编队控制是多无人机系统的研究热点之一,控制的状态收敛时间和收敛误差是衡量多无人机编队控制好坏的两大指标。国内外关于此项工作的诸多研究成果也相对成熟。然而,如何在紧密编队条件下进行多无人机编队控制仍然是一个亟待解决的关键问题。这项工作也十分具有研究意义。在某些特殊场合下,例如抢险救灾、侦察探测、进攻防御等复杂场合,单架无人机难以应对或处理,而多架无人机编队空间又过于狭窄,这就必须使无人机之间的距离尽量缩小并且要考虑相互之间所产生的对彼此的影响。本文针对紧密编队条件下的多无人机系统编队控制问题展开研究。本文的研究工作主要分为以下几个方面:首先,分析了紧密编队条件下无人机编队中长机翼尖涡流对其后僚机的影响。经分析以及理论推导可知,处于长机翼尖涡流中的僚机会受到一个附加上洗速度和一个附加侧洗速度。对于紧密编队条件下的多无人机编队来说,附加上洗速度会改变僚机所受升力和阻力,附加侧洗速度会改变僚机所受侧向力。通过对其数学模型的分析得出:紧密编队条件下多无人机系统的最优编队构型即为纵向间距两倍翼展、横向间距四分之Π倍翼展、高度差为零,在此条件下僚机所受的升力最大、所受的阻力最小、所受侧向力可忽略不计。随后本文设计了利用传统PID控制器对无人机紧密编队进行控制的方法,并分别对无气动耦合影响和气动耦合影响下、稳定和受扰动条件下的多无人机编队控制进行了仿真验证。通过对比仿真验证可知,气动耦合效应的存在使得多无人机编队控制更为复杂,会增大其收敛时长以及稳态收敛误差。其次,在完成传统PID控制器对紧密编队条件下的多无人机系统进行编队控制的基础上,提出了基于模糊控制原理以及基于基本鸽群优化算法的改进PID编队控制方法。首先基于无人机紧密编队系统选取了对应的模糊变量、制定出对应的模糊控制规则,并以此构建出基于模糊控制原理的无人机紧密编队控制框架。然后提出了利用鸽群优化算法对PID控制参数进行优化,选取了能够表示编队准确程度的对应适应度函数并构建出基于鸽群优化算法改进的无人机紧密编队控制框架。最后,针对利用PID控制器进行编队控制时其状态曲线收敛时间过长,并且稳定状态误差较大等问题,在鸽群算法基础上提出了基于改进鸽群算法结合改进人工势场法的编队控制方法。该方法利用改进人工势场法代替PID控制器求出无人机编队的理想下一时刻状态;通过结合量子粒子群算法中的部分更新规则增强鸽群算法的寻优性能,利用所设计的优化算法对表示无人机编队收敛程度的适应度函数进行迭代寻优。经过仿真验证了该算法适用于紧密编队条件下多无人机系统的编队控制,且其控制效果要远优于利用PID控制器进行多无人机紧密编队控制。