柴興華，胡 炎，雷耀麟，劉 廈

(1.中國電子科技集團公司 航天信息應用技術重點實驗室，河北 石家莊 050081； 2.中國電子科技集團公司第五十四研究所，河北 石家莊 050081)

0 引言

無人機(Unmanned Aerial Vehicle，UAV)是集眾多先進技術于一體的現(xiàn)代工業(yè)產(chǎn)品，融合了電子信息技術、機械制造技術、傳感技術、計算技術及數(shù)據(jù)通信技術等。在偵察打擊、航拍搜索、救援運輸和安保監(jiān)控等領域受到越來越多的重視，給現(xiàn)代戰(zhàn)爭、生產(chǎn)勞動以及生活日常帶來深刻影響。在軍事察打領域，無人機有著不可替代的作用，大量機載航電設備為地面操控人員提供豐富平臺信息的同時，也令操控人員單位時間內(nèi)需要執(zhí)行的控制指令不斷增加，直接造成地面操控人員和保障人員的負擔過重，從而影響無人機的飛行安全和效能發(fā)揮。同時，機上無人、任務復雜以及動態(tài)環(huán)境更是成為無人機測控的不確定因素，給無人機測控技術帶來極大挑戰(zhàn)。

近年來，隨著人工智能技術的迅速發(fā)展，為減少人在復雜任務環(huán)境中的操控負擔、降低決策失誤率、提高無人機的自主性與適應能力提供了新的技術途徑。然而，從目前的無人機測控技術水平來看，近期依然無法實現(xiàn)非結構化場景下的無人機自主控制，世界范圍內(nèi)對該技術的研究基本遵循3個原則：由單機自主向多機協(xié)同發(fā)展；由半自主向完全自主發(fā)展；由部件智能向系統(tǒng)智能發(fā)展。為逐步實現(xiàn)具有強自主能力的無人機測控技術，需要理解和細分不同的自主能力等級，制定并研究每層等級所需要的關鍵技術，最終實現(xiàn)非結構化場景下無人機的完全自主控制。

美國海軍研究辦公室和空軍研究實驗室在“機載戰(zhàn)場管理系統(tǒng)”和“自主作戰(zhàn)無人機”2個國防計劃項目中，率先提出了自主作戰(zhàn)概念，明確將自主性作為評價無人機能力的重要指標，并指出了提升無人機自主性的關鍵技術：態(tài)勢感知、人工智能以及多平臺網(wǎng)絡化/通信/作戰(zhàn)。為此，美國國防部在2000-2005年連續(xù)發(fā)布了3個無人機發(fā)展規(guī)劃[1-3]，足見其對無人機智能測控技術發(fā)展的重視程度。為盡早實現(xiàn)無人機自主，以美國為首的各軍事強國對此展開了全方位研究工作，并將研究成果應用于X-47B，“全球鷹”等無人機中。

1 無人機智能測控技術

1.1 智能方法在無人機測控技術中的應用

隨著硬件計算性能的高速發(fā)展，人工智能技術也隨之廣泛應用，眾多的自主決策方式及算法呈現(xiàn)在無人機測控領域，且各有優(yōu)勢。然而，無人機自主控制問題并不能靠某一單獨的方法解決，因此結合多種方法的復合測控技術獲得了眾多研究者的青睞。針對無人機平臺各子系統(tǒng)、部件、傳感器和載荷等參數(shù)信息，結合環(huán)境、態(tài)勢和平臺性能等約束條件，建立符合各種方法的計算模型，自主進行任務規(guī)劃、故障預測和飛行控制等決策?？偨Y起來，常見的功能輸出包括任務規(guī)劃、決策支持、故障診斷、風險評估、數(shù)據(jù)分析、狀態(tài)監(jiān)控、優(yōu)化、解釋、分類、系統(tǒng)控制、預測告警及設計等[4]；常用的方法包括人工神經(jīng)網(wǎng)絡[5]、模糊邏輯[6]、遺傳算法[7]、強化學習[8]、時序邏輯[9]、專家系統(tǒng)[10]、規(guī)則系統(tǒng)[11]、實例推理[12]、約束滿足[13]以及模型推理[14]等。

如表1所示，為了更清晰地表述各方法在無人機智能測控技術中的應用情況，總結了各算法的應用分布，※為常用分布，◎為潛在應用分布，空格表示無應用分布。可以看出，在無人機智能測控技術中應用最多的4類方法包括神經(jīng)網(wǎng)絡、強化學習、約束滿足以及專家系統(tǒng)，其中約束滿足幾乎在各個無人機智能測控的分領域均有應用，而無人機任務規(guī)劃及決策支持，也可以用絕大多數(shù)算法實現(xiàn)，這增加了功能及算法實現(xiàn)上的多樣性及復雜性，也為無人機智能測控技術的發(fā)展提供了全方位的模型支持。

表1 無人機智能測控領域各算法應用分布

神經(jīng)網(wǎng)絡模糊邏輯遺傳算法強化學習時序邏輯專家系統(tǒng)規(guī)則系統(tǒng)實例推理約束滿足模型推理任務規(guī)劃※※※※※※※※※決策支持※※※※※※※※※※故障診斷◎※◎※◎※※※※※風險評估◎※◎※◎◎◎※數(shù)據(jù)分析◎※※◎※※狀態(tài)監(jiān)控※◎◎※◎※※◎優(yōu)化◎※◎◎◎※解釋※◎※※◎※※※分類※◎※※◎※系統(tǒng)控制※※※◎◎◎◎※◎預測告警※◎※※※◎◎※※設計◎◎◎◎※◎※※

1.2 無人機智能測控系統(tǒng)

無人機智能測控系統(tǒng)的決策過程是從通過有效載荷、傳感器數(shù)據(jù)、目標及任務信息，結合實時反饋的環(huán)境及態(tài)勢信息，建立原始數(shù)據(jù)與決策結果的數(shù)學映射模型，依據(jù)專家經(jīng)驗或規(guī)則邏輯做出對當前任務執(zhí)行[15]、平臺健康[16]和飛行控制[17]等問題的解釋，再結合目標、優(yōu)先級限制和約束條件等做出評估，在此基礎上做出決策，并根據(jù)授權執(zhí)行決策指令。整個過程可以用“原始數(shù)據(jù)—信息—知識—理解—評估—決策—執(zhí)行”來表述。

通常無人機智能測控系統(tǒng)的目的是要實現(xiàn)信息融合、態(tài)勢感知、決策規(guī)劃、執(zhí)行管理及人機交互等功能，以滿足無人機地面操作員認知、決策和輔助操作的需求[18]。圖1表示了無人機智能測控系統(tǒng)的模型結構，并對各功能模塊常用的實現(xiàn)方法進行了總結。模型中的故障診斷及定位功能，建立了機載傳感器與智能決策系的告警鏈接，并將結果反饋到任務重規(guī)劃過程；任務規(guī)劃功能包括環(huán)境態(tài)勢評估和任務執(zhí)行代價評估，并結合平臺作戰(zhàn)能力，最終實現(xiàn)任務優(yōu)先級調(diào)度及路徑規(guī)劃；模型中的健康管理是測控系統(tǒng)所必需的一個模塊，它是平臺性能評估的關鍵，主要功能是估計各設備、部件、傳感器的維護需求及使用壽命等。

圖1 無人機智能測控系統(tǒng)結構及常用方法

1.3 任務規(guī)劃技術

在無人機執(zhí)行任務前或執(zhí)行任務中遇到突發(fā)事件，需要進行無人機任務規(guī)劃及任務重規(guī)劃，主要是在環(huán)境信息、無人機性能、荷載性能等條件的約束下，進行合理的任務分配及航線規(guī)劃，使得無人機完成任務的時間最短或代價最低[19-21]。無人機的任務規(guī)劃問題，是多約束條件下的策略求解問題。需要考慮多方面的影響因素，包括任務需求、環(huán)境信息、氣候狀況、平臺性能和載荷屬性等，在這些條件的制約下設計航線、配置無人機架次、進行任務調(diào)度、載荷配備以及起降機場選擇等。典型的任務規(guī)劃流程如圖2所示。

圖2 無人機自主任務規(guī)劃結構圖

單機任務規(guī)劃內(nèi)容主要針對荷載[22]、數(shù)據(jù)鏈[23]和航線[24]進行。其中，荷載規(guī)劃是針對無人機執(zhí)行多屬性任務時，對荷載資源進行有效分配，高效率、低代價地完成計劃任務；數(shù)據(jù)鏈規(guī)劃是針對無人機與控制站之間的通信有效性，對數(shù)據(jù)鏈信道的工作頻率進行合理分配，避免電磁兼容等問題對無人機通信造成破壞與干擾；航線規(guī)劃是針對已知環(huán)境信息、任務需求以及各類約束，制定一條符合時間最短、代價最小或覆蓋率最高等任務要求的飛行路線。任務規(guī)劃中常見的算法有：① 動態(tài)規(guī)劃算法[25]，算法模型簡單且易于實現(xiàn)，但算法的路徑狀態(tài)隨問題規(guī)模呈指數(shù)增長，不適合規(guī)模較大的任務求解問題；② 遺遺傳算法[26]，不需要固定的模型進行運算，但算法編碼復雜度較高，時間代價較大；③ 蟻群算法[27]，具有分布計算、信息正反饋和啟發(fā)式搜索的特征，對最優(yōu)路徑的選擇具有極大的可能性和適應性，然而搜索速度慢、易陷入局部最優(yōu)解；④ A*算法[28]，傳統(tǒng)的優(yōu)化算法的代表，高效且易于工程實現(xiàn)，但在求解大規(guī)模組合優(yōu)化問題時效率較低，需要進行改進。

多機協(xié)同任務規(guī)劃從功能上包括多機任務分配和協(xié)同路徑規(guī)劃2項主要內(nèi)容。其中，任務分配指為多個無人機根據(jù)任務需求進行任務指派，如對多無人機分配任務目標、確定載荷類型、進行武器配置和編隊配置、確定武器的投放區(qū)及目標的打擊點/方向等，多機協(xié)同任務分配中采用優(yōu)化算法通常包含：進化算法[29]、禁忌搜索法[30]和模擬退火法[31]等。多機協(xié)同路徑規(guī)劃是有單機路徑規(guī)劃進化而來，將多無人機互相協(xié)同納入到路徑規(guī)劃約束條件，再結合任務需求、平臺性能以及環(huán)境信息等約束，為機群每架各無人機制定飛行路徑，并滿足機群在時空上的協(xié)調(diào)一致關系。規(guī)劃算法與單機路徑規(guī)劃機理相似，是一個多約束條件下的目標優(yōu)化與決策問題，需要采用各類優(yōu)化算法降低問題復雜度及解空間。

1.4 故障預測與健康管理

除了無人機平臺本身，測試性、維修性、保障性已經(jīng)被提升到和設備性能同等重要的位置，健康管理技術正是針對無人機的可維護性設計的保障決策機制，是無人機智能測控系統(tǒng)的重要組成部分，通常利用先進的傳感器采集設備的各項關鍵參數(shù)，在分析算法和智能模型驅動下預測、監(jiān)控和管理無人機的重要狀態(tài)參數(shù)。對無人機系統(tǒng)、設備以及關鍵部件進行狀態(tài)監(jiān)測、故障預測及剩余壽命評估，并形成對無人機的保障及維修決策。

上世紀90年代末，美國為實現(xiàn)無人機保障維修信息一體化及增強設備自診斷能力，率先提出了故障預測與健康管理(Prognostic and Health Management，PHM)系統(tǒng)[32]，利用先進的傳感器(如渦流傳感器[33]、小功率無線綜合微型傳感器[34]和無線微機電系統(tǒng)[35])的集成，并借助各種算法(如Gabor變換[36]、快速傅里葉變換[37]和離散傅里葉變換[38])和智能模型(如專家系統(tǒng)[39]、神經(jīng)網(wǎng)絡[40]和模糊邏輯[41]等)來預測、監(jiān)控和管理飛機狀態(tài)，從而減少系統(tǒng)維護費用，提高飛機生存能力。現(xiàn)階段，故障預測與健康管理技術已經(jīng)得到美英等軍事強國的深度研究與推廣應用，并正在成為新一代武器裝備研制階段與使用階段的重要組成部分。代表性的無人機故障預測與健康管理系統(tǒng)包括：X34超高速飛行器、X37空天飛機、“全球鷹”無人機、無人作戰(zhàn)飛機(UCAV)以及RQ-7A/B“影子”200戰(zhàn)術無人機系統(tǒng)等。

故障預測與健康管理系統(tǒng)可以根據(jù)監(jiān)測及維護的對象分為系統(tǒng)級、設備級和關鍵部件級，結合歷史數(shù)據(jù)，實現(xiàn)平臺狀態(tài)監(jiān)測、故障預測及剩余壽命估計，如圖3所示。

圖3 無人機故障預測與健康管理流程

狀態(tài)監(jiān)測模塊主要通過接收來自傳感器、遙測數(shù)據(jù)以及對象本身的狀態(tài)參數(shù)，采用數(shù)據(jù)分析算法與正常參數(shù)范圍進行比較，從而判斷對象的狀態(tài)，并且通過設置各類狀態(tài)參數(shù)指標閾值形成故障告警能力；故障預測模塊主要綜合利用序列數(shù)據(jù)信息，評估預測被監(jiān)測對象未來的故障發(fā)生概率，包括故障預測和趨勢追蹤等；剩余壽命估計模塊主要是基于各種狀態(tài)參數(shù)的歷史數(shù)據(jù)、當前工作狀態(tài)以及維修數(shù)據(jù)等構建退化模型，評估被監(jiān)測對象的健康狀態(tài)，產(chǎn)生健康狀態(tài)監(jiān)測記錄并評估對象剩余使用壽命。

國內(nèi)方面，無人機健康管理工程應用幾乎一片空白。自十一五《國家中長期科學技術和技術發(fā)展規(guī)劃綱要》把“重大產(chǎn)品和重大設施的壽命預測技術”列為亟待發(fā)展的前沿技術，至十三五“重大產(chǎn)品和重大設施的壽命預測技術”仍然是亟待發(fā)展的前沿技術。雖然近年來在狀態(tài)監(jiān)測、故障預測和診斷方面進行了大量的方法性研究，然而尚無成功工程案例可供參考。

2 無人機智能測控技術發(fā)展趨勢

2.1 整機智能化發(fā)展趨勢

根據(jù)美國空軍研究實驗室無人機發(fā)展計劃路線中的定義[1]，無人機自主能力分為10個等級：1級-遠程控制；2級-實時故障診斷；3級-故障自修復和飛行環(huán)境自適應；4級-自主航線規(guī)劃；5級-機群協(xié)同；6級-機群戰(zhàn)術任務重規(guī)劃；7級-機群攻擊戰(zhàn)術目標；8級-分布式控制；9級-機群攻擊戰(zhàn)略目標；10級-機群協(xié)同全自主。美國無人機自主控制等級發(fā)展路線圖如圖4所示。

圖4 美國軍用研究實驗室的無人機自主控制層級劃分

分析無人機自主能力的10個等級，可將其總結為3類：① 單機自主：1級、2級、3級和4級；② 多機協(xié)同自主：5級、6級和7級；③ 機群網(wǎng)絡化自主：8級、9級和10級。此外，NASA飛行器系統(tǒng)計劃高空長航時部在美國空軍研究實驗室分級的基礎上，制定了高空長航時無人機自主能力的評價方法。該方法的評價標準和意義更加明晰，具有更好的可操作性，其等級劃分如表2所示。

表2 NASA飛行器系統(tǒng)計劃高空長航時部定義的無人機自主等級

等級名稱描述特征0完全遙控操作完全人在回路的遙控飛行(100%時間由人掌控)遙控無人機1簡單自動操作依靠自控設備輔助,在操作員監(jiān)視下執(zhí)行任務(80%時間由操作員掌控)自動駕駛儀2遠程程序操作執(zhí)行操作員預編程序任務(50%時間由操作員掌控)無人機綜合管理預設航路點飛行3半自主自動執(zhí)行復雜任務,部分態(tài)勢感知能力,常規(guī)決策能力(20%時間由操作員掌控)自動起降,通信拒止后可繼續(xù)任務4完全自主廣泛的態(tài)勢感知能力,全面決策能的力和權限(<5%時間由操作員掌控)自主任務重規(guī)劃5協(xié)同操作多架無人機可團隊協(xié)作,自主任務能力多機自主和協(xié)同飛行

2.2 無人機智能測控技術研究趨勢

無人機智能測控技術在國內(nèi)目前還處于起步階段。要實現(xiàn)無人機在動態(tài)不確定復雜環(huán)境和時間敏感態(tài)勢下的智能控制，實現(xiàn)對信息快速有效獲取、傳輸和處理，目前還缺乏有效的技術手段。針對無人機系統(tǒng)自主控制技術需要進一步研究的內(nèi)容有：

(1)飛行控制方向

面臨不確定戰(zhàn)場環(huán)境和復雜的通信條件，完成基本的避障、威脅規(guī)避和自主起降等控制任務，實現(xiàn)無人機基本任務剖面的自動控制；不確定環(huán)境下多無人機協(xié)調(diào)控制技術，無人機系統(tǒng)的作戰(zhàn)模式由單平臺逐步向更靈活的單站控制多無人機協(xié)同作戰(zhàn)方式及有人/無人機協(xié)同控制方式發(fā)展。

(2)任務規(guī)劃方向

由單機任務調(diào)度、路徑規(guī)劃向無人機群自組織任務執(zhí)行方向發(fā)展。無人機自組織技術主要探索具有低成本優(yōu)勢的無人機群在高度對抗的戰(zhàn)場環(huán)境中面對動態(tài)變化的任務，如何自組網(wǎng)完成多目標搜索、跟蹤和打擊等任務，實現(xiàn)較高程度的自主協(xié)作，從而能在盡量少的人工干預下完成預期任務。

(3)故障預測及健康管理方向

綜合健康管理技術是提高無人機安全性、可靠性及可維護性并有效地降低風險及維護成本的重要技術途徑，目前，監(jiān)測與診斷技術相對比較成熟，而預測特別是使用壽命預測還具有很大的挑戰(zhàn)性；在健康管理能力試驗驗證方面，國外已開展了大量研究工作，國內(nèi)也開展了初步研究工作，但目前還沒有成熟的健康管理體系。

(4)其他方向

面向環(huán)境感知的圖像信息融合技術，包括單平臺機載傳感器的圖像融合，以及多平臺多源傳感器的圖像融合；開展無人機系統(tǒng)學習機制研究，針對無人機復雜環(huán)境下的深度認知問題，力爭在學習機理和模型算法研究方面著手，提高無人機的環(huán)境自適應能力、自學習能力和邏輯推理能力。

3 結束語

無人機智能測控作為現(xiàn)代飛機的全新技術，未來具有廣泛的應用空間并發(fā)揮重要作用。然而，我國對于無人機智能測控系統(tǒng)研究還處于初級的階段，相比歐美發(fā)達國家存在很大的差距，應當加強研究力度。針對智能測控系統(tǒng)各模塊，在多機協(xié)同自主技術、故障預測和健康管理技術以及具有學習能力的測控技術架構等方向，將會是無人機智能測控領域的重點研究內(nèi)容。