面向狭窄通道穿越的无人机编队队形高速安全变换

doi:10.7527/S1000-6893.2026.33200

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

面向狭窄通道穿越的无人机编队队形高速安全变换

边疆, 聂天常(), 李宇华, 张振华, 郭超勐

北方自动控制技术研究所，太原 030006

收稿日期:2025-12-05 修回日期:2026-01-05 接受日期:2026-03-03 出版日期:2026-03-24 发布日期:2026-03-23
通讯作者: 聂天常 E-mail:nie_tianchang@163.com
基金资助:
国家自然科学基金(U24A20263)

High-speed safe formation transformation of UAVs formation through narrow corridors

Jiang BIAN, Tianchang NIE(), Yuhua LI, Zhenhua ZHANG, Chaomeng GUO

North Automatic Control Technology Institute，Taiyuan 030006，China

Received:2025-12-05 Revised:2026-01-05 Accepted:2026-03-03 Online:2026-03-24 Published:2026-03-23
Contact: Tianchang NIE E-mail:nie_tianchang@163.com
Supported by:
National Natural Science Foundation of China(U24A20263)

摘要/Abstract

摘要：

针对旋翼无人机（UAV）编队飞行过程中高速穿越狭窄通道并尽可能保持相近编队构型的问题，提出一种多阶段UAV编队队形安全变换方法。首先，将UAV编队中心看成虚拟领导者，根据UAV的运动学约束，通过混合整数线性规划规划出一条平滑、高速、距离障碍物最远的虚拟领导者轨迹以及编队整体的安全飞行空间；然后，根据编队安全飞行空间和虚拟领导者轨迹求解一个无外部和内部碰撞，且相较初始构型改变较少的编队构型；之后，基于生成的编队构型和虚拟领导者轨迹，分布式计算每个UAV的期望轨迹，并提出一种结合非线性优化与协同时间重分配的分布式算法，对各UAV轨迹进行优化，使其在满足运动学约束的前提下，实现高速飞行与编队保持。仿真结果表明：所提方法能使UAV编队在满足运动学约束的情况下，高速、安全穿越狭窄通道，同时尽可能保持相近的编队构型。

关键词: 无人机编队, 编队变换, 混合整数线性规划, 非线性优化, 遗传学算法

Abstract:

A multi-stage safe formation transformation method for Unmanned Aerial Vehicles （UAVs） formation is proposed to address the problem that rotary-wing UAVs formation passes through narrow corridors at high speed while maintaining a similar formation configuration as much as possible. Firstly， the center of the UAVs formation is regarded as a virtual leader. According to the kinematic constraints of UAVs， a mixed-integer linear programming method is used to plan a smooth and high-speed virtual leader trajectory with the maximum distance from obstacles and the safe flight space of the entire formation. Then， based on the safe flight space of the formation and the virtual leader trajectory， a formation configuration without external and internal collisions and with minimum changes compared with the initial configuration is obtained. Subsequently， based on the generated formation configuration and the virtual leader trajectory， the desired trajectories of each UAV are calculated in a distributed manner. A distributed algorithm combining nonlinear optimization and cooperative time redistribution is proposed to optimize the trajectories of each UAV， so that high-speed flight and formation maintenance can be achieved while satisfying the kinematic constraints. Simulation results show that the proposed method enables the UAVs formation to pass through narrow corridors safely and at high speed while satisfying the kinematic constraints， and maintains a formation configuration close to the initial configuration as much as possible.

Key words: UAVs formation, formation transformation, mixed-integer linear programming, nonlinear optimization, genetic algorithm

中图分类号:

V279

边疆, 聂天常, 李宇华, 张振华, 郭超勐. 面向狭窄通道穿越的无人机编队队形高速安全变换[J]. 航空学报, 2026, 47(17): 333200.

Jiang BIAN, Tianchang NIE, Yuhua LI, Zhenhua ZHANG, Chaomeng GUO. High-speed safe formation transformation of UAVs formation through narrow corridors[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(17): 333200.

图/表 25

图 1

图 2

表1

关键符号及含义

符号	含义
$N$	虚拟领导者轨迹离散化点数
$t s$	路径点之间的时间步长
$P (t i)$	$t i$ 时刻虚拟领导者位置向量
$U (t i)$	$t i$ 时刻虚拟领导者速度向量
$A (t i)$	$t i$ 时刻虚拟领导者加速度向量
$d i$	第i个虚拟轨迹点的安全距离
$d s a f e$	编队最狭窄位置安全横向偏移
$d i, s a f e$	编队其他位置安全横向偏移
$N U A V$	UAV数量
$S k$	UAV k的初始构型位置
$G k, m i n$	UAV k的最狭窄位置目标构型位置
$E k$	UAV k的构型变换线段
$d c$	UAV间安全距离
$δ m i n$	笛卡尔坐标系到Frenet坐标系距离两点距离最小缩放比
$δ m a x$	Frenet坐标系点到直线距离到笛卡尔坐标系点到曲线距离最大缩放比
$G k, i$	第k个UAV在 $t i$ 时刻的目标构型位置
$P k (i)$	第k个UAV在笛卡尔坐标系下的位置向量
$ι i$	速度松弛系数
$ε i$	加速度松弛系数
$v m a x$	最大速度
$a m a x$	最大加速度
$λ s$	平滑度惩罚项的权重系数
$λ s a f e$	安全距离项的权重系数
$λ f$	到达终点时间惩罚项的权重系数
$λ o$	轨迹跟踪项的权重系数
$λ a s$	平滑加速度项的权重系数
$λ v r$	速度松弛项的权重系数
$λ a r$	加速度松弛项的权重系数
$λ d$	构型变化幅度项的权重系数
$λ s a$	内部安全距离项的权重系数

表1

图 3

图 4

图 5

图 6

图 7

图 8

图 9

图 10

图 11

图 12

图 13

图 14

表2

遗传算法参数设置和实验结果

指标	$N d = 100$	$N d = 300$	$N z = 30$	$N z = 40$	$N p = 5$	$N p = 20$	$P t = 5 %$	$P t = 20 %$	$N U A V = 6$	$N U A V = 8$
求解时间/s	0.961	2.196	1.075	2.040	1.675	1.477	1.562	1.690	2.980	5.269
构型距离/m	0.062	0	0.010	0	0.020	0.010	0.010	0.042	0.013	0.010

表2

图 15

图 16

图 17

表3

非线性优化参数设置和实验结果

指标	$λ o = 1$	$λ o = 20$	$λ a s = 0.5$	$λ a s = 2$	$λ v r = 0.5$	$λ v r = 2$	$λ a r = 50$	$λ a r = 200$
轨迹跟踪项	8.209	8.207	8.207	8.208	8.208	8.208	8.203	8.210
平滑项	0.33	0.33	0.33	0.33	0.33	0.33	0.33	0.33
最大速度松弛项	30	30	30	30	30	30	30	30
最大加速度松弛项	30.130	30.133	30.134	30.132	30.132	30.132	30.136	30.130

表3

图 18

图 19

图 20

图 21

表4

参考文献 26

[1]	刘坤达，刘雪明，朱波，等. 面向狭窄通道穿越的多机编队安全鲁棒控制［J］. 航空学报， 2023， 44（S2）： 729768.
	LIU K D， LIU X M， ZHU B， et al. Robust safe control for multi-UAV formation flight through narrow corridors［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（S2）： 729768 （in Chinese）.
[2]	JI J L， PENG Y Y， ZHAO C C， et al. Safe corridor constrained trajectory planning for formation flight of fixed-wing unmanned aerial vehicles［C］∥ Proceedings of 2023 7th Chinese Conference on Swarm Intelligence and Cooperative Control. Singapore： Springer， 2024： 188-196.
[3]	WANG Z P， ZHOU X， XU C， et al. Geometrically constrained trajectory optimization for multicopters［J］. IEEE Transactions on Robotics， 2022， 38（5）： 3259-3278.
[4]	赵创新，遆好建，李照宏，等. 多无人机协同编队控制及试飞验证［J］. 航空学报， 2024， 45（17）： 530249.
	ZHAO C X， TI H J， LI Z H， et al. Multi-UAV cooperative formation control and flight test verification［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（17）： 530249 （in Chinese）.
[5]	严超，张泽旭，崔祜涛，等. 固定翼无人机集群预定时间仿射编队机动控制［J］. 航空学报， 2025， 46（22）： 331824.
	YAN C， ZHANG Z X， CUI H T， et al. Predefined-time affine formation maneuvering control for fixed-wing UAV swarm［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（22）： 331824 （in Chinese）.
[6]	王昱，谢志鹏，田永健，等. 虚拟结构引领强化学习分布式无人机编队控制［J］. 航空学报， 2025， 46（15）： 331354.
	WANG Y， XIE Z P， TIAN Y J， et al. Distributed UAV formation control with virtual structure guided reinforcement learning［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（15）： 331354 （in Chinese）.
[7]	GUO J D， LIU Z G， SONG Y G， et al. Research on multi-UAV formation and semi-physical simulation with virtual structure［J］. IEEE Access， 2023， 11： 126027-126039.
[8]	LEE G， CHWA D K. Decentralized behavior-based formation control of multiple robots considering obstacle avoidance［J］. Intelligent Service Robotics， 2018， 11（1）： 127-138.
[9]	徐博，张大龙. 基于量子行为鸽群优化的无人机紧密编队控制［J］. 航空学报， 2020， 41（8）： 323722.
	XU B， ZHANG D L. Tight formation flight control of UAVs based on pigeon inspired algorithm optimization by quantum behavior［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（8）： 323722 （in Chinese）.
[10]	KURIKI Y， NAMERIKAWA T. Formation control with collision avoidance for a multi-UAV system using decentralized MPC and consensus-based control［J］. SICE Journal of Control， Measurement， and System Integration， 2015， 8（4）： 285-294.
[11]	吴宇，梁天骄. 基于改进一致性算法的无人机编队控制［J］. 航空学报， 2020， 41（9）： 323848.
	WU Y， LIANG T J. Improved consensus-based algorithm for unmanned aerial vehicle formation control［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（9）： 323848 （in Chinese）.
[12]	WANG G J， SONG K P， ZHANG X L. The real-time trajectory planning of UAV formation transformation based on safety flight corridor［C］∥ Proceedings of 2021 Chinese Intelligent Systems Conference. Singapore： Springer， 2022： 481-491.
[13]	PENG P， DONG W， CHEN G， et al. Obstacle avoidance of resilient UAV swarm formation with active sensing system in the dense environment［C］∥ 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems （IROS）. Piscataway： IEEE Press， 2022： 10529-10535.
[14]	ALONSO-MORA J， MONTIJANO E， SCHWAGER M， et al. Distributed multi-robot formation control among obstacles： A geometric and optimization approach with consensus［C］∥ 2016 IEEE International Conference on Robotics and Automation （ICRA）. Piscataway： IEEE Press， 2016： 5356-5363.
[15]	QUAN L， YIN L J， ZHANG T R， et al. Robust and efficient trajectory planning for formation flight in dense environments［J］. IEEE Transactions on Robotics， 2023， 39（6）： 4785-4804.
[16]	顾伟，汤俊，白亮，等. 面向时间协同的多无人机队形变换最优效率模型［J］. 航空学报， 2019， 40（6）： 322599.
	GU W， TANG J， BAI L， et al. Time synergistic optimal efficiency model for formation transformation of multiple UAVs［J］. Acta Aeronautica et Astronautica Sinica， 2019， 40（6）： 322599 （in Chinese）.
[17]	HAN Z M， WANG L L， LIN Z Y. Local formation control strategies with undetermined and determined formation scales for co-leader vehicle networks［C］∥ 52nd IEEE Conference on Decision and Control. Piscataway： IEEE Press， 2014： 7339-7344.
[18]	ZHAO S Y. Affine formation maneuver control of multiagent systems［J］. IEEE Transactions on Automatic Control， 2018， 63（12）： 4140-4155.
[19]	LIN Z Y， WANG L L， CHEN Z Y， et al. Necessary and sufficient graphical conditions for affine formation control［J］. IEEE Transactions on Automatic Control， 2016， 61（10）： 2877-2891.
[20]	DEITS R， TEDRAKE R. Efficient mixed-integer planning for UAVs in cluttered environments［C］∥ 2015 IEEE International Conference on Robotics and Automation （ICRA）. Piscataway： IEEE Press， 2015： 42-49.
[21]	ZHOU B Y， GAO F， WANG L Q， et al. Robust and efficient quadrotor trajectory generation for fast autonomous flight［J］. IEEE Robotics and Automation Letters， 2019， 4（4）： 3529-3536.
[22]	陈丹，汤程，谢宇，等. 面向城市低空物流配送的无人机实时航迹双层规划［J］. 航空学报， 2025， 46（16）： 331621.
	CHEN D， TANG C， XIE Y， et al. Real time dual layer path planning of unmanned aerial vehicles for urban low altitude logistics distribution［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（16）： 331621 （in Chinese）.
[23]	GAO F， WANG L Q， ZHOU B Y， et al. Teach-repeat-replan： A complete and robust system for aggressive flight in complex environments［J］. IEEE Transactions on Robotics， 2020， 36（5）： 1526-1545.
[24]	SUN W D， TANG G， HAUSER K. Fast UAV trajectory optimization using bilevel optimization with analytical gradients［J］. IEEE Transactions on Robotics， 2021， 37（6）： 2010-2024.
[25]	CLELLAND J N. From Frenet to Cartan： the method of moving frames［M］. Rhode Island： American Mathematical Society， 2017.
[26]	秦明星，王忠，李海龙，等. 基于分布式模型预测的无人机编队避障控制［J］. 北京航空航天大学学报， 2024， 50（6）： 1969-1981.
	QIN M X， WANG Z， LI H L， et al. Obstacle avoidance control of UAV formation based on distributed model prediction［J］. Journal of Beijing University of Aeronautics and Astronautics， 2024， 50（6）： 1969-1981 （in Chinese）.

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

指标	多阶段UAV编队队形安全变换方法	分布式模型预测控制方法
累积构型差异值/m	70.943	79.402
到达时间/s	12.0	24.0
实时性	需预规划	可在线计算

面向狭窄通道穿越的无人机编队队形高速安全变换

High-speed safe formation transformation of UAVs formation through narrow corridors

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 25

参考文献 26

相关文章 13

编辑推荐

Metrics

本文评价

[1]	何孝龙, 陈琪锋, 郝文康. 基于无源滑模的无人机编队分布式控制[J]. 航空学报, 2026, 47(S1): 732965-732965.
[2]	荣尔超, 张钰迎, 梁峻宁, 吕熙敏. 基于神经网络气动NMPC的尾座式VTOL无人机轨迹跟踪控制[J]. 航空学报, 2025, 46(24): 331995-331995.
[3]	王昱, 谢志鹏, 田永健, 孟光磊. 虚拟结构引领强化学习分布式无人机编队控制[J]. 航空学报, 2025, 46(15): 331354-331354.
[4]	郝文康, 包素艳, 陈琪锋. 基于端口哈密顿系统的无人机编队分布式控制[J]. 航空学报, 2023, 44(S2): 729868-729868.
[5]	张新昱, 谢思宇, 陶洋, 李滚. 面向无人机空中加油紧密编队的鲁棒控制方法[J]. 航空学报, 2023, 44(20): 628425-628425.
[6]	岳敬轩, 王红茹, 朱东琴, ALEKSANDR Chupalov. 基于改进粒子滤波的无人机编队协同导航算法[J]. 航空学报, 2023, 44(14): 327995-327995.
[7]	董文奇, 何锋. 大规模UAV编队信息交互拓扑的分级分布式生成[J]. 航空学报, 2021, 42(6): 324380-324380.
[8]	相晓嘉, 闫超, 王菖, 尹栋. 基于深度强化学习的固定翼无人机编队协调控制方法[J]. 航空学报, 2021, 42(4): 524009-524009.
[9]	吴钟博, 易建强. 无人机编队支撑网络的协同通信中继策略[J]. 航空学报, 2020, 41(S2): 724319-724319.
[10]	吴宇, 梁天骄. 基于改进一致性算法的无人机编队控制[J]. 航空学报, 2020, 41(9): 323848-323848.
[11]	张佳龙, 闫建国, 张普. 基于反步推演法的多机编队队形重构控制[J]. 航空学报, 2019, 40(11): 323177-323177.
[12]	黄海滨;马广富;庄宇飞. 编队卫星队形重构防碰撞最优轨迹规划[J]. 航空学报, 2010, 31(9): 1818-1823.
[13]	张澍森;金栋平. 飞机拦阻过程的非线性最优控制[J]. 航空学报, 2009, 30(5): 849-854.