在多路径导引的分布式路径跟踪方面，Peng等采用模块化方法设计了分布式协同路径跟踪控制器，使得多无人艇收敛到多领导者所形成的凸包内。Peng等将其文献的结果扩展到输出反馈情形，提出了基于神经动力学观测器的分布式协同路径跟踪控制器，该研究结果局限于全驱动船舶。Gu等提出了多参数化路径导引的欠驱动多无人艇分布式包含操纵方法。随后，在分布式路径跟踪控制器设计中引入避碰和连通保持机制，采用有限时间收敛扩张状态观测器，提出了基于位置和艏摇角信息反馈的分布式协同路径跟踪控制器，实现了包含编队误差的有限时间收敛。

在路径参数协同方面，典型的方法包括连续路径参数更新、数据采样更新、离散周期更新等。在运动学层次，Peng等提出的分布式路径跟踪制导率均采用连续控制方式，从网络控制的角度出发，如何进一步减轻分布式协同制导的通信负担是值得研究的课题。

3、基于目标导引的协同控制

基于目标导引的集群控制即无人艇跟踪单个或多个动态目标，同时保持期望的编队队形。与轨迹导引和路径导引不同，由于无人艇感知或通信能力的限制，跟随船只能获取目标船的瞬时信息，无法获得目标船的未来位置、速度和加速度等信息。如图5所示，根据目标个数不同，现有结果可分为单目标导引的单无人艇目标跟踪、单目标导引的多无人艇协同跟踪和多目标导引的多无人艇包含跟踪。在单目标导引的单无人艇目标跟踪中，控制目标是跟随船与领航船保持相对距离或相对角。在单目标导引的多无人艇协同跟踪方面，集群中只存在1艘目标船，多无人艇通过局部信息交换实现对该目标船的协同跟踪。在多目标导引方面，多无人艇通过局部信息交换实现对多目标船的协同包含。 

图5 基于目标导引的集群控制

在单无人艇目标跟踪方面，研究人员已经取得了丰富的研究成果。具体而言：Fahimi采用滑模控制方法设计了领航–跟随编队控制器。该控制器仅需无人艇与邻船的相对量测信息。Peng等提出了基于多层前馈神经网络的自适应编队控制器，解决了运动学和动力学同时存在不确定的编队控制问题。Cui等提出了一种基于虚拟目标导引的自适应领航–跟随编队控制方法，动力学不确定与海洋环境扰动采用径向基神经网络进行补偿。考虑船舶输入受限问题，Shojaei结合饱和函数提出了神经网络领航-跟随编队控制器。考虑船舶速度不可测，Shojaei提出了基于神经网络观测器的饱和编队控制器。考虑船舶不确定性和执行机构故障，Jin提出了故障容错自适应领航–跟随编队控制器。采用时变正切函数保证了相对距离和相对角度在期望的界内。考虑编队误差的暂态性能，Dai等提出了基于指定性能的领航–跟随编队控制器，该控制器具有避碰和连通保持功能。类似的方法可见Sun等的研究。考虑目标船动态未知，Liu等设计了基于ESO的神经网络控制器。为了减少控制抖颤，Sun等提出了自适应连续滑模编队控制器。Fahimi等在目标跟踪时未引入制导策略，Breivik等则将平行接近制导引入目标跟踪设计，通过跟踪位于领航船附近的虚拟目标，实现了领航–跟随编队结构。Hinostroza等提出了向量场制导的目标跟踪方法。值得指出的是，Breivik等研究的是一对一的目标跟踪问题，控制的目的是目标船与跟随船保持相对位置和角度。在某些应用场景期望对目标船实施包围，保持与目标船环绕的编队队形。Jiang等针对未知海流扰动下目标跟踪问题，提出基于视距制导和海流估计器的目标包围控制方法，实现了无人艇对速度未知目标船的动态包围。Peng等出了事件触发的动态面设计方法，设计了基于模糊逻辑系统的目标包围控制器，降低了无人艇执行器的动作频率。上述研究结果只能实现单无人艇对单目标的跟踪或包围。在单目标导引的协同目标跟踪方面，Glotzbach等采用视距制导方法，提出了通用的协同目标跟踪控制结构，实现了对水下动态目标的多无人艇协同跟踪。Liu等针对模型已知欠驱动无人艇，提出了基于群集动态和轨迹跟踪的分层控制方法，实现了对目标艇的跟踪和包围。该文提出的分布式协同控制器实现了多无人艇协同目标包围队形。

在多目标导引方面，Soares等和REGO等通过调节跟随者与2个领航者的相对位置，实现了3艘海洋航行器的三角编队队形。Yu等则是针对动态未知欠驱动无人艇，提出了基于多目标艇导引的分布式协同目标跟踪方法，实现了编队-包含队形。

三、总结与展望

随着舰船科学、控制科学、网络科学、通信科学、电气工程、人工智能的飞速发展，舰船科学与各学科交叉融合，无人艇集群控制技术不断取得新的研究进展。为建立以高可靠、高精度、强适应、抗干扰、自主协同为特征，具备快速集群任务响应、集群队形重构与变换能力，满足未来复杂海洋环境下集群化海洋作业任务的多无人艇自主协同控制系统，本文最后提出一些尚待解决的问题及未来值得深入探索的研究方向：

（1）多无人艇网络化协同控制。

将无人艇通过网络连接实现信息交互与共享，进而实现网络环境下的集群协同，是未来多无人艇集群控制研究的重要趋势之一。现有多无人艇集群控制理论通常假设通信与信息传输是理想的，重点关注的是如何利用分布式反馈信息实现期望的集群控制目标，未考虑通信环境如通信时延、数据丢包、拓扑时变、间歇通信、异步通信、距离受限等因素对集群控制的影响。这些网络因素可能降低集群控制性能，甚至导致闭环系统失去稳定性。因此，如何进一步考虑网络因素，系统地建立网络环境下多无人艇分布式协同控制方法值得深入研究。

（2）多无人艇安全协同控制。

避障和避碰不仅是实现单无人艇自主航行的基础，也是保障多无人艇集群安全航行的基础。由于海上交通环境的复杂性，无人艇在水面航行时不仅会遇到多种静态或者动态障碍物，还可能存在触碰暗礁或搁浅等风险。与此同时，多无人艇之间也可能发生碰撞，多无人艇安全协同控制极为重要。特别是编队个体和海上交通密度的增加，给无人艇集群控制器设计带来了更大的挑战。因此针对复杂海洋环境和潜在的威胁信息，如何设计集群分布式协同控制器，避免无人艇与环境障碍物以及无人艇个体之间发生碰撞，保证多无人艇编队航行或编队重构的安全性值得深入探索。

（3）多无人艇最优协同控制。

现有多无人艇集群控制仅研究如何在不确定及海洋环境扰动下保持编队队形稳定的问题，闭环控制系统的稳定性、收敛性、鲁棒性是关注的重点，而没有考虑集群控制的最优性。随着海洋科技的发展，必然对集群控制性能提出更高的要求，尤其是如何在能量受限、资源受限、通信受限以及环境受限的条件下，针对模型未知的多无人艇集群系统，研究具有自主学习和自主优化能力的集群协同控制器，实现多无人艇集群最优协同控制。

（4）多无人艇免模型协同控制。

现有多无人艇集群控制器设计和分析大多基于现代控制理论，依赖由微分方程或差分方程描述的数学模型，如鲁棒控制、自适应控制、神经网络控制、模糊控制、滑模控制等都是基于无人艇模型构造集群控制器，系统的稳定性、收敛性、鲁棒性成为控制器设计关注的重点。控制过程完全依赖或部分依赖模型参数信息，控制算法较为复杂，待估参数多，不利于实际工程应用。免模型控制如PID控制仅利用输入、输出数据进行反馈控制，在工程实现方面更具吸引力，控制器可调参数少，降低了控制器实现的复杂性。因此，如何建立多无人艇免模型协同控制方法，降低集群控制器的复杂性，对于多无人艇集群控制方法走向工程应用具有重要意义。

（5）多无人艇与多水下航行器立体协同控制。

由于GPS不适用于水下环境，水下导航定位成为AUV水下作业时所面临的重要挑战之一。除此之外，AUV海洋作业面临的另一个挑战是缺乏高效的通信链路。AUV水下作业一般采用水声信道进行通信。然而，水声信道是迄今为止最为复杂的无线通信信道之一，因其固有的时空频变以及窄带、高噪、长时延传输等特征，使得水声通信在性能上难以满足AUV对实时控制的需求。与AUV相比，无人艇具有精确的导航定位能力，能够与水上、水下、空中等空间平台进行通信。无人艇与AUV立体协同不仅可以为其提供垂直通信信道，克服水声通信的频带限制，同时也能提供精确的GPS导航信息。因此，开展多无人艇与多AUV立体协同控制研究，有助于实现AUV大范围、长时间、高效率的海洋作业。

（6）多传感信息融合的多无人艇协同控制。

无人艇通过搭载航海雷达、激光雷达、视觉传感器、热像仪和声呐等感知设备，可以增强对目标识别和障碍检测的能力。航海雷达探测广，但感知精度低，存在探测盲区。可见光摄像头、红外摄像头等视觉传感器的感知精度低，且基于图像的目标识别技术对数据的实时处理能力要求高，在大雾天气下难以正常工作。与视觉传感器相比，激光雷达的识别精度高，但也存在恶劣天气可靠性差的问题。声呐分为主动声呐和被动声呐，主动声呐可以探测静止目标，但探测波短，容易暴露位置。被动声呐探测波长，隐蔽性强，但不能探测静止目标。总而言之，无人艇在对目标识别和障碍检测方面仍处于感知精度低、实时性差的落后阶段。因此，研究一套探测范围广、感知精度高、实时性好的智能感知设备，对于多无人艇集群协同的可靠性和安全性至关重要。

（7）多无人艇集群协同控制试验研究。

美国海军、里斯本理工大学、云洲智能、哈尔滨工程大学、上海交通大学、华中科技大学、西北工业大学、大连海事大学等单位开展了集群控制试验研究。然而目前关于无人艇集群控制试验方面的研究报道还十分有限，大量的理论控制算法有待进一步检验。因此，将集群控制理论和实践相结合，大力开展多无人艇集群控制试验验证研究，对新型集群控制基础理论的有效性进行试验验证，将进一步推动和加快多无人艇集群系统的工程应用。