21世纪是海洋的世纪，海洋蕴藏着丰富的生物资源、油气资源和矿物资源，是人类生存和可持续发展的战略空间和资源要地。

以下文章来源于《中国舰船研究》（2021年第1期）溪流之海洋人生，作者彭周华 吴文涛 王丹 刘陆

世界各国高度重视自由进入海洋空间、维护海洋空间权益、增强海洋空间控制等技术，尤其是大力发展无人航行器，包括无人艇(USV)和自主式水下机器人(AUV)，可用于海洋资源的开发和海洋权益的争夺。

图片来自中国国防报

无人艇作为一种以遥控或自主方式航行的小型化、智能化、多用途无人海洋运载平台，是现代多种高技术集成的产物，是一个国家海洋科技实力的重要体现。

无人艇具有全天候执行任务的能力，尤其是可以在恶劣的海洋环境中代替人类执行危险、耗时且费力的作业任务，在军事和民事领域都具有广泛的应用前景。

近年来，美、英、以、法、日等海洋强国都大力推进无人艇研制工作，在单无人艇方面取得了丰硕的研究成果。

然而，由于海洋环境日益复杂、作业任务日益多样、单艇作业能力极其受限，无人艇集群化作业成为未来海洋作业的重要发展趋势之一，也是网络化、信息化、智能化发展的必然要求。

多无人艇协同作业不仅可以显著地减轻操作人员的负担，而且使得海洋作业变得更加持续、更具规模和更加智能，完成单一无人艇不能高效完成或无法完成的复杂任务。

在军事领域，无人艇集群具有重要的应用价值，能够完成协同态势感知、编队护航、“蜂群”跟踪、集群对抗等多种作战任务。

在民用领域，无人艇集群能够极大地延伸海洋作业范围，相关应用包括海洋环境监测、海洋移动传感网监测、协同资源探测、协同灾难搜救等。

无人艇集群控制研究涉及舰船科学、制导与控制、人工智能、通信科学、计算机科学、仿生学等众多学科和技术领域，综合多学科理论和技术对无人艇集群协同控制问题进行研究，为无人艇海洋作业提供新理论、新方法和新技术，既体现智能船舶的发展趋势，又满足国家海洋战略的发展需求，具有重要的科学意义和应用价值。

目前，国内外在无人艇集群研究方面已经取得了显著的研究进展。在国外，美国海军于2014年在弗吉尼亚州詹姆斯河开展了无人艇“蜂群”作战演示，13艘无人艇以集群模式对可疑船只进行拦截和包围，完成了半自主协同护航任务。

2016年，美国海军再次开展无人艇集群试验，实现了4艘无人艇的自主监测、识别、跟踪和巡逻等任务。

同年，英国海军在苏格兰西海岸开展“无人战士”大规模无人系统部署计划演习，完成了空中、水面和水下三维立体协同作战测试，实现了区域探测和情报搜集等任务。在国内，云洲智能公司实现了81艘海上无人艇协同表演。

哈尔滨工程大学研制了“XL”号和“海豚”系列等无人艇样机，在海上完成了7艘无人艇的协同编队试验。华中科技大学研发了HUSTER全自主无人艇，完成了5艘无人艇的十字和环形编队队形湖上试验。

大连海事大学研制了一套多无人艇集群协同控制系统，开展了协同路径跟踪、协同目标跟踪、协同目标包围等协同控制试验，实现了7艘无人艇的“一字”、“人字”、“环形”等多种动态编队队形。

2019年，上海大学《复杂海况无人艇集群控制理论与应用》项目获得基金委人工智能重大研究专项资助，将无人艇集群控制研究推向了新的高度。

由此可见，国内外对无人艇集群控制技术的研究方兴未艾，迫切需要进一步开展前瞻性理论和技术探索。

本文将首先从无人艇运动数学模型出发，分析多无人艇集群协同控制所面临的挑战。接着，根据多无人艇的典型运动控制场景，综述多无人艇集群协同控制的研究成果，包括基于轨迹导引的协同控制(TRCC)、基于路径导引的协同控制(PACC)、基于目标导引的协同控制(TACC)。

最后，对多无人艇集群协同控制的未来趋势和研究方向进行总结与展望。

一、问题描述

1、无人艇运动数学模型

船舶涉及纵荡、横荡、垂荡、横摇、纵摇和艏摇6个自由度的运动。对于无人艇而言，通常忽略垂荡、横摇和纵摇3个自由度上的运动。如图1所示，一般在2个坐标系下对无人艇的运动进行描述，即XE-YE地球坐标系和XB-YB船体坐标系。图中，ψi为艏摇角；νi=[ui，vi，ri]T为第i艘无人艇的线速度和角速度向量，单位为[m/s，m/s，rad/s]T，ui其中和vi分别为XB-YB坐标系下的纵荡速度和横荡速度，ri为艏摇角速度；βi为侧滑角。

图1 地球坐标系和艇体坐标系

考虑N艘无人艇组成的集群系统，第i艘无人艇的运动学和动力学方程可由三自由度非线性模型描述：

式中：ηi=[xi，yi，ψi]T为第艘无人艇的位置和艏角向量，单位为[m，m，rad]T，其中(xi，yi）为XE-YE标系下的位置，τi=[τiu，τiv，τir]T为控制输入力力矩向量，单位为[N，N，N•m]T；τiw=[τiwu，τiwv，τiwr]T为由风浪流海洋环境引起的扰动向量，单位为[N，N，N•m]T；gi(νi)包括未建模流体动态和建模误差，单位为[N，N，N•m]T；Mi为惯性质量矩阵，MTi=Mi，单位为[kg，kg，kg•m2]T；Ci(νi)为向心力和科氏力系数矩阵，CTi(νi)=−Ci(νi)；Di(νi)为阻尼矩阵；Mi，Ci(νi)，Di(νi)和R(ψi)可表示为：

无人艇在航行时由于横漂速度会产生侧滑，其侧滑角定义为βi=atan2(vi，ui)∈(−π，π]。根据驱动器类型、数量以及分布的不同，无人艇运动数学模型分为全驱动和欠驱动2种类型。对于全驱动模型，无人艇在纵荡、横荡和艏摇3个自由度上的运动可由独立的驱动器控制。对于欠驱动模型，无人艇动力学控制输入信号的个数小于其自由度。当横荡方向缺乏独立的驱动器，其控制输入表示为τi=[τiu，0，τir]T。

2、多无人艇集群协同控制面临的挑战

由无人艇运动数学模型式(1)可知，无人艇个体动态具有非线性、强耦合、多输入多输出、不确定、强扰动、欠驱动和多约束等特点。多无人艇集群系统通过局部感知或网络通信关联成大规模复杂动态系统，具有“复杂船体动态+关联拓扑+交互规则”的结构特点。多无人艇集群系统的群体行为由无人艇的个体动态、关联拓扑和交互规则共同决定，其系统规模大、状态维数高、关联拓扑复杂，使得多无人艇集群控制面临着极大挑战，具体描述如下：

（1）非线性。设计和分析集群控制器的首要问题是建立无人艇运动数学模型。运动建模是船舶运动控制研究的基础问题之一。无人艇运动的特点决定了其建模难度大、代价高、费时长。运动建模包括机理建模和辨识建模。机理建模一般需要大量的专家知识，即使通过机理建模能够得到精确的模型参数，在实际海洋环境下航行时其参数可能发生变化，因此辨识建模被广泛研究。辨识建模可分为频域法和时域法。典型的时域建模方法有最大似然估计、卡尔曼滤波、最小二乘回归、粒子群优化、神经网络、模糊系统等。近年来，人工智能技术特别是机器学习取得了长足的进步，可以预见，机器学习将在无人艇运动建模与运动预测方面发挥重要作用。

（2）不确定性。无人艇运动模型存在着大量的不确定性，包括模型参数不确定性、未建模动态、以及海洋环境风浪流扰动。为了降低和消除不确定性对运动控制性能的影响，提高无人艇在不确定性条件下的稳定性和鲁棒性，研究者提出了滑模控制、参数自适应控制、鲁棒控制、神经网络控制、模糊控制、扰动观测器、扩张状态观测器等控制和估计方法。在运动控制器一体化设计方面，反步法、动态面、微分跟踪器、指令调节器被广泛应用于无人艇运动控制器设计。一般而言，不同控制方法的组合能够带来控制性能的提升，然而控制器的复杂性也会相应增加，不利于实际工程实现。总之，进一步探索无人艇自适应抗干扰运动控制方法，克服内部和外部不确定性带来的影响，提高运动控制系统的稳定性、鲁棒性、抗扰性，不仅是单无人艇运动控制关注的焦点，也是多无人艇协同需要解决的问题。

（3）欠驱动。无人艇推进系统主要采用双桨推进、桨舵分离、喷水推进、舷外挂机等推进方式。无人艇系统的控制输入一般小于其自由度，属于典型的欠驱动系统。与全驱动不同，欠驱动无人艇运动数学模型存在不可积的二阶非完整约束，不能被反馈线性化，Brockett定理应用结果表明不存在时不变、光滑、状态反馈控制器来实现欠驱动无人艇的定点调节。为解决欠驱动控制问题，典型的控制方法有Transverse函数法和辅助变量法。在控制器设计过程中可采用不同的坐标变换，包括极坐标系变换、船体坐标系变换、Serret-Frenet坐标系变换等。近30年来，欠驱动船舶运动控制已取得了丰富的研究成果。值得指出的是，现有欠驱动单船舶运动控制方法并不能直接适用于多无人艇集群系统。

（4）多约束。由于驱动器能力的限制，无人艇运动数学模型不可避免地存在线速度约束、角速度约束、推力约束、舵偏约束等物理约束。不考虑实际物理约束的控制器可能导致控制性能下降，甚至引起系统失稳。根据约束变量的不同，可分为输出约束、状态约束和输入约束。为解决约束条件下船舶运动控制问题，研究者提出了模型预测控制、障碍函数法、辅助系统法和指令调节器等控制方法。现有研究结果大多只关注模型本身的约束，未考虑实际海洋环境约束。鉴于海上交通环境的复杂性，解决环境约束和物理约束同时存在条件下的多无人艇集群控制具有一定挑战性。

（5）状态不可测。在应用中，无人艇的位置信息可以通过廉价的全球导航定位系统如GPS和北斗定位系统获得，但其速度信息无法直接通过导航定位系统测量得到。加速度计只能测量加速度信息，不能测量速度信息。多普勒计程仪虽然可以对无人艇速度信息进行直接测量，但其价格昂贵，不适合大规模无人艇集群应用，尤其是小型低成本无人艇。因此，研究速度观测器及其输出反馈集群控制问题具有实际意义，能够显著降低控制算法的实现成本。为了对速度信息进行观测和估计，研究人员提出了波浪滤波观测器、高增益观测器、扩张状态观测器、神经网络观测器等估计方法。波浪滤波观测器依赖船舶动力学的无源特性，但需要模型参数已知；高增益观测器能够估计速度信息，但不能估计动力学模型的不确定性；神经网络观测器能够对模型不确定性和速度信息进行同时观测，但参数收敛依赖持续激励条件；扩张状态观测器能够对无人艇总扰动和速度进行同时观测，观测器中参数降为一，参数整定容易。随着无人艇应用数量的增加，研究输出反馈多无人艇集群控制具有实际意义，能够显著降低实现成本。