李一波， 王新星， 姚宗信， 崔世海， 申曉玲

(1.沈陽航空航天大學，沈陽 110136; 2.沈陽飛機設(shè)計研究所，沈陽 110034;3.沈陽航天新樂有限責任公司，沈陽 110031)

0 引言

無人平臺自主水平已成為無人平臺新的技術(shù)挑戰(zhàn)。文獻［1］從無人平臺的環(huán)境變化量、任務完成度、系統(tǒng)狀態(tài)穩(wěn)定度、操作者和系統(tǒng)的交互程度評判其自主等級;文獻［2］從無人平臺的移動性、能源的獲取和防御能力劃分其自主等級;文獻［3］從無人平臺的移動控制、任務規(guī)劃和形式感知衡量其自主能力;文獻［4－8］從任務的復雜度、環(huán)境的困難度、人機的交互程度判斷其自主能力水平。然而，這些方法的分級指標都不夠全面，且沒有簡單的方法將分級過程和結(jié)果量化，多是主觀判斷。因此，針對以上方法的缺陷，提出了一個無人平臺自主能力分級的四指標模型。

1 四指標分級模型

本文評定無人平臺的自主水平，是根據(jù)無人平臺在當前的環(huán)境和自身的狀況規(guī)劃判斷后任務的完成情況確定其自主能力等級。因此，選定“人和平臺的交互能力”、“態(tài)勢感知能力”、“環(huán)境適應能力”和“規(guī)劃決策能力”4個指標作為判斷標準。

此四指標模型主要包括3部分:指標模型、等級模型和評判方法。

1.1 自主水平指標模型

本文從“人和平臺的交互能力”、“態(tài)勢感知能力”、“環(huán)境適應能力”和“規(guī)劃決策能力”方面建立指標模型。但由于這四個指標及其子指標具有模糊性，因此，先為這些指標人為賦予數(shù)值，代表其對自主能力水平評判的影響程度，最低分是0分，最高分是100分。

1.1.1 人和平臺的交互能力

人和平臺的交互能力主要從以下4個一級子指標衡量無人平臺的自主能力。

1)操作者掌控時間。在無人平臺執(zhí)行任務的過程中，操作者掌控時間越長，無人平臺自主能力越差。例如，操作者在無人平臺執(zhí)行任務的過程中，有一半的時間都離不開操作者的調(diào)控，則此指標可以得到50分;若是執(zhí)行任務的過程完全不需要操作者參與，可以得到100分。這個分數(shù)是人為確定的，因此有一定的主觀性，可以根據(jù)無人平臺當時的狀況修改分值。其他指標的分值確定也是根據(jù)當時它們對自主分級的影響程度。

2)操作者控制平臺數(shù)量。當多個無人平臺同時執(zhí)行任務時，無人平臺的自主能力越強，則操作者可以同時控制的平臺數(shù)量越多。

3)操作者技術(shù)水平。操作者的學歷越低，無人平臺的自主能力越強。

4)操作者工作強度。此工作強度主要指操作者在掌控時間內(nèi)是高強度的工作，還是輕松的監(jiān)督工作。主要從操作者的疲勞程度劃分。

1.1.2 態(tài)勢感知能力

態(tài)勢感知能力主要從下面4個子指標反映平臺的自主能力水平。1)攻擊者種類，指來自海、陸、空的攻擊者種類。2)攻擊者攻擊頻率，指在同一時間內(nèi)，能感知到并躲過的攻擊者的攻擊次數(shù)。3)攻擊者危險指數(shù)，即感知到的攻擊者的危險程度。4)感知危險時間，即感知到危險的時間長短。

1.1.3 環(huán)境適應能力

環(huán)境適應能力主要包括以下3個子指標。1)適應環(huán)境種類。無人平臺能適應的環(huán)境種類越多，則其自主能力越強。2)適應環(huán)境時間。無人平臺能適應當前環(huán)境的時間越短，越能體現(xiàn)其自主能力水平。3)適應環(huán)境范圍。無人平臺能感知到的自然環(huán)境狀況的范圍。范圍越廣，得分越高。

1.1.4 規(guī)劃決策能力

規(guī)劃決策能力是體現(xiàn)無人平臺自主能力水平的最重要的指標，主要解決無人平臺面對復雜環(huán)境(內(nèi)部環(huán)境和外部環(huán)境)的不確定性，如何實現(xiàn)自主行為，自主決策，順利完成分配的任務。規(guī)劃決策能力主要從以下5個指標評判無人平臺的自主能力。

1)實時健康診斷。主要檢驗的是無人平臺執(zhí)行任務時能對自身的狀況進行實時診斷的能力。實時健康診斷能力又從以下2個二級子指標影響平臺的自主能力。

①診斷時間。當故障出現(xiàn)的時候，診斷發(fā)現(xiàn)的時間越短，得到的分數(shù)就越高。

②診斷范圍。能診斷平臺內(nèi)部環(huán)境范圍越廣，得到的分數(shù)越高。

2)故障自修復。當診斷出故障時，則要自主決策應采取何種方法修復故障，或在有故障的情況下如何完成任務。對故障自修復的評價也要從以下2個方面進行。

①修復時間。發(fā)現(xiàn)故障之后，越快修復，則自主能力越強，得到的分數(shù)越高。

②修復范圍。對于出現(xiàn)的故障，能修復的范圍越大，得分越高。

3)路徑規(guī)劃能力。主要檢驗的是無人平臺執(zhí)行任務過程中自主根據(jù)突發(fā)狀況進行動態(tài)路徑規(guī)劃與重規(guī)劃等能力，判斷無人平臺自主完成任務時的實時性和抗干擾能力。路徑規(guī)劃能力主要從以下3個子指標評價。

①規(guī)劃時間。規(guī)劃的時間越長，表示其自主能力越低，相應的分數(shù)也就越低。

②規(guī)劃精度。將規(guī)劃好的路徑與操作者認為的最便捷的路徑進行對比，一致性越高，得分越高。

③對任務的影響度。當遇到突發(fā)狀況后，按照重新規(guī)劃好的路徑執(zhí)行任務后，任務的完成度越高，則此指標得分越高。

4)任務規(guī)劃能力。主要檢驗的是無人平臺執(zhí)行任務過程中，自主根據(jù)突發(fā)狀況進行任務規(guī)劃與重規(guī)劃等能力。主要從以下3個方面評價無人平臺的路徑規(guī)劃能力。

①規(guī)劃時間。在突發(fā)狀況下，重新規(guī)劃任務需要的時間越短，自主能力越強，賦予的分數(shù)越高。

②規(guī)劃精度。將規(guī)劃好的任務完成方式與操作者認為的最佳的方式進行對比，一致性越高，此指標得到的分數(shù)越高。

③任務成功率。突發(fā)狀況時，重新規(guī)劃后的任務方式是否能完成之前規(guī)劃的任務目標。

④抗干擾能力。無人平臺能應付的突發(fā)狀況的數(shù)量和種類。

5)團隊合作能力。此項指標里的合作對象主要是無人平臺。團隊合作能力主要從以下4個子指標評價一個無人平臺的自主能力。

①合作無人平臺數(shù)量。執(zhí)行任務時，能同時合作的同類無人平臺數(shù)量越多，自主能力越強。

②合作無人平臺種類。合作的無人平臺的種類越多，體現(xiàn)其自主能力越強。

③任務難度。與其他無人平臺合作后，是否能完成以前單個平臺完成不了的任務。

④任務成功率。合作后，任務的成功率越高，則體現(xiàn)的自主能力越強。

1.2 自主水平等級模型

無人平臺總的發(fā)展趨勢是遙控—半自主—全自主［9］，所以本文按照無人平臺的發(fā)展趨勢將無人平臺的等級模型簡單分為3級，分別是遙控式、半自主式和全自主式。根據(jù)百分制原則，每一級都有相應的分數(shù)范圍，對照無人平臺自主能力的最終分數(shù)找到其相應的等級。如表1所示。

表1 無人平臺等級模型Table 1 The level model of unmanned platforms

1.3 自主水平評判方法

1.3.1 建立四指標的因素集U

“人和平臺交互”能力的一級評判指標U1=(操作者掌控時間，操作者控制平臺數(shù)量，操作者技術(shù)水平，操作者工作強度)=(u11，u12，u13，u14)。

1.3.2 確定評價集V

評價集V=(遙控式，半自主式，全自主式)=(v1，v2，v3)，用分數(shù)向量 Q=(20，60，100)表示分值。

1.3.3 確定權(quán)重向量W

本文采用層次分析法對“人和平臺的交互能力”的子指標進行權(quán)重確定。

1)用兩兩比較法建立評判矩陣A。

因為“人和平臺的交互能力”中每個子指標賦予的分值都不同，用兩兩比較法建立“人和平臺的交互能力”中一級指標的評判矩陣A。

式中，aij表示第i個指標與第j個指標的相對重要性(根據(jù)每個指標賦予的分值大小進行比較)。aij的取值一般取正整數(shù)1～9(稱為標度)及其倒數(shù)。例如，當“操作者掌控時間u11”主觀給定的分數(shù)為50;“操作者掌控平臺數(shù)量u12”主觀給定分數(shù)25;“操作者技術(shù)水平u13”主觀給定分數(shù)35;“操作者工作強度u14”主觀給定分數(shù)45。兩兩比較可知，u11相比于u12明顯重要，取a12=5;u11相比于u13稍微重要，取a13=3;u11相比于u14稍稍重要，取 a14=2。

2)運用根法計算權(quán)重向量W。

當?shù)玫降臋?quán)重向量不符合實際時，只要改變兩兩指標的相對重要性，得到新的評判矩陣即可算出新的權(quán)重向量。

1.3.4 確定評判隸屬矩陣R

將因素集 U=(u1，u2，u3，…，un)中的每個指標用評價集 V=(v1，v2，v3，…，vm)中的每個因素進行衡量，就會得到隸屬矩陣R。

式中，rij表示第j個指標關(guān)于第i項評價因素的指標隸屬度。

文中每個分級指標都主觀給定了一個百分制的分數(shù)。指標的分數(shù)不同，則指標隸屬于評價集中各等級的隸屬度也相應變化。因此，本文建立了關(guān)于分級指標分數(shù)x(x≤100)的隸屬度函數(shù)。

x隸屬于遙控式的隸屬度函數(shù)為

x隸屬于半自主式的隸屬度函數(shù)為

x隸屬于全自主式的隸屬度函數(shù)為

以“人和平臺的交互能力”為例，在構(gòu)造其比較評判矩陣時，一級指標已經(jīng)給定分值。如，“操作者掌控時間 u11”主觀給定的分數(shù)為50，則 r11=C1(x)=C1(50)=0.375表示當一級指標“操作者掌控時間u11”主觀給定的分數(shù)為50時，隸屬于遙控式等級的隸屬度為0.375。r12=C2(x)=C2(50)=1表示當一級指標“操作者掌控時間u11”主觀給定的分數(shù)為50時，隸屬于半自主式等級的隸屬度為1。r13=C3(x)=C3(50)=0.375表示當一級指標“操作者掌控時間u11”主觀給定的分數(shù)為50時，隸屬于全自主式等級的隸屬度為0.375。同理可得到其他3類指標的隸屬度。若是得到的隸屬度情況不符合實際，則只要改變每個指標賦予的分值就可得到新的隸屬矩陣。

1.3.5 得到模糊決策集B

進行U到V的模糊變換，即對權(quán)重指標向量W和評判隸屬矩陣R進行合成運算［10］，得到V上的模糊子集B。

“人和平臺的交互能力”的最終分數(shù)為

同理，按照此計算過程可得到其他3個指標的最終量化分值。

2 實例應用計算

本文中實例驗證時選定的無人平臺是“全球鷹”無人機、國內(nèi)自主研制的“紅旗HQ3”無人車和美國“斯巴達勇士”無人船。

以“全球鷹”的計算過程為例，假設(shè)“全球鷹”的四維指標的賦值如表2所示。

表2 “全球鷹”的各指標給定分值Table 2 The score of each indicator of Global Hawk

根據(jù)前面的計算過程，得到“全球鷹”的“人和平臺交互能力”為32.85分，“態(tài)勢感知能力”為57.22分，“環(huán)境適應能力”為47.15分，“規(guī)劃決策能力”為24.47分，其最終的自主能力為40.15分。

在美國“無人機路線圖中”，“全球鷹”的自主等級為2～3級，證明“全球鷹”在自主能力方面已經(jīng)具有了適應故障和飛行條件的水平。但此方法只說明了“全球鷹”具有什么樣的自主能力，而沒有說明具備這樣的自主能力需要的條件及其量化方法。本文中的模型不但評判出了“全球鷹”具備這樣的自主能力，也解釋了具備這樣的自主能力的原因和量化的方法，更容易運用到實際中判斷無人平臺的自主等級。

“紅旗HQ3”無人車的“人和平臺交互能力”為85.32分，“態(tài)勢感知能力”為67.23分，“環(huán)境適應能力”為50.17分，“規(guī)劃決策能力”為 78.44分，其最終的自主能力為70.29分。

美國“斯巴達勇士”無人船的“人和平臺交互能力”為5.12分，“態(tài)勢感知能力”為20.44分，“環(huán)境適應能力”為27.58分，“規(guī)劃決策能力”為9.20分，其最終的自主能力為15.56分。

參照表1中的等級模型，可知“全球鷹”的最終分數(shù)屬于半自主式，且處于半自主式中等范圍?！凹t旗HQ3”的分數(shù)屬于全自主式中等偏下的范圍，而“斯巴達勇士”的分數(shù)表明它的自主能力還完全屬于遙控式水平。

為了直觀地看到這四指標模型對無人平臺自主能力水平的影響程度，本文選擇以金字塔圖的形式將四指標的分數(shù)標示出來。如圖1所示。

圖1 “全球鷹”、“紅旗HQ3”和“斯巴達勇士”的自主等級金字塔圖Fig.1 Autonomy level pyramid of Global Hawk，Red Flag HQ3 and Spartan Scout

3 結(jié)束語

本文建立了一個評判無人平臺自主能力等級的四指標模型，此模型不是單純地用傳感器等裝置識別出周圍的環(huán)境狀況，而是根據(jù)當前“人和平臺的交互能力”、“態(tài)勢感知能力”、“環(huán)境適應能力”和“規(guī)劃決策能力”這四維指標進行判斷，更接近對無人平臺本身自主能力的判斷。其中的4類指標也可以進一步細化為二級、三級。此模型主要適用于單個無人平臺執(zhí)行任務時的自主能力水平的判斷，對多個無人平臺合作時的自主能力水平的判斷不是十分適用。

［1］ 楊哲，張汝波.無人系統(tǒng)自主等級模糊評價方法［J］.小型微型計算機系統(tǒng)，2009，10(10):43－48.

［2］ CLOUGH B T.How the heck do you determine a UAV's autonomy anyway［C］//Proceedings of the Performance Metrics for Intelligent Systems Workshop，Gaithersburg，Maryland，USA，2002:12－20.

［3］ CLEARY M，ABRAMSON M，DAMS M B，et al.Metrics for embedded collaborative intelligent systems［R］.Charles Stark Draper Laboratory，Inc，2000.

［4］ HUANG Huimin，PAVEK K，ALBUS J，et al.A framework for autonomy levels for unmanned systems(ALFUS)［C］//Proceedings of the AUVSI's Unmanned Systems，North America，June 2005，Ba－ltimore，MD，2005:327－336.

［5］ HUANG Huimin，PAVEK K，ALBUS J，et al.Autonomy levels for unmanned systems(ALFUS)framework:An update［C］//Proceedings of SPIE Defense and Security Symposium，Orlando，F(xiàn)lorida，2005:439－448.

［6］ HUANG Huimin，MESSINA E，ALBUS J.Toward a gene ric model for autonomy levels for unmanned systems(ALFUS)［C］//Proceedings of the Performance Metrics for Intelligent Systems Workshop，Gaithersburg，Maryland，2003:237－243.

［7］ HUANG Huimin，ALBUS J，MESSINA E，et al.Autonomy level specification for intelligent autonomous vehicles:Interim progress report［C］//PerMIS Workshop，Gaithersburg，MD，2003:223－227.

［8］ HUANG Huimin，ALBUS J，MESSINA E，et al.Specifying autonomy levels for unmanned systems:Interim report［C］//Proceedings of SPIE Defense and Security Symposium，Bellingham，WA，2004:386－397.

［9］ 高勁松，鄒慶元，陳哨東.無人機自主性概念研究［J］.電光與控制，2007，14(5):58－61.

［10］ 駱正山，陳紅玲，鄭楠.多因素模糊綜合評判模型的風險投資項目評估應用研究［J］.西安科技大學學報，2010，30(3):32－35.