在自然界中，为弥补个体能力的有限，诸多生物种群都能通过个体相互之间交流和合作呈现出某种群体行为，比如鱼群的结群游弋、鸟群聚集迁徙以及蚂蚁协同搬运等。这些生物界的观察激励了研究人员深入探索集群系统群体行为的原理和模式，以期望实现仅通过系统内局部的信息交换，使外部呈现出规则有序的协同行为的工作机制。受此激励，人们希望开发像鸟群、鱼群一样自由集结可以执行全局任务的无人机集群系统。
近年来，无人机集群因其潜在的巨大应用价值得到快速发展。一般而言，集群借助无人机机间的局部交互实现机群的群体行为从而解决全局性的协同任务。无人机集群，能够以分布方式完成大量单机系统无法完成，或者由群体更有效完成的任务。相比于旋翼无人机，固定翼无人机具有速度快、载重大、航程长等特点，在执行任务方面具有明显的优势。特别地，小型固定翼无人机由于具有体积小、成本低、易使用的优点，是适宜于大规模集群使用的理想平台。
在此背景下，本文从集群系统内涵、现有典型项目、关键技术3个角度出发，对国内外小型固定翼无人机集群进行了全面综述。其中，在系统内涵方面，在介绍无人机集群系统基本概念的基础上，分析了无人机集群协同执行任务的优势，并给出了其在军民领域的广泛应用。在典型项目方面，从集群协同模式、指挥体系架构、基础性研究、集群验证4个视角总结现有典型项目。在关键技术方面，对体系架构、通信组网、决策与规划、飞机平台、集群飞行、集群指控等核心要素进行深度分析。此基础上，展望了未来小型固定翼无人机集群的发展趋势。具体而言，在给出无人机集群系统的概念和内涵基础上，本文的主要工作和贡献包括：
1)系统总结了无人机集群项目的研究现状。采用自顶向下的方法，首次从集群协同模式探索、分布式指挥体系构建、核心关键技术突破和集群验证等方面综述了近年集群领域的代表性工作。
2)从机载约束、数量规模、任务耦合、复杂动力学等角度深入分析了固定翼无人机集群控制的挑战。在此基础上，按照集群协同的技术体系，分别综述了体系架构、通信与组网、决策与规划、平台系统、集群飞行、集群安全、集群指控等核心关键技术的研究进展。
3)针对小型固定翼无人机特点和面临的复杂环境任务需求，从群体智能牵引、多样化任务导向、分布在线处理、意外事件响应、低成本轻质化特色和平行仿真手段等角度，系统展望了这一领域未来的发展趋势。
1.1无人机集群系统基本概念
无人机集群是将大量无人机在开放体系架构下综合集成，以平台间协同控制为基础，以提升协同任务能力为目标的分布式系统。一般而言，集群中的无人机不具有全局信息，通过相邻无人机间的交互，实现机群的群体行为，达到全局性协同目标。由于无人机集群行为是个体之间交互的结果，并不依赖于起主控作用的个体，因此集群系统通常具有鲁棒性、规模弹性和灵活性。
从生物集群，例如蚁群、蜂群等典型群体的特点出发，集群中的个体通常自主能力有限，但是群体通常具有3个典型特点：1)去中心化：系统没有主导节点，一旦集群中任何个体消失或丧失功能，整个群体依然有序地执行任务。2)自主化：无人为操控，且所有个体观察临近个体状态控制自身行为，但并不对任何其他个体产生直接控制作用。3)自治化：所有个体形成稳定的集群结构，一旦任何个体脱离群体或因任何原因改变群体结构，新集群结构会快速形成并保持稳定。
1.2无人机集群协同执行任务具有诸多优势
2、可提升任务执行能力，完成单机完成不好或者不能完成的任务。协作的无人集群系统能够实现超过单个智能无人系统叠加的功能和效率，具备良好的包容性和扩展性。在大地测量和气象观测等领域，无人机集群携带分布载荷可完成单机无法完成的多点测量任务；在环境监测等领域，可组成移动传感器网络有效监测大范围的空气质量。在军事领域，无人机集群可以形成点面结合、灵活分组的自主系统，完成单个大型人机无法完成的任务。比如执行协同察打任务的无人机集群，部分无人机可以执行未知区域搜索的任务，部分无人机可以执行重点目标跟踪的任务，部分无人机可以执行目标打击任务等；甚至可通过接力方式，实现对穿越山洞等遮蔽环境目标的持续跟踪。
3、具有更高的经济可承受性。通过合理的布局和协同控制，能够使用分散式的低成本无人机集群系统代替成本高昂的单个复杂系统，实现更多的经济效益。基于小型化、集成化、模块化的设计理念，和信息化、自动化、网络化的管理使用方式，可极大降低无人平台的生产、运输、维护、保障、使用成本。1000架规模的无人机集群系统，其成本将低于1颗侦察卫星或1架有人机，但其综合效能有望超越1颗侦察卫星或1架有人机。
1.3无人机集群系统基本概念
无人机集群是将大量无人机在开放体系架构下综合集成，以平台间协同控制为基础，以提升协同任务能力为目标的分布式系统[1]。一般而言，集群中的无人机不具有全局信息，通过相邻无人机间的交互，实现机群的群体行为，达到全局性协同目标。由于无人机集群行为是个体之间交互的结果，并不依赖于起主控作用的个体，因此集群系统通常具有鲁棒性、规模弹性和灵活性。
从生物集群，例如蚁群、蜂群等典型群体的特点出发，集群中的个体通常自主能力有限，但是群体通常具有3个典型特点：1、去中心化：系统没有主导节点，一旦集群中任何个体消失或丧失功能，整个群体依然有序地执行任务。2、自主化：无人为操控，且所有个体观察临近个体状态控制自身行为，但并不对任何其他个体产生直接控制作用。3、自治化：所有个体形成稳定的集群结构，一旦任何个体脱离群体或因任何原因改变群体结构，新集群结构会快速形成并保持稳定。
1.4无人机集群协同执行任务具有诸多优势
具体而言：1、具有分布并行感知、计算和执行能力，更好的容错性和鲁棒性等。集群中的多架无人机可以通过异质传感器的互补搭配，实现传感的并行响应；可以通过执行器分别执行子任务，实现总任务的分布执行。当部分无人机出现故障时，其他无人机可以替代它完成预定任务，使集群系统具有较高的容错性和鲁棒性。比如，在使用集群执行察打一体任务时，无人机集群可调整不同无人机携带的不同侦察设备(如光电吊舱、合成孔径雷达(SAR))的姿态，对目标进行全方位、多角度侦测，提高感知范围和精度；可从多视角进行态势感知，比如重点区域/敏感目标的三维实时重构、隐藏/伪装目标的深度挖掘和学习分类等，获取不完全甚至冲突的局部态势信息；同时也可以对显著目标的异常行为进行分析和预判，比如敌方人员是否准备发动袭击、车辆/坦克是否集结进入作战准备、导弹是否进入发射状态、作战飞机是否准备起飞等；可从不同角度对同一高价值目标同时发动全方位饱和攻击，提高杀伤力和命中率。当由于自身故障或敌方攻击造成的部分无人机损失时，集群系统可通过敏捷重组，确保对重点目标的观测或打击效能不降级。
1.5无人机集群在军民领域有广泛的应用
面对日益复杂的任务环境，小型固定翼无人机集群的运用越发广泛。由多个无人机组成在任务上相互关联的集群执行复杂任务的样式将成为未来军民用领域中无人机使用的一种重要样式，目前已在货物递送、环境保护、灾难响应、农林作业、森林防火、安防巡逻、目标搜索与追踪等领域得到应用。
无人机集群因其典型优势，有望在未来战场的协同探测、协同攻击、干扰压制等各方面发挥巨大作用，成为一支不可忽视的新质力量。
在协同探测方面，无人机集群在战场上可以协同执行各种侦察、监视任务，对某一军事敏感区域实行常态化不间断监控，以全面获取战场环境监测和评估信息；在通信中继、电子对抗、和欺骗迷惑等方面，无人机集群也具有更高的成功率。特别地，分布式的系统拓扑结构使系统无中心脆弱点，损失部分平台对集群整体任务能力的影响不大，抗毁性好；同时，损毁补充替换简便，系统维护成本低。
在协同攻击方面，无人机集群攻击可避免飞行员伤亡，并且成本可承受，这是完全不同于以往的一种新的“缠斗”方式。任何飞行器，不管是有人还是无人的，都可能被单个导弹打下来，但是无人机集群却能够承受多次打击，继续完成任务。无人机集群系统将迫使敌人形成了“大炮打蚊子”的作战劣势，即使部分无人机被对方摧毁，也不影响集群系统的整体作战能力，通过队形的重组和任务的重新分配，实现核心攻击任务能力不降级。
在干扰压制方面，无人机集群在攻防两端显著成本不对称。集群中的无人机通常是典型“低小慢”目标，易于躲避敌方雷达防空系统，但对无人机实施打击却通常需要动用精确打击武器，如果敌方发动饱和式攻击，将耗尽其防御武器。以美军“提康德罗加”级巡洋舰为例，该巡洋舰装备了“宙斯盾”系统，最多可同时监视空中240个目标。如果无人机集群超过250个，同时又是一种“低小慢”的空中目标，将导致其监视能力达到饱和。因此，无人机集群系统可以“引诱式”耗尽对手的高价值攻击武器，从而增加对手攻击的相对成本，以规模优势给对方造成惨重的损失。又如，可以利用无人机集群搜索隐形战斗机和导弹发射车引诱对方开机，让可消耗的无人机“自杀式”打前阵，让宝贵的有人机/有人车殿后，可能有助于在未来战争中减少人员和昂贵装备损失。在过去，数量较少的极度昂贵的有人机是战场的标准配置，但是在未来的几年中，大量便宜的、消耗性的无人机将广泛地出现在战场上。
近年来，无人机集群成为各国争先研究的热点，不断有集群项目的突破性报道。本节从协同模式探索、分布式指挥体系、核心技术突破和集群验证等方面总结了近年的代表性工作。
2.1创新协同理论，探索集群协同的模式
日益增多的无人机系统，势必引起其使用模式的颠覆性变革。目前，美军装备的无人机数量已经多于1万架，超过了有人机的数量。如此众多的无人机系统，如何最大效能地发挥作用？对此，集群使用的模式应运而生。正如二战初期，坦克由分散到集中使用带来了“闪电战”革新，小型无人机的集群化应用有可能会像坦克“闪电战”一样，形成新的颠覆性军事能力。
为充分发挥集群数量和低成本优势，并融于现有体系，以美军方为代表，人们探索了各种集群协同模式，并设计了大量作战想定，从顶层指导无人机集群的发展。典型协同模式包括：无人机集群协同、无人机集群和有人机协同、和大型载具协同、以及和其他无人装备的跨域协同等。
2.1.1无人机集群协同
无人机集群协同是指采用大量(>10数量级)低成本无人机平台，以机间通信为基础，以机间智能协同为核心，形成大规模的同构集群系统。海军研究生院在2012年发表了《无人机群攻击：驱逐舰的防护系统选择》，为探讨驱逐舰对无人机集群协同攻击的防护问题，设计了小型固定翼无人机集群协同作战的想定，见图1。驱逐舰为“宙斯盾”系统，集成了干扰器、诱饵弹、“标准”系列面对空导弹、127ms舰炮和2座“密集阵”近防武器系统；无人机集群由8架速度为250km/h的无人机组成，部分自主飞行，部分受附近渔船遥控。
（美海军无人机集群攻击驱逐舰想定）研究团队对这一作战模式进行了大量模拟仿真。500次蒙特卡罗仿真结果分析表明：平均约3.82架无人机能够突破驱逐舰的防御系统；在电子干扰、雷达诱饵、烟雾弹等各类额外防护手段中，最有效的为增加2门近防炮进行拦截，即使如此，平均约2.5架无人机击中驱逐舰。该结果意味着：可以使用大量廉价的无人机攻击严密防守的舰艇，这些无人机总成本仅与一枚导弹相当，具有极高的效费比。
2.1.2无人机集群和有人机协同
（通用原子“复仇者”集群与F-22协同对地攻击）
2.1.3无人机集群和大型载具协同
为解决无人机集群的快速/远距可达的问题，可以将无人机集群和各种大型载具协同。采用航母或者空中母机携带无人机集群抵达作战区域，而后快速释放无人机，形成威慑性作战能力。比较典型的想定包括X-47B集群和航母的协同想定，和国防部预先研究计划局(DefenseAdvancedResearchProjectsAgency,DARPA)的空中航母计划。
X-47B集群和航母协同想定：美军构想3艘航母组成打击集群(CSG)，在绝对安全区域起飞30～40架隐身无人机，代替有人机对重点目标分批次打击，在6019km时，12架隐身无人机形成一个中队出动，重点打击沿海区域的防空力量；接着，当CSG行进至距海岸3241km时，6架无人机形成集群前出，降低反介入威胁，增加水面舰艇的安全性；最后，CSG行进至距海岸926km时，7架无人作战飞行系统(UCAS)形成集群防空压制，CSG开始密集攻击，此时，水面舰艇和有人驾驶战斗机加入战斗。该集群作战构想为航空母舰提供更强大的防区外攻击能力，并增强海军的前沿部署和持续作战能力。特别需要指出的是，目前虽然X-47B无人机已经转化为空中加油机项目，但是以无人机集群代替有人机进行第1波次的攻击，仍然是《无人系统路线图》中的主要作战模式之一。
（X-47B集群和航母协同攻击想定）DARPA的“空中航母”构想，所谓“空中航母”就是保障无人机空中运载、操作使用和任务控制的大型航空平台。它能够在飞行中释放出无人机，对无人机的作战运用进行控制，并对完成任务的无人机进行回收、加油、挂弹和维修等保障作业。传统空中作战任务大都采用大型有人机完成，但存在牺牲飞行员生命的风险；采用无人机虽然能够克服这些风险，但飞行高度较低，航程和续航能力也有限。所以用大型有人驾驶飞机携带、发射和回收多个小型无人机联合作战的方案，将能最好地将两者各自的特点相结合：既可以同时延长有人驾驶飞机和无人机的作战航程，又增强了整体的安全性，从而能以有效成本实现突破性的功能，用于执行情报、监视、侦察和作战各种任务。
（DARPA空中航母想象图）
2.1.4无人机集群和其他无人装备跨域协同
无人机集群和其他无人装备协同指的是将无人机集群和无人车、无人艇或者无人潜航器等无人装备协同，共同执行任务。不同无人装备之间的跨域协同，有利于发挥各自的优势，更有针对性地高效完成任务。代表性的想定为DARPA的“进攻性蜂群使能战术”(OffensiveSwarm-EnabledTactics,OFFSET)项目。城市作战中，高耸的建筑物、狭窄的空间以及受限的视野形成的“城市峡谷”，限制了军事移动和战术实施。无人机和无人车在城市地区的空中侦察和建筑清剿作战中具有明显优势。为此，DARPA启动了OFFSET项目，旨在利用大规模空中和地面自主机器人，大幅提升城市作战能力。项目设想利用250个以上的无人机或无人车的跨域集群，在8个城市街区自主执行6小时的区域隔绝任务。
（OFFSET跨域协同设想）
2.2强调体系协同，构建分布式指挥架构
分布式体系作战概念已成为指导美军装备发展的重要思想。无人机集群系统是典型的分布式作战力量。为克服高成本、单一庞大的多功能平台的内在问题，发挥网络化无人平台优势，在DARPA等机构牵引下，美军持久开展分布式作战体系研究，力争构筑新的分布式指挥架构。
主要项目包括：拒止环境中协同行动(CollaborativeOperationsinDeniedEnvironment,CODE)；系统的系统集成技术和试验(SystemofSystemsIntegrationTechnology&Experimentation,SoSITE)；分布式作战管理(DistributedBattleManagement,DBM)。
1)CODE：旨在开发基础性的算法和软件，使得现有无人机能够以最小代价，在最小监督下协同工作，使得当前多人操作1架无人机的模式到1人同时操作6架或更多的无人机，以提高美军在拒止或对抗空域中分布式行动能力。项目按照计划分3阶段执行。
2)SoSITE：开展分布式航空作战体系架构研究，发展能够快速集成任务系统/模块到体系的技术，并验证体系在战场中的有效性和鲁棒性。目标是使用简单的、廉价的无人机等平台组成集群，在开放性系统架构下，进行多作战平台和信息传输整合，最终优化作战形成分布式战力的方法。例如连接有人和无人机或者空中和地面载具、或者多种基础设施组件。
项目计划分2阶段进行，2018年7月，洛马公司臭鼬工厂和DARPA开展了系列SoSITE项目飞行试验，验证了如何应用SoS方法和手段在对抗环境中对包括空、天、地、海、网络空间的各个作战域内的系统进行快速无缝的集成。该项目的成果可将任务系统快速并经济上可承受地集成到现有架构中，有助美军在瞬息万变的作战环境中维持作战优势。
（CODE项目计划图）
（SoSITE项目计划图）
3)DBM：SoSITE项目明确提出了发展分布式空战的概念、架构及技术集成工具，这必然带来组合爆炸的难题。针对这一挑战，DBM项目借助开发和验证分布式决策辅助软件，提供分布式的规划、控制以及态势理解等解决方案，以指导空战管理和空对地攻击等任务。在完成第1阶段论证和关键算法设计后，2017年9月，DARPA和AFRL进行了首轮飞行试验，验证了通信中断后多机系统可继续执行任务能力；2018年3月，BAE公司赢得了最终阶段合同，于2019年9月进行最后的飞行演示验证。
2.3加强基础研究，突破核心关键技术
美国宾夕法尼亚大学GRASP(通用机器人自动控制、传感器和感知)实验室认为：未来将依赖于小型平台和传感器组成的大型网络在动态、资源有限的敌对环境中执行任务。为此，他们围绕集群协同：OODA回路展开研究，包括体系架构、分布感知、协同同步定位建图、编队飞行等。特别值得提及的是：2012年他们成功让16～20架小型四旋翼无人机(73g)在室内组成各种形状的飞行编队，这是研究人员第1次实现了10架以上无人机的集群飞行，取得了轰动性的演示效应。
（16架无人机形成三维螺旋和金字塔）
在GRASP实验室旋翼机编队飞行的激励下，中美两国的科技公司在无人机集群数量上不断突破，使得无人机集群灯光秀逐步成为各大型活动的“标配”。2015年11月，英特尔公司在德国汉堡实现了100架四旋翼的室外灯光秀表演，从此拉开了无人机集群灯光秀的序幕；2018年英特尔公司在其成立50周年的庆典上放飞2018架无人机，曾创造了当时一次性使用无人机数量最多的世界纪录。
国内亿航、高巨创新、江西翼眸科技等公司，也多次完成无人机集群灯光秀表演。
2019年7月，翼眸科技公司在建国70周年之际，完成了2100架无人机集群的灯光秀表演。一般认为，灯光秀表演中的每一架无人机都已预先设定好轨迹，以轨迹跟踪或集中控制的方式完成。
（翼眸科技庆祝建国70周年的灯光秀表演）
集群协同算法的开发和验证在地面机器人集群上开展得更为深入。考虑到规模因素，地面机器人集群往往严格控制单机器人的体积和成本。瑞士洛桑联邦理工学院开发了用于教学的e-puck机器人，每个机器人的直径仅有7.5cm，造价约250欧元；在此基础上，实现了20个e-puck机器人的聚集、觅食等协同行为。德国斯图加特大学设计了尺寸为30×30×20mm的Jasmine机器人，并在3×3m的区域内实现了规模达到105个机器人的聚集行为。美国哈佛大学RadhikaNagpal教授团队设计的Kilobot机器人，直径为3.3cm，单个造价仅为14美元，机器人只能通过振动的方式以1cm/s的速度运动；基于Kilobot机器人，该团队设计了觅食、编队等协同行为，并进行了上千规模(1024)的集群演示，集群系统在运行12h之后，能够自动排成“K”字形、五角星、扳手等图案。这也是机器人集群的规模首次达到千量级。
（Kilobot机器人及其形成的扳手图案）
2.4加紧集群验证，形成非对称优势
为推动无人机集群形成任务能力，在协同模式和关键技术的牵引下，国内外研究机构开展了大量的集群协同飞行试验验证，力争尽快形成非对称集群优势。美正在开展的代表性项目包括：低成本无人机集群技术、“山鹑”无人机集群、近战隐蔽自主一次性无人机、可空中回收无人机集群“小精灵”等。项目基本情况如表1所示。
低成本无人机集群技术(LOw-CostUnmannedaerialvehicleSwarmingTechnology，LOCUST)项目由美国海军研究办公室(OfficeofNavalResearch,ONR)主导，采用无人机集群协同模式。旨在快速释放大量小型无人机，通过自适应组网及自主协同，以压倒性数量优势赢得战争。项目发展了如郊狼(Coyote)等系列小型折叠翼无人机和多管发射装置。2016年4月，美海军实现了30架郊狼无人机的快速发射(1架/s)和自主编队飞行的技术验证。表1典型无人机集群项目Table1TypicalprogramsofUAVswarms
（LOCUST项目的郊狼无人机及编队飞行）
山鹑(Perdix)无人机集群项目由美国战略能力办公室(StrategicCapabilitiesOffice,SCO)主导，采用有人战机投放无人机集群代替空射诱饵等，执行诱导欺骗、前出侦查等任务。2016年10月，完成由3架F/A-18战斗机空中投放103架“山鹑”无人机的演示验证，集群展现了一些高级的行为如集群决策、自适应编队以及集群自愈性。
（山鹑”(Perdix)无人机集群演示）
近战隐蔽自主一次性无人机(Close-InCovertAutonomousDisposableAircraft,CICADA)项目由美国海军研究实验室(NavalResearchLaboratory，NRL)发起。项目旨在开发低成本一次性微型无人机，每架只携带微型电子传感器，比如天气、温度、湿度和气压传感器等，借助大型载体像播种一样向某个区域大量“播种”，形成庞大而稳定的“探测矩阵”。2017年4月，美海军从P-3侦察机上一次性释放32架CICADA微型无人机；在2019年4月，4架大型无人机(Hives)释放了100多架小型CICADA微型无人机编队，用于收集区域的气象资料。
（CICADA无人机集群演示）
可空中回收无人机集群“小精灵”(Gremlins)项目由DARPA主导。项目设想让现有大型飞机充当“空中航母”，在敌防御射程外发射成群小型无人机；当任务结束后C-130运输机将小型无人机回收，在24h内完成重置并等待下次使用。项目于2015年9月启动，目前正处于第3阶段，计划2020年春完成全流程试验，具备在C-130上一个操作员最多控制8架无人机以及在半小时内空中回收4架无人机的能力。
美国之外，各区域强国也积极开展各类集群试验。欧盟在未来空战系统中，将空射无人机集群作为未来实施防区外精确战术打击和集群式饱和攻击的核心手段。印度也于2019年发布了首个无人机集群概念项目ALFA-S(Air-LaunchedFlexibleAsset-Swarm)，计划通过战斗机发射大量察打一体无人机，执行对地防空打击任务。土耳其国营STM军工集团展示了20架7kg的四旋翼无人机集群作战反恐的概念演示。
（“小精灵”项目）
中国也积极开展固定翼无人机集群的飞行验证。中国电子科技集团(简称中电科集团)先后完成了67架、119架、200架的固定翼无人机集群飞行。2018年1月，国防科技大学智能科学学院无人机系统创新团队针对无人机集群自主协同展开试验飞行，20余架无人机相继起飞，在空中集结编队，飞向指定区域完成侦察任务，验证了分组分簇自适应分布体系架构、并行感知与行为意图预判、按需探测自组织任务规划、极低人机比集群监督控制、以意外事件处理为核心的集群自主飞行控制等多项关键技术。北京航空航天大学仿生自主飞行系统研究组结合生物群体智能深入研究了无人机集群编队、目标分配、目标跟踪、集群围捕等任务的关键技术，并于2018年5月完成基于狼群行为机制的无人机协同任务分配的飞行验证。
从OODA的视角，给出了目前关于集群协同的典型研究方向，包括协同观测、协同侦察、协同定位与建图、任务分配、任务规划、聚集、蜂拥、编队等。
（中国开展的典型集群飞行演示实验）
（集群协同的典型研究方向）
无人机集群协同涉及OODA循环的全任务回路，势必将成为未来高技术战争背景下各大国之间竞争的技术高点。本节将专注于集群于OODA回路中末端环节，围绕分布式“决策和行动”的关键技术展开。
3.1集群控制的挑战
3.1.1重量/功耗/空间/成本限制对机载通信、计算和存储能力的约束
小型固定翼无人机可供载荷使用的重量、功率和空间非常有限。以某小型固定翼无人机为例，其可用载荷重量(不包括电池、机体重量)≤1.5kg，可用载荷体积<10×10×15cm，可用功率<60W。同时，要建立成本可承受的无人机集群系统，单机成本不能过高；考虑到无人机系统的安全和冗余设计，分解到各核心载荷上的成本非常受限。苛刻的载荷重量、功耗、空间以及成本约束，使得自驾仪、计算/存储设备、自定位/机间定位设备、通信/感知等载荷的集成设计非常具有挑战性。考虑到设备性能和功耗/体积/重量以及价格等往往互相制约，故而各类载荷的性能必须折衷设计，使得机载通信、计算和存储的性能非常受限。
3.1.2数量规模给集群控制带来的挑战
集群系统的性能受梅特卡夫定律的影响，即数量规模的增大将导致协同难度的指数上升，在系统实现、集群管理、协同控制等技术上存在拐点效应，在系统性能如收敛性和稳定性等方面存在天花板效应。同时，小型固定翼无人机集群系统的通信距离和带宽等性能受限，通信网络拓扑结构的设计存在约束，难以做到大容量的机间信息分发和任意拓扑结构传输，进一步压缩了大集群系统在理论上的最优性能。特别地，当机间信息流和数据流存在拥塞时，集群系统的性能会急剧恶化。故而，大集群和通信受限都对体系结构设计、协同规划决策、集群飞行控制、低人机比指控等提出了苛刻的要求。如何实现大规模的无人机集群协同控制，尚是一个极富挑战的课题。
3.1.3任务耦合、局部信息不一致和维数爆炸给集群控制带来的挑战
3.1.4无人机动力学给集群任务协同带来的挑战
黄琳院士指出：“运动体所表现出的具有强非线性、强实时变与强耦合性和高不确定性的特征使得问题变得特别困难，例如…非线性非完整约束、…欠驱动问题…”。小型固定翼无人机是典型的欠驱动、非线性高速运动体，存在巡航速度、最大/最小速度/角速度等约束，且其空气动力学参数和飞行速度密切耦合。以“双子星”无人机为例，其巡航速度约为16m/s，失速速度约为12m/s，最大速度约23m/s。并且，无人机在飞行中不可避免地受到机体振颤和阵风等影响，但是由于机体重量轻、推力小，主动抗风性能较差。故而，固定翼无人机因其强非线性特点，在集群协同的规划决策、起飞降落、通信组网、集群飞行等方面均比“准静态”的旋翼无人机集群复杂得多。
3.2集群控制关键技术研究现状
以集群协同遂行“OODA”控制回路为背景，国内外在集群体系架构、集群通信与组网、集群决策与规划、集群无人机系统、集群飞行与队形重构、集群安全、集群指控等关键技术领域开展了大量理论和应用研究。
3.2.1集群体系架构
采用何种结构将多个无人平台组合起来发挥更大效能，是集群实现首先要解决的问题。根据信息交互的策略，现有集群架构通常可分为集中式和分布式架构。分布式架构具有较好的扩充性和容错性，能够将突发影响限制在局部范围内，适宜于大规模系统。例如，美国海军的LOCUST项目就采用典型分布式架构。
3.2.2集群通信与组网
通信体系结构是无人机组网设计的核心内容之一，合适的网络结构，可以提高通信数据以及上层任务执行的效率和可靠性。
当前的无人机集群通常采用2种通信架构形式之一，分别为基于基础设施的集群架构和基于自组网(ad-hoc)的集群架构。
基于基础设施的架构包含基站(例如和地面站相连的地面基站或者通信卫星)，所有的无人机都和基站直接相连。基站接收集群中所有无人机的遥测信息，并转发给其他所有或部分无人机。故而，该架构也可称为以基站为中心的通信组网。该架构优势在于：1、可以借助地面高性能计算设备进行复杂的实时计算和优化。2、机间联网不是必需的，可以减少无人机的有效负载。但是基于基础设施的架构严重依赖于基站，系统缺乏冗余性，且基站和无人机之间的通信可能容易受到干扰；如果基站受到攻击或干扰，整个集群的可操作性将受到损害。同时，基于基础设施的架构要求所有无人机都必须在基站的传播范围内；特别地，小型无人机的负载能力极度有限，与基础设施建立可靠通信所需的硬件可能会限制基于基础设施的集群功效，限制了集群无人机的运动范围。另一个缺点是缺乏分布式决策能力，通常通过地面站协调所有无人机的决策。和集中式体系架构类似，随着规模的增加，通信数量、决策维数等存在维数爆炸的问题，限制了集群规模的增加；同时，不可避免地存在通信时延，使得系统难以实时响应决策。
基于自组网的集群架构将无线自组网和无人机集群结合。
无线自组网不依赖于基础设施，无需路由器或接入点；相反，基于动态路由算法动态分配节点。
目前，其仍面临着严峻的技术挑战：
1)有限的单跳距离：飞行自组网的建立依赖于每架无人机之间的单跳通信，而要想通过有限的机载能力实现可靠的通信，其单跳距离往往受到了限制，这成为了约束飞行自组网技术发展的重要因素之一。2)难以可靠控制的丢包率：飞行自组网中，对动态路由的配置提出了很高的要求，迅速改变的物理层道会使原有拓扑的路径变得不再可靠，从而导致数据的大量丢包，这会严重限制无人机集群的任务执行能力。另一方面，在基础架构、硬件设备、通信带宽等固定的情况下，根据任务需求进行通信调度，可最大限度地挖掘通信系统的性能。目前，协同飞行任务中的通信需求研究较多。通常，其通信拓扑要求无向连通或存在有向生成树，拓扑切换和通信时延等存在必要条件。但是，目前对其他任务，比如协同探测、协同规划等通信需求的研究较少。
3.2.3集群决策与规划
集群规划的内涵是“在线实时为集群内的每架无人机生成从当前/起始位置到目标位置的运动任务，要求集群任务总代价最低(较低)，同时实现集群内相互避碰以及避免与环境碰撞”。
和体系结构一样，规划决策可以采用集中或分散式方法解决。集中方法中，有一个中心节点可以获得所有无人机的信息，问题转化为对整个集群的单一优化问题。分散方法中，每架无人机依赖获得的全局或者局部信息单独求解。介于两者之间的是半分散式系统，它充分利用无人机的分布式计算能力，但仍然需要中心节点进行信息融合或全局约束条件的判断。
无人机集群的规划决策可以涉及不同层次，部分算法直接作用于无人机的控制输入，部分算法则聚焦于无人机的任务或行为。POMDPs提供了一种优化的数学框架来建模无人机与环境交互过程，可在同一框架内通过优化合并的目标函数实现不同层次策略的组合，因此得到了广泛的使用。对于无人机集群系统，POMDPs可以扩展为MPOMDPs(集中式)或Dec-POMDPs(分散式)等。进一步，为解决集群信息不一致和状态不确定问题，考虑信息融合的多无人机POMDPs求解算法也得到了研究。
集群任务的不确定性，给规划决策带来了极大挑战。任务规划通常是PSPACE完整的，寻求精确解的规划算法仅限于在低维系统可行。集群通常由大量个体组成，同时还具有底层空间的高维度特性，导致纬度巨大且计算复杂。规划算法对问题维度呈指数依赖，即使离线都难以求解。进一步，与地面机器人相比，无人机速度更快，动力学系统更复杂，机载计算能力更有限，故而，无人机的规划决策算法必须尽可能降低计算量，且具有强实时性。美国空军技术研究院以无人集群广域搜索/打击一体化任务为研究背景，通过群间任务分配、群内任务协调、路径规划和轨迹优化4个层次的分层优化，使得无人平台能够针对复杂任务实现层次化协调，极大地减小了在线计算负载。但是，总体而言，为适应瞬息万变的复杂动态环境，如何实现兼顾优化性和快速性的动态决策和任务/航迹重规划，仍然还是挑战性的问题。
3.2.4集群无人机平台系统
飞行控制系统为无人机提供了精确飞行和适应复杂环境的能力。低成本固定翼无人机的飞行控制具有较大的挑战性，主要包括：1)模型不精确：固定翼无人机气动复杂、操纵耦合，且可控制性不足。特别地，由于成本原因，小型无人机很难采用风洞吹风等手段建立准确的动力学模型。2)交叉耦合：固定翼无人机的动力学和控制严重耦合。通常情况下，无人机平台控制采用解耦方法分内层姿态和外层位置控制。然而，这2层间是严重耦合的，如协调转弯时涉及滚转和航线控制，速度控制也通常和高度耦合。3)噪声：一般来说，传感器越昂贵，测量就越精确。因此，集群中对无人机的低成本要求导致了其获取信息的噪声和不准确。4)风扰：无人机飞行过程不可避免地受到风的干扰。风扰，尤其是侧风对无人机飞行影响重大。在集群任务飞行中，无人机常需低空飞行(通常低于1000m，甚至不超过100m)，以便对地面物体进行抵近观察。低空飞行的风扰给控制影响更为严重。对于小型固定翼无人机来说气流扰动的速度会占到无人机巡航速度的20%～60%。
3.2.5集群飞行与队形重构
集群自主飞行是无人机协同执行任务的基础，也是在复杂环境中遂行集群突防、分布探测和分布打击等基本任务。面对不同的任务剖面、环境约束或者任务变化，集群通常需要变换队形以高效完成任务。故而，队形保持和重构的效果决定了无人机集群协同执行能力的有效性。
常用到的集群飞行控制方法脱胎于常见的多智能体协同控制方法，下面主要介绍领航-跟随法和虚拟结构法。1)领航-跟随法：将集群中某架无人机或引入一虚拟的无人机作为领航者(长机)，其余无人机作为跟随者(僚机)一起随领航者运动。该方法是目前无人机编队控制中应用最普遍、最基础的一种方法。Leader-follower控制律主要是针对跟随者的控制律，领航者则需要采用其他的控制手段。例如，采用无线电信号控制领航者，针对跟随者设计了跟踪领航者的编队控制律，实现了2架固定翼无人机的编队飞行；其中，跟随者控制律分为外环和内环2层，外环控制器以最小化跟随者相对于领航者的位置误差为目标，生成期望的滚转角和俯仰角以交给内环控制。使领航者沿航线飞行，跟随者借助于机载的视角传感器估计领航者的位置，利用设计的编队控制律，实现了2架固定翼无人机按两倍翼展距离的紧密编队飞行。
北京航空航天大学段海滨教授所在的研究团队将领航-跟随法结合中鸽群的分层策略，设计了小规模无人机集群的分布式控制方法，并通过8架无人机的集群仿真对算法加以验证。
对20架固定翼无人机采用领航-跟随法进行了飞行验证，但是该文献并未给出控制律的具体形式。而虽针对固定翼无人机设计了跟随领航者的控制律，但是未作闭环系统稳定性的分析，也未考虑固定翼无人机控制受限的影响。
值得一提的是，领航-跟随法作为最基本的编队控制框架，很容易与其他方法——如势场法等相结合，还可应用诸如模型预测控制、滑模控制。领航-跟随法的主要问题是当领航者损毁后，可能会导致整个编队的瘫痪，为解决这一问题，很多研究使用虚拟领航者，并将编队中多个真实的个体作为虚拟领航者的直接跟随者，以避免全局领航者损毁后“牵一发而动全身”。研究了虚拟领航者的轨迹对各无人机已知的情况，以及虚拟领航者始终为当前无人机编队重心时的情况，并用3架固定翼无人机对控制律加以验证。研究了虚拟领航者的状态仅对部分无人机已知，需对其他无人机设计分布式估计器估计虚拟领航者的位置，从而实现协同控制的问题。
2)虚拟结构法，其核心思想是每个无人机跟随一个移动的刚性结构上的固定点。加拿大多伦多大学的刘洪涛教授团队利用虚拟结构法研究了多无人机的运动协调问题，并进行了数值仿真。提出一种动态虚拟结构编队控制方法，可使固定翼无人机沿规划的编队轨迹飞行时完成队形变换。
虚拟结构法很好地避免了传统领航-跟随法当全局领航者损毁后，整个编队面临瘫痪的问题。事实上，虚拟领航者本质上也是将传统的领航-跟随法与虚拟结构法相结合。虚拟领航者可以看成是基于虚拟结构法确定，每个无人机相对于虚拟领航者保持期望的位形，这一点又类似于领航-跟随法中对于跟随者的控制。由此，虚拟结构法与领航—跟随法二者的界限在一定程度上也变得模糊。在基于虚拟结构法设计三维空间内固定翼无人机的编队控制策略时，基于虚拟结构法设计独轮车群体队形保持控制律时，都用到了虚拟领航者这一概念。
对于小型固定翼无人机，由于受最小前向速度和非线性动力学的约束，集群飞行面临着新的挑战。目前关于固定翼无人机集群飞行的研究还较少。Gu等设计了“外环导航/内环控制”的内外环结构的编队控制器；Xargay等研究了严格时序约束条件下的多无人机协同路径跟踪问题；美国海军研究院完成了50架规模的固定翼集群飞行演示验证，但并未涉及大规模集群的队形保持、队形变换等协同控制问题。故而，如何基于小型固定翼的平台性能约束，并考虑非理想通信等不确定性条件，实现大规模无人机集群飞行，仍然是一个挑战性问题。
3.2.6集群安全与冲突消解
无人机集群的安全控制是系统能够顺利执行飞行任务的关键技术之一，主要包括集群飞行安全和集群使用安全。
集群飞行安全指在复杂环境中，集群能够无碰撞地飞行，主要包括集群内部的机间防撞和对集群外部障碍的规避。
3.2.7集群指挥控制无人机集群协同
极大地提高了遂行复杂任务的能力，但与此同时，随着集群中无人机平台数量/类型的不断增加、任务类型的不断扩展，如何高效地管控无人机集群，实现低人机比的集群指挥控制面临着严峻的挑战。
为满足低人机比集群指控的要求，提高指挥员指控水平和态势认知水平，需要研究适合指挥员习惯的语义逻辑任务描述方法，以更贴近于人类的方式对集群下达指控指令，综合运用语音/手势/眼动/触觉等多种模式相结合的集群指控手段，来提高指挥员的指控水平，降低其认知负担和工作负荷，实现低人机比条件下集群指控。
Shah和Breazeal提出，现有的人机交互系统主要通过显式信息(明确的口头信息等)及隐式信息(表情、手势以及注视方向等)来实现人机交互控制。在显式信息交互方面，机器人能使用各种参考系(以自我、对象或外部为中心)有效响应人类的口头命令；通过中央任务管理器将任务分配给机器人，进一步通过口头交流有关目标、能力、计划和成就的信息来完成协调。在隐式信息交互方面，文献使用机器目光建立共同注意力，将点头用于巩固彼此的理解；进一步，使用人的注视信息进行意图解释，例如犹豫或是搜索跑动对象；介绍了基于手势的人机交互并将其分为2类，其中自由形式的交互允许用户使用指示性手势选择机器人的子集并分配目标和轨迹，而形状受限的交互要求用户只对定义了整个形状自由度所对应的子集实施控制；提出一种系统用于生成新一代的脑群控制接口，并为操作员提供对多智能体系统的丰富控制能力。
无人机集群兼具机械化、信息化和智能化的特点，有望在未来军民领域发挥重大作用，但是目前尚不具备在复杂环境中分布执行任务的能力。集群协同的关键技术，如体系架构、通信组网、规划决策、集群飞行等，虽然开展的研究较多，但是较少针对小型固定翼无人机的特点和复杂环境的任务需求展开。未来集群系统的发展，可以从以下6个方面考虑。
4.1以群体智能为牵引，构建具有任务能力的无人机集群系统
群体智能广泛存在于狼群围猎、鸟群迁徙等生物群体活动和群策群力、头脑风暴等人类社会活动中。其基本原理是通过个体之间的合作与竞争，聚合简单个体行为形成群体合力，完成单纯依靠数量叠加所无法胜任的复杂任务。无人机集群具有较强的运动能力和一定的感知决策能力，可模仿狼群、鸟群等生物群体活动，以无中心自组织的方式协同完成复杂任务。故而，一方面无人机集群是群体智能技术验证和应用的理想载体之一；另一方面群体智能将赋能无人机集群系统，使得其能更高效地完成各类任务。
目前群体智能和集群系统的研究均较多，但是很多研究都停留在理论层面。特别地，如何有效结合两者，如何根据群体智能的需求构建无人机集群系统，如何根据任务需求提升集群系统的智能程度，开辟一条从理论到实践切实可行的方法路线尚有待于突破。
4.2以多样化任务为导向，设计易扩展互操作的集群体系结构
集群系统本质为数量众多的独立同构/异构实体通过通信构成交联的复杂巨系统。随着规模增加，集群系统的复杂度不论在理论研究还是系统实现上，均呈指数上升。故而，体系结构的设计一方面要解决该复杂系统的信息流/控制流的交互组织问题，另一方面也需要尽量在软件/硬件上降低系统的耦合度和复杂性。通过规范化/标准化的软件模块、硬件组件和机间交互协议的设计，将不同数量，甚至是不同类型的无人平台高效地结合在一起，是体系结构等顶层设计面临的挑战。特别地，现有集群系统往往只考虑执行单一任务，但未来期望集群系统能够遂行多种不同的任务，比如同时兼顾边境巡查、区域封控、通信阻塞等，体系结构的设计需要同时考虑多样化任务需求。故而设计规模易扩展、适宜于不同任务的体系结构，是集群系统必须考虑的顶层设计。
4.4以意外事件处理为核心，设计大规模集群协同飞行控制算法
目前，固定翼无人机集群飞行规模已达100架以上，但尚未见公开发表的学术论文。系统规模的进一步增大，关键在于其可扩展性研究。良好的可扩展性可以确保无人机动态加入和退出集群时，系统仍然能够维持较好的稳定性，并能够保持较好的控制精度。故而，集群规模可扩展性研究在理论与实际应用上具有巨大的价值。
另一方面，现有飞行主要是在理想环境中进行。面向实际任务时，不可避免地存在各种意外情况，比如无人机部分损毁、各类空中移动障碍、突发天气变化、通信干扰压制、导航欺骗等。以意外事件处理为核心研究大规模集群稳健协同问题，将是无人机集群系统执行对抗性任务的行为基础。
4.5以低成本轻质化为特色，牵引无人机系统平台/载荷/通信系统的研制
集群系统往往以规模优势取代质量优势，且不畏惧部分平台的损毁，故而大规模集群系统往往严格限制单机系统的成本，包括平台、机载控制器、感知/打击载荷、以及通信端机等。同时，小型固定翼无人机的挂载重量非常有限，对上述载荷的重量也有严格要求。现有的无人机载荷往往追求大而全，性能较高，但是质量较重、价格较高，并不适合在无人机集群上直接使用。故而，研发满足集群需求的低成本轻质化平台和载荷，对集群任务能力的形成至关重要。
4.6以平行仿真为手段，构建虚实结合的标准化开放性集群协同测试环境
本文从无人机系统内涵、现有典型项目、关键技术3个角度出发，对国内外小型固定翼无人机集群进行了全面综述。其中，在系统内涵方面，首先介绍了无人机集群系统的基本概念，分析了无人机集群协同执行任务的优势，并给出了其在军民领域的广泛应用。在典型项目方面，从集群协同模式、指挥体系架构、基础性研究、集群验证4个视角总结现有典型项目。在关键技术方面，对体系架构、通信组网、决策与规划、飞机平台、集群飞行、集群指控等核心要素进行深度分析。在此基础上，论文展望了未来小型固定翼无人机集群的发展趋势，期望能够对未来无人集群系统的发展起到一定的牵引作用。
20年来，高博特始终坚持让科技更好地赋能产业的愿景；努力为行业企业搭建产业链高端交流平台，为科技转化为生产力服务。具体业务范围涵盖：信息情报、媒介传播、会展活动、招商加盟、品牌提升、咨询服务、产品中心等七大服务体系，长期服务于“军转民、民参军、军民融合”等国家战略。
2023年，高博特集买、卖、租、播、展、会、赛、培于一体的新型展厅项目即将启幕，该展厅旨在从深度对接的层面为各入驻企业一站式解决经营中面临的各项问题，企业租、卖的产品我们来、企业需要的品牌我们筑、行业顶尖的赛会我们办、行业急需的培训我们办。新的一年，高博特新模式、新服务、新平台，必将给各一直以来支持我们的朋友带来全新的体验。