1.2.3 编队控制
许多学者对基于群体的无人机自主编队控制进行了相关研究，在取得进展的同时也遇到了不少阻碍，目前实现无人机集群控制还需要解决下面的一些关键问题。
（1）无人机集群协同态势感知
协同态势感知是无人机集群控制和决策的基础[7]。各无人机利用所携带的传感器设备对环境信息与目标信息进行探测，同时通过通信网络实现无人机之间的信息共享，从而能对当前所检测到的环境信息与目标信息进行协同评估，做出合理的分析，以开展下一步的决策工作。通过这样的协同态势感知，信息不再局限于单个个体或单个平台，这样更有利于实现对无人机的集群控制。当然，对于无人机集群的分布式控制，要想实现这样的协同通信网络就需要充分考虑网络拓扑结构的通信性能，在面对干扰、破坏等情况下仍能保证集群网络通信良好，并结合控制技术，提高通信网络的鲁棒性。
（2）无人机集群自主编队控制
类似大自然中生物群体的飞行，无人机集群执行任务时也需要有一定的构型即飞行编队以适应场景、任务的需求。但是要实现无人机集群自主编队控制，需要解决以下问题：一是编队的形成，即无人机之间如何通过通信网络的信息交互达成一个构型目标，并实现由“无形”到“有形”的移动；二是编队的保持，即无人机集群在形成编队结构之后如何保持在当前通信网络下的一致飞行，并能始终保持同一频率的信息交互；三是编队重构，即无人机集群在飞行过程中遇到障碍物或有无人机脱离编队时，无人机集群能通过通信网络感知到变化信息并对当前编队构型进行调整，重新形成一定的结构以适应新的环境和满足任务需求。当然，无人机集群并非必须形成一定的几何形状才叫无人机编队，只要无人机集群内部各无人机能保持通信，各自都能做出避障决策并朝着同一目标飞行，就可称为广义上的无人机编队。
（3）无人机集群协同智能决策
无人机集群协同智能决策是指每架无人机对自身进行探测、评估后，结合任务的要求和环境的需要，在同一通信网络下协同进行下一步的决策。无人机集群协同智能决策包括对威胁的判断、目标优先权的排序及目标分配等任务的动态分配与调度[7]。在强对抗环境中出现多机飞行冲突、目标变换、环境变化和无人机战损等不确定情况时，无人机能够对当前的策略进行实时的调整，重新规划任务以做出回应，采取集群协同智能决策以提高任务的完成率。厦门大学航空航天学院的罗德林对空战中的无人机集群对抗做了相关研究。他指出，无人机集群对抗即各无人机之间的评估、监察、攻击等作战行为，是未来空中作战的主要方式之一。在对抗中，每架无人机个体按照既定的规则完成动作，在整体上展现出集群对抗系统的动态特性[8]，体现出群体智能的自组织特点，并由此构建了无人机集群对抗决策总体框架，将多智能体系统（multi-agent system,MAS）结构分为上下两层 [9]：上层为多智能体层，该层中多架无人机间相互联系形成多智能体网络；下层为单智能体决策层，该层中单架无人机自己根据当前评估、监察信息做出行为决策，实现单智能体对抗。由于MAS结构上层中无人机之间存在通信，友机能够根据实时态势支援处于不利态势的无人机，展现出宏观的集群对抗效果。其中，对多架无人机的协作采用分布式控制，其构成要素不受统一的外部控制；各无人机间的交互仅依赖其局部观测信息，而不依赖全局信息；各无人机通过通信与协作实现系统层的整体功能。
可以看到，我们期望无人机集群呈现的分布式控制、自适应特点与自然界生物群体所呈现的行为机制有相类似的地方。自然界中生物个体有着极强的自学习能力，生物个体能够通过自身对环境的感知进行觅食、游走、交流等行为，在自然发展中不断进化使种群能更好地适应社会。同样地，我们也希望无人机集群中的个体能有自我感知的能力，并通过通信网络传递信息、做出决策以促进整个集群系统向更优目标的进化。此外，对生物群体所表现出的如分级分工、编队飞行、障碍躲避等行为特性的分析有助于我们理解生物种群中的内部关系，通过将这些行为特性迁移到无人机集群中，可以使无人机集群具备仿生特征。因此，我们可以将对生物群体的研究转移到对无人机集群控制上来，建立起二者之间的联系，通过群体中单一个体简单行为的协作以实现群体更复杂的行为动作，这也是群体智能这一概念的主要表现之一。
从具体的仿生物群体来看，鸟群的集群机制，即大多数小型鸟类所采用的集群编队飞行方式，是很好的研究对象[10]。鸟群的集群行为同无人机集群行为机制存在以下诸多相似之处。
① 二者所处的生存、运行环境类似。鸟群所面对的气流、阳光、降水、噪声等干扰也是无人机集群在实际飞行中所面临的，研究鸟群如何抗干扰飞行对无人机集群控制飞行来说相当重要。
② 二者的通信方式类似。鸟群在空中飞行的过程中会面临视野受限、飞行间距超过通信范围以及要求鸟与鸟之间只能在运动中进行交互等状况[11]，此时鸟群中就不仅仅是领头的鸟与其他鸟间存在领导作用，而且每只鸟在其通信范围内与其他鸟均有一定的联系，从而在未能与头鸟建立通信的情况下仍能通过与附近鸟的信息交流实现编队的跟随，保持编队的构型。由此可见，鸟群通信是以非集中的方式进行的，在无人机集群中也同样会面临这样的情况，此时无人机数量较多，要想保持编队飞行就需要无人机个体间保持良好的通信状况，即采用分布式的控制。
③ 二者内部的通信结构类似。鸟群需要每个个体间保持一定的距离，同时还需要尽可能地靠近以保证群体的聚集性。它们有一定的自适应能力，当出现环境变化、成员受伤等情况时，鸟群内部会做出整体的决策，个体往往会根据群体做出的决策相应调整自己以适应新的环境，此时就需要鸟群中有一个稳定的通信机制，即一个层级网络，通过层级网络进行通信并对编队成员做出指导。同样地，在环境变化、任务变化、无人机战损等情况发生时，无人机集群内部也能做出决策，如改变编队构型、重新分配任务等，这种行为有利于实现无人机的动态调整，使无人机集群编队控制有一定的鲁棒性，同时利用层级网络进行通信，改变传统的一对一通信拓扑结构，节省通信资源，降低通信成本。
④ 二者的协调决策行为类似。鸟群在遇到障碍物时，通过分布式的结构形成协调性的避障策略使鸟群内部在不发生碰撞的同时仍能形成多个分离编队或重构出一个新的紧密编队以完成集群的避障动作，在躲避障碍后再重新进行编队重构以适应新的环境。同样地，在遇到障碍物时，无人机集群也能通过将局部范围无人机的感知将信息传递到整个无人机集群内部，从而做出协调性的决策来重构编队以实现避障。
从古至今，饲养鸽子传递书信的传统在各个国家都存在，这不仅是因为鸽子易于饲养并且性格温顺，更因为鸽子具有众多出色的其他鸟类所不具备的优点，如极强的导航能力、特殊的眼部结构、有利于远距离飞行的群体飞行机制等。鸽子的这些特性也引起了研究人员的关注。研究表明：与陆地动物，如狼群、非洲野犬的集体运动形式不同，鸽群具有独特的领导机制—其中的成员不仅听从头鸽的指挥，也会受其他上级随鸽的影响；鸽群存在明显的层级关系，头鸽具有绝对的指挥权，下级随鸽听命于上级且无法影响上级，比较特殊的是，下级随鸽不仅听命于头鸽，而且也会受其上级随鸽的影响，这种影响随着鸽子之间距离的缩短而加大。
为描述鸽群这种特殊关系，可采用图论的方法对上述鸽群的行为及其之间的层级关系进行数学建模，并采用人工势场法描述鸽群上下级之间的关系。所要达到的建模效果：避免鸽群之间发生碰撞，尽量缩短鸽群（上下级）之间的距离并且让鸽群内部个体之间的速度相差不大。有研究认为：鸽群领导机制与陆地动物领导机制的差异是飞行条件所限导致的。在鸽群飞行过程中，个体之间距离比较大且视野经常受到影响，每只鸽子不能保证能随时找到头鸽且跟随，因此，必须根据临近的鸽子来进行决策。同样地，无人机集群协同自主编队飞行时，每架僚机也不能保证随时都能与长机取得联系，因此，必须根据附近僚机的行为进行决策。此外，鸽群内部存在严格的等级关系，且个体与群体之间的联络方式并不单一，此机制给了无人机编队行为很多启示，通过应用此种机制，可降低无人机为通信所付出的空间成本，同时提升通信的有效性及整个编队系统的可靠性。通过以下步骤可实现基于鸽群行为机制的无人机集群自主编队控制。
步骤1：给定当前长机的控制输入。
步骤2：将鸽群层级关系应用于无人机集群中，由上级无人机的未来状态输出产生僚机的理想位置输入。
步骤3：得到僚机的未来状态输出。
步骤4：鸽群模型的输入由无人机实际状态输出产生，由此形成闭环控制。
步骤 5：重复上述步骤，以实现无人机集群自主编队控制，且能保证无人机群聚集、不发生碰撞和速度匹配。
无人机集群自主编队控制也可采用另一种空中生物的飞行机制，即雁群的飞行机制。大雁南飞之后北归是我国每年常见的大雁的迁徙行为，在大雁飞行过程中，常常会组成“一”或“V”字等队形，此种现象非常常见且只存在于大雁群体飞行过程中，这引起了各国研究人员的关注。经研究表明：雁群之所以经常以“一”或“V”字等队形飞行，是因为这样可以节省体力，保存能量，进而飞得更远。采取此种方式飞行的候鸟之所以能够飞得更远，是因为借助了队形中其他候鸟产生的上洗气流。具体来说，大雁在飞行过程中，鸟翼下方因为不断上下扇动翅膀，产生了一对细长涡流，尾涡内侧产生下洗气流，外侧产生上洗气流。其后的大雁如果位于适当的位置，就能获得由上洗气流产生的额外动力，从而飞得更远，这个适当位置是随着前方大雁飞行而变化的，需要其后大雁精准把握。研究人员还发现，雁群中领头的大雁不是固定的，而是相互轮换的（这种轮换过程相当迅捷），每只大雁位于雁群内领头或尾随的时间几乎是相当的，这表明它们是整体都在合作且效果即时。
可将雁群飞行的原理应用于无人机集群飞行中，设计领导者-跟随者（leaderfollower）结构的“V”字编队队形。与雁群相似，采用这种编队队形的无人机集群获得了更长的飞行距离，这是由于在飞行过程中，无人机之间的飞行气流将会影响各无人机，改变它们所受到的力和力矩，这可以降低无人机集群中间位置的无人机所受到的阻力，在整个编队轮换的状态下，还可以降低每架无人机的油耗量，达到延长飞行距离的效果。若飞行距离较长，则采取编队最前和最后端位置上的无人机定时按顺序调整到中间位置的轮换方式来降低无人机集群的油耗量。
无人机集群飞行过程中各架无人机之间产生的涡流效应虽然能够降低集群的油耗量，延长飞行距离，但也会导致无人机飞行状态不稳定且编队需随时发生变化等问题。长机飞行过程中会产生上洗气流与侧洗气流。此时，涡轮效应会在长机与僚机之间产生位置偏差，为消除此偏差，就需要借助僚机上的飞控系统，以保证无人机集群平稳安全飞行。通过以下步骤可实现基于雁群编队行为机制的无人机集群自主编队控制。
步骤1：给定当前长机的控制输入。
步骤2：将长机实际输出作为僚机的输入信号。
步骤3：将长机实际输出（作为扰动量）、当前僚机状态信息、长机和僚机之间的实际间距及期望间距输入给编队控制器，产生另一个僚机的输入信号。
步骤 4：形成集群飞行闭环控制，模仿雁群编队特点实现无人机集群飞行低油耗与飞行距离延长。