《Ocean & Coastal Management》：A cooperative heterogeneous formation control and motion planning design of 3U: UAV-USV-UUV systems
编辑推荐：
多无人机-水面艇-水下艇异构系统在复杂环境中的协同控制与运动规划方法研究。基于刚性图理论构建多智能体 formations 控制框架，结合神经网络补偿不确定非线性动力学和外部干扰，并采用干扰流体流动算法实现动态避障。通过Lyapunov稳定性分析和多场景数值仿真验证了该方法在结构保持、动态障碍规避和抗干扰方面的有效性。
潘文|朱大琪|陈明志|王中侯|王斌
上海科技大学机械工程学院，中国上海中工路516号，200093
摘要
本文研究了异构跨领域多无人机编队系统的编队控制与运动规划问题。该系统由无人机（UAV）、无人水面船（USV）和无人水下航行器（UUV）组成，可应用于存在多个障碍物的复杂环境，例如岛屿巡逻和港口防护任务。本文提出了一种基于神经网络（NN）的逆向控制律，该控制律结合了刚性图理论和干扰流（RG-IFF）算法来处理多UAV-USV-UUV系统。刚性图理论用于解决基于距离的编队控制问题，而神经网络则用于补偿系统中的未知非线性动态和外部干扰。通过严格的可行性分析和李雅普诺夫稳定性分析，确保了系统的编队性能。随后，提出了一种基于干扰流的运动规划方案来解决多UAV-USV-UUV编队系统的运动规划问题。最后，通过在不同环境约束下的大量数值仿真验证了所提方法的有效性。结果表明，该方法能够实现精确的编队形成与维持、有效的障碍物避让以及在多动态障碍物存在下的强抗干扰性能。
章节摘录
引言
随着科学技术的高速发展以及智能制造的兴起，无人机（UAV）、无人地面车辆（UGV）、无人水面船（USV）和无人水下航行器（UUV）等智能设备变得越来越普遍（Ghommam等人，2020年；Ranjan等人，2024年；Wang等人，2021年）。在过去的几十年里，这些智能设备已广泛应用于民用和军事领域。
初步研究与问题表述
本节提供了开发所提出方法所需的预备知识，包括基本图论、车辆动力学模型、神经网络、三维障碍物模型以及问题表述方法。
编队控制方案
考虑一个由无向图表示的多UAV-USV-UUV系统，并用类欧拉-拉格朗日动力学模型对其进行建模。我们首先将相关公式重写为：
表示第i辆车辆在地球固定坐标系中的手点速度。
然后，定义多UAV-USV-UUV编队结构中任意两辆车之间的相对位置为：
相应地，车辆之间的距离误差表示为：
基于干扰流算法的运动规划
本节重点讨论了在密集障碍物环境中运行的多UAV-USV-UUV编队系统的运动规划问题。干扰流算法模拟了自然水流的行为，其原理是将目标点设置为“汇点”（），并假设从周围以恒定速率向目标点流动的流体形成初始流场。在没有环境障碍物的情况下，流体可以顺畅地流向目标点。
仿真结果与分析
在本节中，我们通过多组数值仿真验证了第3节和第4节中讨论的理论结果，特别是异构多智能体系统（MAS）在包含静态和动态障碍物的复杂环境中的编队运动稳定性。所有仿真均使用MATLAB R2024a在Windows 11 PC上完成。所研究的系统是一个多UAV-USV-UUV编队，包括3架无人机（索引1-3）、3艘无人水面船（索引4-6）和
结论
本文研究了在包含动态障碍物的复杂环境中运行的异构多UAV-USV-UUV协作系统的编队控制与运动规划问题。我们的方法核心在于将基于刚性图的编队控制、基于神经网络的干扰补偿以及基于干扰流的运动规划算法无缝集成。主要创新在于引入了一种具有结构保持能力的动态编队重构机制。
CRediT作者贡献声明
潘文：撰写 – 审稿与编辑、撰写 – 原稿撰写、可视化、验证、软件开发、资源收集、概念构建、形式化分析。朱大琪：撰写 – 审稿与编辑、指导、方法论设计、研究、资源收集、形式化分析。陈明志：撰写 – 审稿与编辑、形式化分析、研究、概念构建。王中侯：撰写 – 审稿与编辑、软件开发、方法论设计、验证、研究。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究工作。
致谢
本研究得到了国家自然科学基金（项目编号：52301378、52431012、62033009）、CPSF博士后奖学金计划（项目编号：GZC20231677）以及中国博士后科学基金（项目编号：2023M742372）的支持。
