2)领航者-跟随者方法。
在领航者-跟随者方法中，基本思想是领航者跟踪预定义的参考轨迹，跟随者根据预定义的方案跟踪领者航的状态。其最大优点是易于理解和实现，但是，跟随者对领航者没有明确的反馈意见，领导者的失败将导致整个编队的失败。这种方法在UUV编队控制研究中的应用比较多，在此结构前提下研究的方向主要集中在2方面：1)在复杂环境中的队形变换和避障。如文献[51-52]分别研究了在面对不同环境时采用不同的队形变换方法达到通过特定区域和避障的目的；2)编队稳定性研究。稳定性包括编队成员能否准确保持在队形指定位置和编队在复杂环境中的鲁棒性。如文献[53-54]提出了一种欠驱动多UUV主从式编队在领航UUV速度不确定时的控制方法，构建了收敛于从UUV轨迹的虚拟UUV，然后用反步法和李雅普诺夫法分析设计了跟随者的位置跟踪控制，使跟随者能准确跟随领航者。
3)人工势场法。
人工势场概念由Khatib[55]提出。这种方法的基本思想是航行器在力场中移动，其类似于由正电荷和负电荷产生的电场。要达到的位置对航行器产生吸引力，障碍产生排斥力，使得航行器可以沿着潜在场地的方向移动。这种方法通常都是与其他方法共同使用，在遇到障碍或者需要队形变换时提供辅助指向力。文献[56-57]分别将反步法和虚拟结构法与人工势场法结合实现多UUV编队控制，以达到队形保持和避障的目的。
除去以上3种常用方法，利用一致性理论对UUV进行编队控制[29，58]，也是近期的研究热点。多智能体一致性是指各智能体根据预先约定的协议，使指定的状态达到一致。但是这种方法仍然很依赖通信，不能摆脱水下通信受限对编队控制的影响。而且现阶段关于一致性的研究主要局限于理论分析和仿真，还没有具体的应用实例。
2.6 导航定位
由于UUV通常需要长时间在大范围海域执行任务，而且通常UUV体积不大，所以所携带能源和质量等均受到一定的限制。这种客观条件限制以及隐蔽性和水下特殊环境等因素综合导致多UUV精确导航定位的实现是一项非常艰巨的任务。多UUV协同导航定位主要有2种方式[59]：1)每个UUV配备的导航装备相同，互相通过水声通信获得系统中其他UUV的位置信息的并行方式；2)采用少量UUV配备高精度导航设备为其他UUV提供精确相对定位信息，其他UUV利用这种相对定位信息修正自身定位误差的领航方式。并行式的结构简单，但每个UUV都装备高精度导航设备，成本将成倍增加。而领航式则兼顾了精度和成本且能够适用于不同的使用区域和环境，是当今多UUV导航定位的重点研究方向。
多UUV协同导航精度的提高主要需要从UUV内部影响因素、各UUV间的影响因素以及整个UUV协同系统等多方面进行考虑。主要涉及到以下3方面问题[60]：1)精确建立协同导航模型以及协同导航算法的开发；2)对协同导航网络中的误差因素的补偿(如通信延迟、洋流等)；3)对协同导航系统中的编队构型进行优化设计。
1)建模与算法。
卡尔曼滤波是协同导航算法中最常见也最基本的方法之一，国内外学者围绕这一算法做了大量相关工作[61-65]。其中文献[62]针对EKF算法存在截断误差和计算繁琐等问题提出了使用sigma点卡尔曼滤波(SPKF)的协同定位方法；Gianluca Antonelli等则推导出了确保线性化模型的可观察性和非线性模型的局部弱可观测性的条件，然后设计扩展卡尔曼滤波器估计2个AUV之间的相对位置。协同导航算法的设计和改进都是建立在准确建模的基础上的，如文献[66]中的双伪测量的数学模型、文献[63]建立的从UUV非线性导航模型等。
2)误差补偿。
导航误差的产生有很多原因，主要包括3大类：洋流干扰、量测误差、通信时延。
针对洋流干扰问题，张立川、刘明雍等[67-68]设计协同定位滤波算法对洋流干扰进行估计；并通过非线性极小平方优化模型求解UUV和洋流的初始量，提高初始精度等方式补偿洋流影响下的UUV定位误差。
针对量测误差问题，李闻白[69]利用扩展卡尔曼滤波方法建立了单领航者导航系统的整体定位误差与相对位置量测误差间的传递方程。卢健等[70]根据水声通信的特点提出了一种相关性假设并提出了误差修正算法 (ECA)，在设定条件下利用误差间的相关性抵消量测误差，从而实现量测的粗估计。
水声通信时延问题是UUV集群研究不可避免的客观不利条件，由于时延的存在，相同时间不同UUV间的相对位置无法准确获得。为了弥补这种误差可采用2种方式：补偿时延造成的定位误差和追求时间同步。对于第1种方式，最常用的方法是卡尔曼滤波，如文献[71-72]。文献[73-74]则分别基于量测伪距的EKF移动长基线时间延迟算法和建立UUV时钟相对偏移、漂移两种模型实现对时间补偿，达到时间同步。
3)编队构型。
编队构型影响着协同导航的可观测性，而可观测性直接决定协同导航定位的精度，因此对编队构型的研究也是提高协同导航精度的一种可行方法。多UUV协同导航系统具有非线性特性，使得线性系统的可观测性理论对其不再适用。为了解决这一问题国内外学者主要采用2种方式：1)将非线性系统线性化[75]，但在线性化的过程中可能会导致系统关键信息的丢失；2)引入非线性的可观测性方法[76-78]。
