AirSim学习日志 4-多无人机集群控制

集群编队控制有集中式和分布式两种。集中式控制需要一个控制中心，受限于中心计算机计算资源的限制，无法做到大规模编队，且中心计算机被击毁后，系统将失控。

分布式控制没有一个中心点对集群进行控制，通过集群中相邻个体之间的信息交换实现编队控制，理论上编队可以做到无穷大，而且集群系统的灵活性、可扩展性、鲁棒性更高。

1.分布式控制的几种控制方式

1.1 基于长机-僚机的分布式编队控制方法

其基本思想为leader-follower机制，是一种类似于树的结构，由优先级高的节点向优先级低的节点传送信息，层层下达，以实现无人机集群的控制。这种方法是自上而下的信息传输，没有精确的队形反馈，如队列中出现故障无人机、导致了信息传送不到位等，系统将处于瘫痪。

1.2 基于行为的分布式编队控制

根据对无人机系统实施控制后所期望产生的行为模式，对每个无人机的个体行为规则和局部控制方案进行设计，得到一个“行为库”并储存于编队控制器中。当无人机系统得到指令后，会根据指令在行为库中选取行为并执行。无人机之间的协调则依赖于无人机之间的位置、状态输入值等信息的共享，每架无人机需获取周围无人机的信息。这种方式的实现较为简单、计算量较小，但只能描述事前设计的、有限的动作，难以实现复杂、精确的控制。

1.3 基于人工势场的分布式编队控制

无人机系统中的每一个个体，都与周边的其他无人机、环境产生相互作用。不同无人机之间需避免碰撞，故产生斥力场；不同无人机之间产生集群需要的引力场；无人机与障碍物之间产生斥力场；无人机与目标位置之间产生引力场。多种作用的合力下，无人机沿最小化势能方向运动。

1.4 基于虚拟结构的分布式编队控制

2.AirSim集群编队控制算法

这里的控制算法参考论文[2]实现，是一种比较接近于人工势场的方法。考虑以下三种情况：

• 避碰，考虑无人机与无人机之间的斥力场：
  $$v_i^{sep}=-\frac{K^{sep}}{||N_i||}\sum \frac{r_{ij}}{||r_{i}j|{|}^2}$$

• 中心聚集，考虑无人机集群所需的引力场：
  $$v_i^{coh}=\frac{k^{coh}}{||N_i||}\sum r_{ij}$$

• 速度一致，考虑无人机与目标点之间的引力场：
  $$v_i^{mig}=k^{mig}\frac{r_i^{mig}}{||r_i^{mig}||}$$

其中，

• $k^{sep},k^{coh},k^{mig}$为系数；
• $N_i$表示第$i$个无人机周围的无人机，$||N_i||$表示周围无人机的数量，一种选择方法为KaTeX parse error: Undefined control sequence: \and at position 16: N_i=\{j|j\neq i\̲a̲n̲d̲ ̲||r_{ij}||，即选择每个无人机半径$r^{max}$范围内的无人机邻居；
• $||r_{ij}||$为两架无人机之间的距离，$r_i^{mig}$为无人机到目标点之间的距离。

得到以上三个速度后，相加即为最终的无人机速度指令
$${\tilde{v}}_i=v_i^{sep}+v_i^{coh}+v_i^{mig}$$
对其进行限幅后为
$$v_i=\frac{{\tilde{v}}_i}{||{\tilde{v}}_i||}\times min\{||{\tilde{v}}_i||,v^{max}\}$$

[1] 技术分享 | 浅谈——四种集群分布式控制算法：https://www.bilibili.com/read/cv12625148/

[2] Schilling F , Lecoeur J , Schiano F , et al. Learning Vision-based Cohesive Flight in Drone Swarms[J]. 2018.