摘要：該文對(duì)多無(wú)人智能車以領(lǐng)航-跟隨法在復(fù)雜環(huán)境下運(yùn)動(dòng)的編隊(duì)控制問(wèn)題進(jìn)行了探討，通過(guò)采用閉環(huán)控制律設(shè)計(jì)了一種編隊(duì)控制器和編隊(duì)控制方案，該編隊(duì)控制器的優(yōu)點(diǎn)在于其主要考慮智能車之間的距離和角度，同時(shí)參考領(lǐng)航者與相鄰跟隨者之間的信息實(shí)現(xiàn)精準(zhǔn)控制。

基于所搭建的模擬測(cè)試環(huán)境，測(cè)試改進(jìn)的控制方法與傳統(tǒng)編隊(duì)方法。實(shí)驗(yàn)結(jié)果顯示，該文所提出的方法在復(fù)雜環(huán)境下具有更好的運(yùn)動(dòng)控制效果。

引言

近三十年來(lái)，多無(wú)人智能體的協(xié)同編隊(duì)控制方案在多個(gè)領(lǐng)域都取得了顯著的發(fā)展和應(yīng)用。這是因?yàn)樵谕瓿梢恍?fù)雜和困難的任務(wù)時(shí)，多智能體比單智能體具有更高的魯棒性和更高的效率。多智能體已經(jīng)在很多領(lǐng)域得到了極大的重視與應(yīng)用，如軍事探索[1]、海洋水面航行器編隊(duì)[2]、無(wú)人機(jī)編隊(duì)[3]、水下機(jī)器人[4]、智能駕駛[5]等。

智能駕駛系統(tǒng)是近年來(lái)最為熱門的研究領(lǐng)域之一，它分為感知、決策、控制等模塊。感知模塊通過(guò)相機(jī)、雷達(dá)、全球?qū)Ш叫l(wèi)星系統(tǒng)等設(shè)備來(lái)對(duì)周圍環(huán)境進(jìn)行感知測(cè)繪，為智能駕駛系統(tǒng)提供有效的環(huán)境信息；決策模塊綜合環(huán)境信息及既定任務(wù)進(jìn)行決策，生成規(guī)劃路徑；控制模塊依據(jù)生成的路徑輸出底層的控制量。隨著智能駕駛的發(fā)展，多無(wú)人智能車的協(xié)同控制成為了智能駕駛領(lǐng)域的熱點(diǎn)問(wèn)題[5-6]。

解決多無(wú)人智能車的協(xié)同問(wèn)題的一種方法是進(jìn)行編隊(duì)控制。目前，多無(wú)人智能車的協(xié)同編隊(duì)控制方法主要有兩大類，分布式協(xié)同控制及集中式協(xié)同控制。

分布式協(xié)同控制指一種沒(méi)有中心節(jié)點(diǎn)控制的結(jié)構(gòu)，通過(guò)系統(tǒng)中每個(gè)相鄰個(gè)體之間的通信來(lái)實(shí)現(xiàn)協(xié)調(diào)，從而形成完整的編隊(duì)。它的優(yōu)點(diǎn)是編隊(duì)靈活性高、容錯(cuò)性強(qiáng)和易于進(jìn)行編隊(duì)控制，缺點(diǎn)是編隊(duì)穩(wěn)定性不如集中式協(xié)同控制。分布式協(xié)同控制方法主要包括基于行為的控制法[7]、領(lǐng)航-跟隨控制法[8]和人工勢(shì)場(chǎng)控制法[9]。

基于行為的控制法的主要思想是，系統(tǒng)根據(jù)相應(yīng)的控制作用產(chǎn)生人類期望的整體系統(tǒng)行為模式，也就是根據(jù)想要產(chǎn)生的結(jié)果來(lái)設(shè)計(jì)對(duì)應(yīng)的條件與規(guī)則。

例如：Lee等[10]基于行為的控制法設(shè)計(jì)實(shí)現(xiàn)了一種可以避障的多智能車的編隊(duì)。它的優(yōu)點(diǎn)是可以根據(jù)設(shè)定的規(guī)則完成多種行為，更有利于實(shí)時(shí)控制；缺點(diǎn)是在復(fù)雜環(huán)境下對(duì)行為規(guī)則難以進(jìn)行清晰的定義，而模糊的行為規(guī)則會(huì)使系統(tǒng)的不穩(wěn)定性增加。領(lǐng)航-跟隨控制法的主要思想是在一個(gè)多智能體的系統(tǒng)中指定其中某個(gè)智能體作為領(lǐng)航者，剩余的智能體作為跟隨者，跟隨者按照領(lǐng)航者的軌跡及設(shè)定的編隊(duì)隊(duì)形前進(jìn)。

Jin[11]提出了一種基于視距和角度的編隊(duì)控制法。它的優(yōu)點(diǎn)是結(jié)構(gòu)簡(jiǎn)單、可擴(kuò)展性強(qiáng)，追隨者只需要跟隨領(lǐng)航者的軌跡就可以完成系統(tǒng)的整體控制；缺點(diǎn)是當(dāng)領(lǐng)航者處于復(fù)雜環(huán)境或者系統(tǒng)的規(guī)模過(guò)于龐大導(dǎo)致領(lǐng)航者的行為發(fā)生錯(cuò)誤時(shí)，會(huì)導(dǎo)致追隨者的行為也發(fā)生錯(cuò)誤，進(jìn)而導(dǎo)致整個(gè)系統(tǒng)崩潰。人工勢(shì)場(chǎng)控制法的主要思想是設(shè)定一個(gè)人工勢(shì)場(chǎng)函數(shù)，對(duì)系統(tǒng)中的每個(gè)個(gè)體都施加勢(shì)場(chǎng)力，從而控制編隊(duì)。通過(guò)勢(shì)場(chǎng)力來(lái)避免碰撞，并保持編隊(duì)形狀。

Gao等[12]設(shè)計(jì)實(shí)現(xiàn)了一種基于人工勢(shì)場(chǎng)控制法的多智能車編隊(duì)。它的優(yōu)點(diǎn)是可以根據(jù)系統(tǒng)個(gè)體、障礙物模擬出勢(shì)場(chǎng)力，從而控制系統(tǒng)的下一步運(yùn)動(dòng)，實(shí)時(shí)性強(qiáng)，便于編隊(duì)控制。人工勢(shì)場(chǎng)控制法的缺點(diǎn)是在復(fù)雜環(huán)境中，系統(tǒng)可能會(huì)陷入局部最優(yōu)陷阱，或者在某些較窄的區(qū)域無(wú)法通行。

集中式協(xié)同控制則指擁有系統(tǒng)控制的中心節(jié)點(diǎn)，并且系統(tǒng)中每個(gè)個(gè)體都與中心節(jié)點(diǎn)進(jìn)行通信，從而完成整體的協(xié)同，形成完整的編隊(duì)。它的優(yōu)點(diǎn)是系統(tǒng)中心節(jié)點(diǎn)與系統(tǒng)中個(gè)體之間的通信效率高、形成的編隊(duì)穩(wěn)定性高，缺點(diǎn)是當(dāng)中心節(jié)點(diǎn)出現(xiàn)故障時(shí)，整個(gè)系統(tǒng)會(huì)陷入崩潰。集中式協(xié)同控制方法主要包括基于圖論的控制法[13]和虛擬結(jié)構(gòu)控制法[14]。基于圖論的控制法的主要思想是以方向圖的結(jié)構(gòu)定義系統(tǒng)的編隊(duì)，以圖中的一個(gè)節(jié)點(diǎn)作為系統(tǒng)中的一個(gè)智能體，以節(jié)點(diǎn)之間的方向來(lái)表示系統(tǒng)中各個(gè)智能體之間的位置與方向?；趫D論的控制法的優(yōu)點(diǎn)是系統(tǒng)的穩(wěn)定性和擴(kuò)展性強(qiáng)，可以輕易地增加或減少系統(tǒng)節(jié)點(diǎn)，所以可以用在大規(guī)模的編隊(duì)中。它的缺點(diǎn)是系統(tǒng)之間的節(jié)點(diǎn)通信復(fù)雜，實(shí)現(xiàn)困難。虛擬結(jié)構(gòu)控制法的主要思想是將整個(gè)智能體系統(tǒng)看作是一個(gè)剛體的虛擬結(jié)構(gòu)，將系統(tǒng)中的每個(gè)智能體作為虛擬結(jié)構(gòu)中的一個(gè)固定的點(diǎn)[15]。虛擬結(jié)構(gòu)控制法的優(yōu)點(diǎn)是系統(tǒng)結(jié)構(gòu)的穩(wěn)定性強(qiáng)，易于保持系統(tǒng)的編隊(duì)；缺點(diǎn)是缺少局部節(jié)點(diǎn)的控制，在復(fù)雜環(huán)境中，對(duì)障礙物的躲避有一定的局限性。

為了在復(fù)雜環(huán)境下實(shí)現(xiàn)一個(gè)結(jié)構(gòu)簡(jiǎn)單、靈活，擴(kuò)展編隊(duì)方便、迅速，且具有一定避障能力的編隊(duì)控制，綜合上面的討論進(jìn)行以下分析。集中式協(xié)同控制方法構(gòu)建更加復(fù)雜，且在復(fù)雜環(huán)境中的效果也不一定理想。相比之下，分布式協(xié)同控制中的領(lǐng)航-跟隨控制法的結(jié)構(gòu)較為簡(jiǎn)單，容錯(cuò)性高、可擴(kuò)展性強(qiáng)，且靈活性強(qiáng)，更加適應(yīng)在復(fù)雜環(huán)境中完成預(yù)定任務(wù)。

本文的結(jié)構(gòu)如下：第2節(jié)表述相關(guān)問(wèn)題；第3節(jié)介紹本文的設(shè)計(jì)；第4節(jié)介紹仿真結(jié)果；第5節(jié)總結(jié)本文。

問(wèn)題提出與準(zhǔn)備

2.1 無(wú)人智能車運(yùn)動(dòng)模型描述

為簡(jiǎn)單建立一個(gè)無(wú)人智能車運(yùn)動(dòng)模型，并且盡可能保證建立的運(yùn)動(dòng)模型與真實(shí)車輛模型的特性相似，本文采用自行車模型(Bicycle Model)[16]，這是一種較為符合真實(shí)車輛模型特性的運(yùn)動(dòng)學(xué)模型，并且以智能車的一個(gè)前向輪為代表，作為建立運(yùn)動(dòng)模型的基準(zhǔn)。圖1為車輛運(yùn)動(dòng)模型。

圖1 車輛運(yùn)動(dòng)模型

若要使用自行車模型來(lái)代表智能車的運(yùn)動(dòng)模型，則需要對(duì)車輛模型做出以下假設(shè)：

(1)車輛模型僅考慮二維平面內(nèi)的運(yùn)動(dòng)，而忽略三維平面的運(yùn)動(dòng)。即僅考慮軸上的運(yùn)動(dòng)，而不考慮軸上的運(yùn)動(dòng)；

(2)假定該智能車的左右兩個(gè)前輪的轉(zhuǎn)向角度是完全一致的，那么就可以由智能車的一個(gè)前向輪表示智能車的兩個(gè)車輪的運(yùn)動(dòng)控制，從而搭建起自行車模型；

(3)智能車不會(huì)形變，即保證智能車的車身是剛性的；

(4)智能車的后軸及兩個(gè)后輪不會(huì)對(duì)整個(gè)智能車產(chǎn)生影響。

如圖2所示，建立的運(yùn)動(dòng)學(xué)模型將智能車的左右兩個(gè)前輪合并為一個(gè)輪子，并將這個(gè)輪子平移到小車的中心位置，作為該智能車在該坐標(biāo)系中的參考位置，在以為坐標(biāo)原點(diǎn)的世界坐標(biāo)系中定義智能車的位置姿態(tài)信息為：

其中，為智能車的前輪中心點(diǎn)在坐標(biāo)軸軸方向的坐標(biāo)；為智能車的前輪中心點(diǎn)在坐標(biāo)軸軸方向的坐標(biāo)；為智能車的前進(jìn)方向；為前輪轉(zhuǎn)向角度。

其中，為智能車前進(jìn)的速度；為智能車前后輪的距離。

若已知智能車的線速度和前輪轉(zhuǎn)向角度，則可以得到：

對(duì)公式(1)進(jìn)行求導(dǎo)，并將公式(2)～(3)帶入，可得智能車的運(yùn)動(dòng)模型：

為了得到智能車的簡(jiǎn)化規(guī)范模型，可以假設(shè)智能車轉(zhuǎn)向的速度足夠快，從而使車輛的轉(zhuǎn)向角瞬間改變，那么就可以被消除，從而可以得到智能車的簡(jiǎn)化規(guī)范模型：

由于希望建立的模型是一個(gè)簡(jiǎn)單、盡可能與真實(shí)車輛模型的特性相似的智能車的運(yùn)動(dòng)模型，所以需要對(duì)智能車模型施加以下約束條件:

2.2 領(lǐng)航-跟隨模型

針對(duì)第2.1小節(jié)所建立的智能車的運(yùn)動(dòng)學(xué)模型，本節(jié)建立了一個(gè)領(lǐng)航者-跟隨者編隊(duì)的運(yùn)動(dòng)模型。同樣地，以智能車的前輪中心的位置來(lái)代表智能車的位置坐標(biāo)，以表示領(lǐng)航智能車的轉(zhuǎn)向角度，表示領(lǐng)航者和跟隨者之間的夾角，表示領(lǐng)航者和跟隨者中心之間的距離。以無(wú)人智能車的前輪中心作為智能車在該坐標(biāo)系中的參考位置，以為坐標(biāo)原點(diǎn)建立世界坐標(biāo)系。在該坐標(biāo)系中，領(lǐng)航者的位置坐標(biāo)信息為，跟隨者的位置坐標(biāo)信息為，如圖2所示。

圖2 領(lǐng)航-跟隨簡(jiǎn)易模型

其中，；。為領(lǐng)航者在建立的坐標(biāo)系中的軸上的坐標(biāo)，為跟隨者在建立的坐標(biāo)系中的軸上的坐標(biāo)。為領(lǐng)航者在建立的坐標(biāo)系中的軸上的坐標(biāo)，為跟隨者在建立的坐標(biāo)系中的軸上的坐標(biāo)。在公式(8)中，該函數(shù)的范圍為。

如圖2所示，本文中建立的領(lǐng)航者-追隨者編隊(duì)的運(yùn)動(dòng)模型基于領(lǐng)航者和追隨者之間的距離和角度。因此，將產(chǎn)生的距離和角度寫作向量形式：

期望產(chǎn)生的距離和角度的向量是

若想讓跟隨者保持穩(wěn)定的編隊(duì)，就需要設(shè)計(jì)產(chǎn)生一個(gè)控制輸入，并使跟隨者編隊(duì)的跟蹤誤差盡可能小。

2.3 存在的問(wèn)題

Das等[17]提出了兩種反饋控制方法：控制和控制。這是領(lǐng)航跟隨法中最流行的控制方法之一。控制方法：該控制方法的目的在于控制某一智能體與其關(guān)聯(lián)的多個(gè)智能體之間的相對(duì)位移和角度，并使該位移和角度數(shù)值保持不變。控制方法：該控制方法的目的在于控制各智能體之間的相對(duì)位移和角度，并使其最終收斂到某一期望數(shù)值。顯然，這兩種控制方法都需要知道跟隨者和領(lǐng)航者之間的距離和角度。根據(jù)距離信息分析，Kang等[18]提出了一種基于距離信息的編隊(duì)控制方法。根據(jù)角度信息分析，Trinh等[19]提出了一種基于角度信息的編隊(duì)控制方法。根據(jù)距離-角度信息分析，Jin[11]提出了一種基于距離-角度信息的編隊(duì)控制方法。

上述方法存在一個(gè)問(wèn)題，即當(dāng)系統(tǒng)中缺乏明確的反饋控制信息或反饋控制信息出錯(cuò)時(shí)，如果領(lǐng)航者發(fā)生錯(cuò)誤行為，則會(huì)直接導(dǎo)致跟隨智能體的行為紊亂，從而使整個(gè)系統(tǒng)陷入崩潰狀態(tài)。例如，如果領(lǐng)航智能體的移動(dòng)速度過(guò)快或移動(dòng)距離超出跟隨智能體的跟蹤范圍，則會(huì)出現(xiàn)跟隨智能體掉隊(duì)的現(xiàn)象。在復(fù)雜環(huán)境中，這種情況極易發(fā)生，從而導(dǎo)致多智能車的編隊(duì)被破壞，系統(tǒng)陷入崩潰。

改進(jìn)的控制方案

領(lǐng)航跟隨法是多車編隊(duì)控制算法中發(fā)展得比較成熟的算法，它在編隊(duì)控制方面有著廣泛的應(yīng)用。領(lǐng)航跟隨法中基于的編隊(duì)控制方法只以智能車之間的相對(duì)距離作為控制的主要參數(shù)依據(jù)，這種方法的編隊(duì)方式不夠靈活，并且至少需要選擇兩個(gè)領(lǐng)航者對(duì)其進(jìn)行控制輸入，增加了系統(tǒng)的計(jì)算復(fù)雜度。領(lǐng)航跟隨法中基于的編隊(duì)控制方法只需要選擇一個(gè)領(lǐng)航者，跟隨者根據(jù)與領(lǐng)航者之間的相對(duì)距離和角度的設(shè)定進(jìn)行移動(dòng)，從而實(shí)現(xiàn)所期望的隊(duì)形的編隊(duì)控制。相比之下，基于的編隊(duì)控制方法在編隊(duì)形式上更加靈活。因此，結(jié)合第2.3小節(jié)所提出的問(wèn)題，本文在的編隊(duì)控制方法和的編隊(duì)控制方法的基礎(chǔ)上將這兩種方法相結(jié)合，并利用閉環(huán)控制方法設(shè)計(jì)了一種多車編隊(duì)控制方案。

這種基于閉環(huán)控制方法的多車編隊(duì)方案通過(guò)維持領(lǐng)航者與跟蹤者之間的相對(duì)距離與相對(duì)角度不發(fā)生變化，使智能車的隊(duì)形保持期望的隊(duì)形，并維持穩(wěn)定。多車編隊(duì)閉環(huán)控制方案如圖3所示。

圖3 多車編隊(duì)閉環(huán)控制方案

如圖3所示，表示跟隨者的位置，表示跟隨者的位置。代表領(lǐng)航者的位置。表示領(lǐng)航者與跟隨者之間的相對(duì)距離，表示領(lǐng)航者與跟隨者之間的相對(duì)角度，表示領(lǐng)航者與跟隨者之間的相對(duì)距離，表示領(lǐng)航者與跟隨者之間的相對(duì)角度。表示跟隨者和跟隨者之間的相對(duì)距離，表示跟隨者和跟隨者之間的相對(duì)角度。表示系統(tǒng)預(yù)先設(shè)定好的相對(duì)距離，表示系統(tǒng)預(yù)先設(shè)定好的相對(duì)角度。是產(chǎn)生的控制輸入向量，是經(jīng)過(guò)控制器調(diào)整后的控制輸入變量。是輸出的速度控制，是輸出的角度控制。

閉環(huán)控制是控制論的一個(gè)概念，指具有反饋信息的系統(tǒng)控制方式。在閉環(huán)控制系統(tǒng)中，系統(tǒng)運(yùn)行時(shí)會(huì)將控制信息傳遞給受控對(duì)象，并將受控對(duì)象的狀態(tài)信息反饋到輸入端，用于修正操作過(guò)程，使系統(tǒng)輸出符合預(yù)期要求[20-21]。圖3展示了閉環(huán)控制方法在設(shè)計(jì)的編隊(duì)控制器中的應(yīng)用。跟隨者通過(guò)計(jì)算自身與領(lǐng)航者以及與相鄰智能車之間的位置，得出實(shí)際的相對(duì)距離和角度。然后，根據(jù)系統(tǒng)中預(yù)設(shè)的相對(duì)距離和角度，經(jīng)過(guò)控制器的調(diào)整輸出速度和角度的控制參數(shù)，使得跟隨者可以根據(jù)領(lǐng)航者和相鄰跟隨者的位置來(lái)調(diào)整自身的位置和姿態(tài)，從而形成完整穩(wěn)定的編隊(duì)。

圖4 多智能車編隊(duì)隊(duì)形比較

圖4(a)展示的是未調(diào)整的多智能車編隊(duì)，圖4(b)展示的是調(diào)整后的多智能車編隊(duì)。

結(jié)果

本節(jié)在Gazebo中搭建3個(gè)模擬場(chǎng)景來(lái)測(cè)試提出的改進(jìn)控制方法。第一種模擬場(chǎng)景，空白場(chǎng)地。第二種模擬場(chǎng)景，有單個(gè)障礙物的開(kāi)闊場(chǎng)地。第三種模擬場(chǎng)景，有多個(gè)障礙物的狹窄場(chǎng)地。

圖5(a)展示的是未調(diào)整的編隊(duì)運(yùn)動(dòng)效果，圖5(b)展示的是調(diào)整后的編隊(duì)運(yùn)動(dòng)效果。在圖5(a)～(b)中，L表示領(lǐng)航者，1、2、3、4表示4個(gè)追隨者。圖5(c)展示了未調(diào)整的編隊(duì)中，領(lǐng)航者與跟隨者之間的距離，圖5(d)展示了調(diào)整后的編隊(duì)中，領(lǐng)航者與跟隨者之間的距離。在圖5(c)～(d)中，分別表示1、2、3、4四個(gè)追隨者與領(lǐng)航者之間的距離。從圖5(c)～(d)可以看出，在空白場(chǎng)地的環(huán)境下，經(jīng)過(guò)一段時(shí)間后，兩種編隊(duì)的領(lǐng)航者與跟隨者都保持了穩(wěn)定的距離。這表明這兩種編隊(duì)的運(yùn)動(dòng)效果都很好，可以在空曠環(huán)境中形成穩(wěn)定的編隊(duì)。

圖5 空白場(chǎng)地測(cè)試效果

圖6展示了編隊(duì)在單障礙物環(huán)境中的運(yùn)動(dòng)效果，圖6(a)～(b)中黑色區(qū)域?yàn)檎系K物，表示領(lǐng)航者，1、2、3、4表示4個(gè)追隨者。通過(guò)圖6(c)～(d)可以看出，在障礙物較少的環(huán)境下，兩種編隊(duì)仍然可以保持穩(wěn)定的距離，形成較好的編隊(duì)控制效果。

圖6 單障礙物場(chǎng)地測(cè)試效果

圖7展示了編隊(duì)在多障礙物環(huán)境中的運(yùn)動(dòng)效果。從圖7(a)可以看到，在未調(diào)整的編隊(duì)中，跟隨者1、2都被障礙物擋住。從圖7(c)中可以看出，跟隨者3、4與領(lǐng)航者之間的距離仍然保持穩(wěn)定，而跟隨者1、2與領(lǐng)航者之間的距離不斷增大。從圖7(d)中可以看出，在調(diào)整后的編隊(duì)中，跟隨者與領(lǐng)航者之間的距離仍然保持穩(wěn) 定。這表明調(diào)整后的編隊(duì)在多障礙物環(huán)境中的運(yùn)動(dòng)效果更好，比傳統(tǒng)編隊(duì)控制更加適合在相對(duì)復(fù)雜的環(huán)境中運(yùn)行。

圖7 多障礙物場(chǎng)地測(cè)試效果

圖8(a)展示的是期望輸出速度與實(shí)際輸出速度，圖8(b)展示的是期望輸出角度與實(shí)際輸出角度。在圖8(a)～(b)中，為領(lǐng)航者的速度，分別表示輸出給跟隨者的實(shí)際速度，分別表示輸出給跟隨者的期望速度。為領(lǐng)航者的轉(zhuǎn)向角度，分別為輸出給跟隨者的實(shí)際角度，分別為輸出給跟隨者的期望角度。從圖8(a)～(b)中可以看出，跟隨者經(jīng)過(guò)幾秒后可以捕捉到領(lǐng)航者的運(yùn)動(dòng)，并且期望輸出的速度 和角度與實(shí)際輸出的速度和角度有些許偏差。這些偏差可能是系統(tǒng)本身的誤差、傳感器的不準(zhǔn)確性或環(huán)境干擾等因素導(dǎo)致的。未來(lái)的研究可以針對(duì)這些偏差進(jìn)行優(yōu)化和改進(jìn)，使系統(tǒng)能夠更好地適應(yīng)復(fù)雜環(huán)境和變化的任務(wù)需求。

圖8 期望輸出與實(shí)際輸出

結(jié)論

本文提出了一種將的編隊(duì)控制方法和的編隊(duì)控制方法相結(jié)合的編隊(duì)控制方案，并設(shè)計(jì)了一種編隊(duì)控制器，用于系統(tǒng)中不存在明確的反饋控制信息或反饋控制信息出錯(cuò)時(shí)的多智能車的編隊(duì)控制。與現(xiàn)有的編隊(duì)控制方案相比，所提出的這種編隊(duì)方法在復(fù)雜環(huán)境中效果更好。仿真結(jié)果表明，所設(shè)計(jì)的編隊(duì)控制器是有效的；在相對(duì)復(fù)雜環(huán)境下，這種方法的編隊(duì)靈活性更好。