University，Tianjin 300072，China
^3.Institute of Unmanned System，Beihang University，Beijing 100191，China

Received:2024-12-09 Revised:2025-01-03 Accepted:2025-01-09 Online:2025-08-25 Published:2025-01-16
Contact: Pei CHI E-mail:peichi@buaa.edu.cn
Supported by:
Fundamental Research Funds for the Central Universities of China

摘要/Abstract

摘要：

分布式无人机（UAV）集群通过自主决策与信息交互，可实现协同跟踪与动态任务分配，在复杂多变的动态目标跟踪控制场景中展现出较大的应用潜力。针对单一无人集群难以对多个分散运动的目标进行有效跟踪的挑战，提出了一种基于信息共识的集群无人机自组织动态决策方法。首先，考虑到无人机间的通信距离约束与通信时延，设计了基于最新时戳转发原则的集群信息共识算法，实现集群无人机的信息共识。其次，提出了基于求助应答的集群协同决策算法，实现了成员调配决策与自组织分组。最后，设计了基于自协调机制的目标跟踪控制算法，实现控制分量权重的自适应调整以及自组织的目标跟踪。与现有关于多目标跟踪的研究相比，提出的方法可在目标跟踪过程中实现动态目标分配决策，可根据各目标的逃逸风险大小确定为各目标分配的无人机数目。仿真结果表明，提出的方法可在目标分散运动时实现集群的自组织分组，分组的无差率在0.9以上。

关键词: 无人机（UAV）, 多目标跟踪, 集群信息共识, 协同决策, 自组织

Abstract:

Distributed Unmanned Aerial Vehicle （UAV） swarms can achieve collaborative tracking and dynamic task allocation through autonomous decision-making and information interaction， demonstrating significant application potential in complex and dynamic target tracking control scenarios. To address poor performance of the single swarm in tracking multiple separating moving targets， a self-organized dynamic decision-making method for UAV swarm based on information consensus is proposed. Firstly， considering the communication distance constraints and communication delays between UAVs， a swarm information consensus algorithm based on the latest timestamp forwarding principle is designed to achieve information consensus among UAVs. Secondly， a swarm collaborative decision-making algorithm based on request-response is proposed， realizing member allocation， decision-making and self-organized grouping. Finally， a target tracking control algorithm based on a self-coordination mechanism is designed， achieving adaptive adjustment of control component weights and self-organized target tracking. Compared to existing research on multi-target tracking， the proposed method can realize dynamic target allocation decision-making during the target tracking process and determining the number of UAVs allocated to each target based on the escape risk of each target. Simulation results show that the proposed method can achieve self-organized grouping of the swarm when targets are separating， with a grouping accuracy rate of above 0.9.

Key words: unmanned aerial vehicle (UAV), multi-target tracking, swarm information consensus, collaborative decision-making, self-organizing

中图分类号:

V249.12

赵江, 皮明豪, 田栢苓, 池沛, 王英勋. 面向多目标跟踪的集群无人机自组织共识决策方法[J]. 航空学报, 2025, 46(16): 331635.

Jiang ZHAO, Minghao PI, Bailing TIAN, Pei CHI, Yingxun WANG. Self-organized consensus decision-making method for swarm UAV tracking multiple targets[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(16): 331635.

图/表 26

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

图 10

图 11

图 12

表1

共识决策方法固定参数取值

参数	取值	参数	取值
$D r e p / m$	60	$D c o n / m$	200
$N m i n$	2	$K p v, K d v$	20，2
$N m a x$	6	$K p θ, K d θ$	20，2
$D m a x / m$	200	$w n 0$	10
$D m i n / m$	50	$w r e p 0$	5
$D a t t r / m$	50	$w c o n 0$	10

表1

表2

目标分离路径

目标	1	2	3
阶段1	左转 $γ$	直行	右转 $γ$
阶段2	直行	直行	直行
转弯半径	$R s e p$		$R s e p$

表2

表3

图 13

图 14

图 15

图 16

表4

目标路径参数

实验组	转弯角度 $γ / (°)$	转弯半径 $R s e p / m$
1	50	300
2	60	250
3	70	200
4	80	150
5	90	100

表4

图 17

表5

图 18

图 19

图 20

图 21

参考文献 25

[1]	LI X Q， LU X P， CHEN W H， et al. Research on UAVs reconnaissance task allocation method based on communication preservation［J］. IEEE Transactions on Consumer Electronics， 2024， 70（1）： 684-695.
[2]	HE C， DONG Y R， WANG Z J. Radio map assisted multi-UAV target searching［J］. IEEE Transactions on Wireless Communications， 2023， 22（7）： 4698-4711.
[3]	LEI T J， LUO C M， SELLERS T， et al. Multitask allocation framework with spatial dislocation collision avoidance for multiple aerial robots［J］. IEEE Transactions on Aerospace and Electronic Systems， 2022， 58（6）： 5129-5140.
[4]	SUN L， WANG J S， WANG J， et al. Efficient joint deployment of multi-UAVs for target tracking in traffic big data［J］. IEEE Transactions on Intelligent Transportation Systems， 2024， 25（7）： 7780-7791.
[5]	CHANG Z， DENG H W， YOU L， et al. Trajectory design and resource allocation for multi-UAV networks： Deep reinforcement learning approaches［J］. IEEE Transactions on Network Science and Engineering， 2023， 10（5）： 2940-2951.
[6]	TONG B D， DUAN H B. A game theory-based approach for multiple UAVs cooperative target defense［J］. IEEE Transactions on Circuits and Systems Ⅱ： Express Briefs， 2024， 71（4）： 2149-2153.
[7]	闫耀芳，张子林，钱堂，等. 无人机目标追踪系统设计与实现［J］. 山西电子技术， 2022（5）： 18-20.
	YAN Y F， ZHANG Z L， QIAN T， et al. Design and implementation of UAV target tracking system［J］. Shanxi Electronic Technology， 2022（5）： 18-20 （in Chinese）.
[8]	WANG Y， LI H G， LI X J， et al. UAV image target localization method based on outlier filter and frame buffer［J］. Chinese Journal of Aeronautics， 2024， 37（7）： 375-390.
[9]	田磊，赵启伦，董希旺，等. 异构多智能体系统分组输出时变编队跟踪控制［J］. 航空学报， 2020， 41（7）： 323727.
	TIAN L， ZHAO Q L， DONG X W， et al. Time-varying output group formation tracking for heterogeneous multi-agent systems［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（7）： 323727 （in Chinese）.
[10]	张毅，于浩，杨秀霞，等. 无人机集群分组编队自适应跟踪-包含控制［J］. 北京航空航天大学学报， 2024， 50（1）： 97-109.
	ZHANG Y， YU H， YANG X X， et al. Adaptive group formation tracking-containment control for UAV swarm［J］. Journal of Beijing University of Aeronautics and Astronautics， 2024， 50（1）： 97-109 （in Chinese）.
[11]	HU J Y， BHOWMICK P， LANZON A. Distributed adaptive time-varying group formation tracking for multiagent systems with multiple leaders on directed graphs［J］. IEEE Transactions on Control of Network Systems， 2020， 7（1）： 140-150.
[12]	JIA J B， CHEN X， WANG W Z， et al. Cooperative control of multi-UAV for multi-targets encirclement and tracking based on potential game［C］∥2023 42nd Chinese Control Conference （CCC）. Piscataway： IEEE Press， 2023： 3778-3785.
[13]	PENG Q， WU H S， XUE R S. Review of dynamic task allocation methods for UAV swarms oriented to ground targets［J］. Complex System Modeling and Simulation， 2021， 1（3）： 163-175.
[14]	ZHAO D， YU X H， WEN G H， et al. Dynamic task allocation algorithm for moving targets interception［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2023， 53（2）： 776-788.
[15]	HAO N， YI H， TIAN C G， et al. A distributed-centralized dynamic task allocation algorithm for UAVs tracking moving targets［C］∥2021 40th Chinese Control Conference （CCC）. Piscataway： IEEE Press， 2021： 3774-3779.
[16]	HU C F， QU G， ZHANG Y T. Pigeon-inspired fuzzy multi-objective task allocation of unmanned aerial vehicles for multi-target tracking［J］. Applied Soft Computing， 2022， 126： 109310.
[17]	XIANG L H， WANG F Y， XU W J， et al. Dynamic UAV swarm collaboration for multi-targets tracking under malicious jamming： Joint power， path and target association optimization［J］. IEEE Transactions on Vehicular Technology， 2024， 73（4）： 5410-5425.
[18]	陈梓豪，胡春鹤. 基于DQN出价策略的多无人机目标分配拍卖算法［J］. 聊城大学学报（自然科学版）， 2024， 37（4）： 23-32.
	CHEN Z H， HU C H. Multi drones target allocation auction algorithm based on DQN bidding strategy［J］. Journal of Liaocheng University （Natural Science Edition）， 2024， 37（4）： 23-32 （in Chinese）.
[19]	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.
[20]	CHOI H L， BRUNET L， HOW J P. Consensus-based decentralized auctions for robust task allocation［J］. IEEE Transactions on Robotics， 2009， 25（4）： 912-926.
[21]	郑习羽，徐梓毓，王京华. 基于聚类分组的异构多机器人任务分配算法研究［J］. 航空兵器， 2022， 29（4）： 100-109.
	ZHENG X Y. XU Z Y， WANG J H. Research on task allocation of heterogeneous multi-robot based on cluster grouping algorithm［J］. Aero Weaponry， 2022， 29（4）： 100-109 （in Chinese）.
[22]	WU W N， XU J， SUN Y M. Integrate assignment of multiple heterogeneous unmanned aerial vehicles performing dynamic disaster inspection and validation task with dubins path［J］. IEEE Transactions on Aerospace and Electronic Systems， 2023， 59（4）： 4018-4032.
[23]	ZITOUNI F， HAROUS S， MAAMRI R. A distributed approach to the multi-robot task allocation problem using the consensus-based bundle algorithm and ant colony system［J］. IEEE Access， 2020， 8： 27479-27494.
[24]	WANG W F， RU L， LU B， et al. Multi-task cooperative assignment of two-stage heterogeneous multi-UAV based on improved CBBA［C］∥2023 3rd International Symposium on Computer Technology and Information Science （ISCTIS）. Piscataway： IEEE Press， 2023： 173-178.
[25]	MERCKER T， CASBEER D W， MILLET P T， et al. An extension of consensus-based auction algorithms for decentralized， time-constrained task assignment［C］∥Proceedings of the 2010 American Control Conference. Piscataway： IEEE Press， 2010： 6324-6329.

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

参数类型	参数名称	符号
条件参数	通信距离	D_com
	通信时延	Δt_c
	共识决策周期	τ_r
	接收时间阈值	Δt_max
	目标转弯角度	γ
	目标转弯半径	R_sep
性能指标	时间代价	t_cost
	路径代价	p_cost
	集群分组能耗	e_cost
	分组信息不一致程度	η_group
	目标信息不一致程度	η_tar
	无差率	η_acc

实验组	路径代价/m	时间代价/s	集群分组能耗	分组信息不一致程度	目标信息不一致程度	无差率
1	94.39	2.84	189.68	0.44	19.40	0.96
2	92.63	2.79	191.17	0.45	18.29	0.90
3	97.67	2.96	194.70	0.49	22.30	0.90
4	83.89	2.52	185.82	0.49	23.77	0.90
5	109.17	3.33	221.01	0.60	34.86	0.90

面向多目标跟踪的集群无人机自组织共识决策方法

Self-organized consensus decision-making method for swarm UAV tracking multiple targets

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 26

参考文献 25

相关文章 15

编辑推荐

Metrics

本文评价

[1]	董希旺, 于江龙, 化永朝, 吕金虎, 任章. 集群系统智能协同IOODA技术体系架构与关键技术[J]. 航空学报, 2025, 46(4): 30911-030911.
[2]	吴一全, 童康. 基于深度学习的无人机航拍图像小目标检测研究进展[J]. 航空学报, 2025, 46(3): 30848-030848.
[3]	鹿瑶, 李子豪, 刘准钆, 杨衍波. 基于Transformer的异类目标智能关联跟踪[J]. 航空学报, 2025, 46(17): 331643-331643.
[4]	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.
[5]	郑高杰, 何小明, 李东坡, 谭慧俊, 汪昆, 吴祯龙, 王德鹏. 尾部推进无人机双90°偏折进气道/蜗壳耦合流动特性[J]. 航空学报, 2024, 45(4): 128782-128782.
[6]	王月星, 周启扬, 李敏倩, 缪炜星, 陆炎迪, 葛贤亮. 无人机集群控制软件原型设计[J]. 航空学报, 2024, 45(20): 630678-630678.
[7]	褚昭晨, 宋韬, 金忍, 林德福. 基于视觉图像的空对空多无人机目标跟踪[J]. 航空学报, 2024, 45(14): 629379-629379.
[8]	李伟, 郭艳, 李宁, 刘存涛, 袁昊. 智能反射面辅助无人机移动边缘计算任务数据最大化方法[J]. 航空学报, 2023, 44(19): 328486-328486.
[9]	苑玉彬, 吴一全, 赵朗月, 陈金林, 赵其昌. 基于深度学习的无人机航拍视频多目标检测与跟踪研究进展[J]. 航空学报, 2023, 44(18): 28334-028334.
[10]	李辉, 龙腾, 孙景亮, 徐广通. 基于自适应视线法的无人机三维航迹跟踪方法[J]. 航空学报, 2022, 43(9): 326105-326105.
[11]	靳标, 邝晓飞, 彭宇, 张贞凯. 基于合作博弈的组网雷达分布式功率分配方法[J]. 航空学报, 2022, 43(1): 324776-324776.
[12]	高明, 余伟臣, 王杉杉, 王荣闯, 石健将. 太阳能无人机能源系统的多维耦合建模[J]. 航空学报, 2021, 42(7): 224461-224461.
[13]	胡莘婷, 吴宇. 面向城市飞行安全的无人机离散型多路径规划方法[J]. 航空学报, 2021, 42(6): 324383-324383.
[14]	张宏伟, 达新宇, 胡航, 倪磊, 潘钰. 基于多机协作的认知无人机网络能效联合优化[J]. 航空学报, 2021, 42(6): 324548-324548.
[15]	刘深深, 陈江涛, 桂业伟, 唐伟, 王安龄, 韩青华. 基于数据挖掘的飞行器气动布局设计知识提取[J]. 航空学报, 2021, 42(4): 524708-524708.