李霓，布樹輝，尚柏林，李永波，湯志荔，張偉偉

西北工業(yè)大學(xué) 航空學(xué)院，西安 710072

美國國防高級(jí)研究計(jì)劃局(DARPA)和美國國家航空航天局(NASA)等機(jī)構(gòu)從20世紀(jì)90年代起便一直致力于推進(jìn)人工智能技術(shù)在飛行器設(shè)計(jì)等方面的工程應(yīng)用[1]。北約科學(xué)技術(shù)組織(NATO)在2020年3月發(fā)布的《科學(xué)和技術(shù)趨勢(shì)：2020—2040》中把人工智能歸為能對(duì)世界產(chǎn)生顛覆性影響的8大技術(shù)領(lǐng)域之一[2]。隨著人工智能技術(shù)的飛速發(fā)展，以機(jī)器學(xué)習(xí)為代表的各種智能方法已延伸到飛行器氣動(dòng)、強(qiáng)度、結(jié)構(gòu)設(shè)計(jì)等各個(gè)方面，極大地優(yōu)化了設(shè)計(jì)效率和效果。如對(duì)于簡(jiǎn)單的后掠機(jī)翼的氣動(dòng)彈性可靠性優(yōu)化設(shè)計(jì)算例，在同等的計(jì)算條件下，采用直接耦合仿真方法的優(yōu)化耗時(shí)約5年，而采用基于數(shù)據(jù)驅(qū)動(dòng)降階模型的優(yōu)化設(shè)計(jì)耗時(shí)僅2天[3]。當(dāng)前研究表明，機(jī)器學(xué)習(xí)等智能方法在下一代飛行器研發(fā)中將起到越來越重要的作用。

在傳統(tǒng)飛行器的研發(fā)中，首先需要根據(jù)任務(wù)要求確定飛機(jī)總重，選定可供設(shè)計(jì)參考的原型機(jī)；其次，根據(jù)飛機(jī)重量設(shè)計(jì)預(yù)期的氣動(dòng)特性和翼載；最后，根據(jù)所需氣動(dòng)特性選擇氣動(dòng)布局，分別對(duì)機(jī)翼、尾翼等關(guān)鍵部件進(jìn)行設(shè)計(jì)[4-5]。這種傳統(tǒng)設(shè)計(jì)思路以完成作戰(zhàn)任務(wù)為驅(qū)動(dòng)，設(shè)計(jì)目標(biāo)清晰明確，各部件設(shè)計(jì)的獨(dú)立性較強(qiáng)、耦合度不高，涉及到的學(xué)科之間有明顯的專業(yè)界線，可明確分工，在有原型機(jī)作參考的逆向設(shè)計(jì)中具有較大優(yōu)勢(shì)。

中國軍用飛行器的設(shè)計(jì)正由過去的“跟跑”向“并跑”轉(zhuǎn)變，并且在未來還要實(shí)現(xiàn)“領(lǐng)跑”目標(biāo)。在飛行器的設(shè)計(jì)中很可能面臨需求模糊、無原型機(jī)和無明確設(shè)計(jì)指標(biāo)的困境；其次，隨著飛行器的飛行狀態(tài)趨向于極端狀態(tài)(高超聲速、高隱身、高機(jī)動(dòng)性等)，諸多學(xué)科耦合度不高而導(dǎo)致的新問題逐一浮現(xiàn)；另外，未來戰(zhàn)場(chǎng)環(huán)境錯(cuò)綜復(fù)雜，戰(zhàn)爭(zhēng)也會(huì)逐漸向體系對(duì)抗轉(zhuǎn)變[6]。飛行器設(shè)計(jì)在未來需要追求整體任務(wù)綜合性能的最大化，只有這樣才能充分發(fā)掘飛行器的潛能，而傳統(tǒng)按部件分解的設(shè)計(jì)模式無法滿足要求。因此，未來的飛行器設(shè)計(jì)必須發(fā)展新的設(shè)計(jì)范式，有效集成不同學(xué)科的優(yōu)勢(shì)，以滿足極端復(fù)雜和苛嚴(yán)的設(shè)計(jì)需求。

鑒于此，提出飛行器智能設(shè)計(jì)體系，旨在通過智能方法，融合多源信息、多場(chǎng)數(shù)據(jù)以及人的先驗(yàn)知識(shí)，考慮飛行器整個(gè)生命周期內(nèi)的功能和價(jià)值屬性，實(shí)現(xiàn)飛行器體系化的整體性設(shè)計(jì)。本文深入探討了飛行器智能設(shè)計(jì)的關(guān)鍵技術(shù)和面臨的挑戰(zhàn)，并就其中的關(guān)鍵科學(xué)問題進(jìn)行了討論，旨在為飛行器設(shè)計(jì)的未來發(fā)展提出見解。

1 飛行器智能設(shè)計(jì)理念與內(nèi)涵

未來戰(zhàn)爭(zhēng)將是高強(qiáng)度的對(duì)抗，這對(duì)飛行器的性能提出了非常高的要求，傳統(tǒng)的飛行器設(shè)計(jì)方法無法同時(shí)滿足多組多層級(jí)指標(biāo)要求，因此需要引入智能方法尋求更優(yōu)的設(shè)計(jì)方案。按照目前技術(shù)發(fā)展來看，飛行器智能化設(shè)計(jì)應(yīng)以體系需求和能力為頂層指導(dǎo)，通過知識(shí)表達(dá)、推理和應(yīng)用等核心手段支撐，將智能方法融合到全生命周期的各個(gè)設(shè)計(jì)環(huán)節(jié)，再利用實(shí)體與虛擬結(jié)合的方式實(shí)現(xiàn)自身與外部的感知與預(yù)測(cè)，最后通過知識(shí)庫與數(shù)字孿生系統(tǒng)實(shí)現(xiàn)飛行器設(shè)計(jì)的迭代與自演進(jìn)優(yōu)化。

飛行器全生命周期設(shè)計(jì)方法與過程可概括為平臺(tái)系統(tǒng)設(shè)計(jì)、制造生產(chǎn)和運(yùn)行維護(hù)與改進(jìn)這3個(gè)階段[7]，如圖1(黃框)所示。在傳統(tǒng)的飛行器設(shè)計(jì)框架下，各學(xué)科是相對(duì)獨(dú)立的，在設(shè)計(jì)需求、指標(biāo)不確定時(shí)很難達(dá)到綜合性能最優(yōu)。因此，在智能設(shè)計(jì)體系中，為了綜合考慮各學(xué)科的相互耦合性，通過機(jī)器學(xué)習(xí)技術(shù)對(duì)不同類型的海量數(shù)據(jù)進(jìn)行知識(shí)抽取、知識(shí)融合、知識(shí)推理和知識(shí)表達(dá)，并建立實(shí)驗(yàn)數(shù)據(jù)、標(biāo)準(zhǔn)規(guī)范等知識(shí)庫，以幫助專家對(duì)飛行器設(shè)計(jì)、維護(hù)、任務(wù)規(guī)劃等進(jìn)行決策制定，從而完成更高層級(jí)的設(shè)計(jì)任務(wù)。另外，將3個(gè)階段產(chǎn)生的數(shù)據(jù)與傳感器采集的數(shù)據(jù)融合并傳輸至數(shù)字孿生系統(tǒng)。通過多尺度、多學(xué)科、多物理場(chǎng)建模及一體化計(jì)算等建立飛行器鏡像，并與實(shí)際飛行器匹配和同步，進(jìn)行離線狀態(tài)評(píng)估、壽命預(yù)測(cè)、任務(wù)執(zhí)行力評(píng)估等。這些信息將反饋給知識(shí)庫，實(shí)現(xiàn)飛行器設(shè)計(jì)的迭代與自演進(jìn)。同時(shí)通過體驗(yàn)平臺(tái)，使決策者快速了解系統(tǒng)實(shí)際狀態(tài)并指導(dǎo)操作。

圖1 智能設(shè)計(jì)體系框架Fig.1 Framework of intelligent design system

從廣義上講，滿足全生命周期要求的飛行器智能設(shè)計(jì)體系有以下特點(diǎn)：① 飛行器設(shè)計(jì)智能自演進(jìn)，綜合考慮全生命周期內(nèi)的價(jià)值屬性，正向建立創(chuàng)新設(shè)計(jì)模式，智能改進(jìn)飛行器的氣動(dòng)、結(jié)構(gòu)等方面的參數(shù)；② 運(yùn)維系統(tǒng)智能，智能綜合控制飛行器的各類系統(tǒng)，對(duì)飛行器進(jìn)行智能診斷與自愈控制，完成體系中個(gè)體/群體交互和人機(jī)協(xié)同等任務(wù)；③ 實(shí)體與虛擬結(jié)合，精準(zhǔn)模擬飛行器全生命周期的運(yùn)行狀態(tài)，并能對(duì)飛行器設(shè)計(jì)、生產(chǎn)制造、運(yùn)行維護(hù)等全生命各個(gè)階段提供支撐和指導(dǎo)；④ 知 識(shí)圖譜支撐，融合飛行器生命各個(gè)階段的數(shù)據(jù)、虛擬仿真數(shù)據(jù)、試驗(yàn)數(shù)據(jù)、人為知識(shí)和經(jīng)驗(yàn)并進(jìn)行學(xué)習(xí)和推理，使信息資源更易于計(jì)算、理解和評(píng)價(jià)，為整個(gè)飛行器智能設(shè)計(jì)體系提供數(shù)據(jù)支撐。

飛行器智能設(shè)計(jì)屬于第4研究范式[8]，即充分發(fā)揮電腦高性能計(jì)算的作用，利用大量試驗(yàn)、仿真數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，提取其特征并融合人的知識(shí)經(jīng)驗(yàn)，通過知識(shí)遷移學(xué)習(xí)和數(shù)字孿生技術(shù)實(shí)現(xiàn)飛行器設(shè)計(jì)的迭代與優(yōu)化，如圖2所示。具體解釋如下：

圖2 智能設(shè)計(jì)的范式Fig.2 Paradigm of intelligent design

1) 多源跨域數(shù)據(jù)特征提取。飛行器的實(shí)驗(yàn)數(shù)據(jù)、仿真數(shù)據(jù)和服役運(yùn)行等數(shù)據(jù)信息往往來自不同型號(hào)和不同測(cè)點(diǎn)。這些數(shù)據(jù)在結(jié)構(gòu)組織或者表現(xiàn)形式上存在差異，需要通過多源異構(gòu)知識(shí)融合算法對(duì)不同來源的數(shù)據(jù)、信息加以聯(lián)合和組織后，再在同一個(gè)信息域進(jìn)行特征融合。

2) 數(shù)據(jù)特征學(xué)習(xí)和推理。智能設(shè)計(jì)利用多源數(shù)據(jù)特征和知識(shí)融合模型，引入基于機(jī)器學(xué)習(xí)的特征提取算法，通過網(wǎng)絡(luò)對(duì)數(shù)據(jù)特征進(jìn)行推演學(xué)習(xí)。此外，基于知識(shí)圖譜框架，通過融合人為知識(shí)、經(jīng)驗(yàn)和數(shù)學(xué)模型，使機(jī)器學(xué)習(xí)具備更好的可解釋性、穩(wěn)定性以及可信任性。

3) 小樣本數(shù)據(jù)知識(shí)遷移。對(duì)提取的數(shù)據(jù)特征進(jìn)行學(xué)習(xí)、推理之后，雖然積累了大量數(shù)據(jù)，但航空飛行器種類和狀態(tài)繁多，這些數(shù)據(jù)依舊屬于小樣本。所以需要發(fā)展小樣本數(shù)據(jù)知識(shí)遷移學(xué)習(xí)方法(如遷移學(xué)習(xí)、元學(xué)習(xí)技術(shù)等)，將學(xué)習(xí)到的模型泛化到更多的狀態(tài)和對(duì)象，快速、高效、穩(wěn)定地遷移到新的任務(wù)中。

4) 建立數(shù)字孿生模型?；谝陨蠑?shù)據(jù)建立數(shù)字孿生模型，并通過閉環(huán)流程來逐步迭代和優(yōu)化，以提升模型精度。數(shù)字孿生模型可全面接納飛行器全生命周期內(nèi)的狀態(tài)、行為、過程等靜態(tài)及動(dòng)態(tài)的信息，并復(fù)現(xiàn)飛行器任意時(shí)刻的狀態(tài)，還可根據(jù)認(rèn)知機(jī)理和規(guī)則來推演仿真未來時(shí)刻的“假設(shè)”場(chǎng)景，對(duì)其狀態(tài)進(jìn)行預(yù)判。

2 智能設(shè)計(jì)的關(guān)鍵技術(shù)

根據(jù)對(duì)智能設(shè)計(jì)體系發(fā)展的預(yù)測(cè)，多物理場(chǎng)多學(xué)科智能融合設(shè)計(jì)、面向飛行器智能設(shè)計(jì)的數(shù)字孿生技術(shù)、航電任務(wù)系統(tǒng)綜合設(shè)計(jì)、飛行器體系化智能設(shè)計(jì)、人機(jī)協(xié)同智能系統(tǒng)設(shè)計(jì)等技術(shù)對(duì)于實(shí)現(xiàn)飛行器智能設(shè)計(jì)較為關(guān)鍵。

2.1 飛行器多物理場(chǎng)多學(xué)科智能融合設(shè)計(jì)

飛行器設(shè)計(jì)是多學(xué)科/多部門協(xié)調(diào)決策的過程，要求結(jié)構(gòu)、氣動(dòng)、控制、隱身等綜合能力達(dá)到最優(yōu)[9-11]。智能化設(shè)計(jì)是多學(xué)科/多目標(biāo)設(shè)計(jì)的綜合體現(xiàn)，追求整體任務(wù)綜合性能的最大化，亟需解決飛行器多物理場(chǎng)、多學(xué)科智能融合設(shè)計(jì)這一關(guān)鍵技術(shù)。具體內(nèi)涵如下：

1) 基于人工智能的氣動(dòng)與多學(xué)科設(shè)計(jì)

隨著飛行器精細(xì)化設(shè)計(jì)需求越來越復(fù)雜，氣動(dòng)設(shè)計(jì)所面臨的復(fù)雜度也不斷提升，單獨(dú)考慮氣動(dòng)性能指標(biāo)的設(shè)計(jì)已遠(yuǎn)遠(yuǎn)不能滿足當(dāng)下的工程需求。下一代飛行器的設(shè)計(jì)需要考慮多學(xué)科、多物理場(chǎng)之間的耦合作用[12]，如氣動(dòng)-結(jié)構(gòu)耦合設(shè)計(jì)、氣動(dòng)-噪聲耦合設(shè)計(jì)、飛行器-發(fā)動(dòng)機(jī)耦合一體化設(shè)計(jì)、氣動(dòng)-隱身耦合設(shè)計(jì)等。這些工程需求勢(shì)必會(huì)大幅增加氣動(dòng)優(yōu)化設(shè)計(jì)難度，因此基于人工智能的氣動(dòng)多學(xué)科設(shè)計(jì)亟需從以下幾個(gè)方面尋求突破。

首先，氣動(dòng)與多學(xué)科優(yōu)化設(shè)計(jì)面臨高維和高精度的海量計(jì)算，如何提升優(yōu)化設(shè)計(jì)效率以滿足工程設(shè)計(jì)需求十分關(guān)鍵?？刹捎门c人工智能相關(guān)的機(jī)器學(xué)習(xí)技術(shù)，開展基于集成學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等手段的氣動(dòng)外形優(yōu)化設(shè)計(jì)方法。對(duì)于高維設(shè)計(jì)，可從稀疏學(xué)習(xí)、特征分析的角度進(jìn)行設(shè)計(jì)空間分解或設(shè)計(jì)分層以提升優(yōu)化效率。

其次，復(fù)雜的工程氣動(dòng)設(shè)計(jì)依然非常依賴專家或設(shè)計(jì)師經(jīng)驗(yàn)，需要大量“人在回路”干預(yù)[13]。在氣動(dòng)設(shè)計(jì)自動(dòng)化的基礎(chǔ)上，如何進(jìn)一步減弱“人在回路”干預(yù)從而提升設(shè)計(jì)的智能化程度是另一個(gè)值得關(guān)注的難題[10]。針對(duì)該問題，有望利用人工智能技術(shù)替代專家經(jīng)驗(yàn)，減弱“人在回路”作用，提升智能化氣動(dòng)設(shè)計(jì)水平。此外，開展多目標(biāo)、多約束的自主智能化分配技術(shù)，也有利于實(shí)現(xiàn)根據(jù)實(shí)際需求自主變更目標(biāo)及約束的優(yōu)化進(jìn)程。

2) 多源氣動(dòng)數(shù)據(jù)智能融合和關(guān)聯(lián)

飛行器氣動(dòng)數(shù)據(jù)的主要獲取途徑包括數(shù)值計(jì)算、風(fēng)洞試驗(yàn)和飛行試驗(yàn)(模型和飛行試驗(yàn))3大手段。然而，在實(shí)際應(yīng)用中利用3大手段獲取的氣動(dòng)數(shù)據(jù)往往具有顯著的差異。如何充分利用這些數(shù)據(jù)，降低氣動(dòng)數(shù)據(jù)獲取成本，并且最大限度地提升氣動(dòng)力數(shù)據(jù)庫的整體精度和一致性，是氣動(dòng)力多源數(shù)據(jù)智能融合和關(guān)聯(lián)研究的核心[14]。

目前主要采用的是數(shù)據(jù)融合技術(shù)，通過數(shù)據(jù)估計(jì)、建模、采集管理等手段，將多種來源的測(cè)量結(jié)果在時(shí)間或空間上冗余或互補(bǔ)的信息依據(jù)某種準(zhǔn)則進(jìn)行綜合，產(chǎn)生關(guān)于被測(cè)對(duì)象更準(zhǔn)確的信息和更一致的解釋或描述，從而獲得具有最大可信度的結(jié)果。在該領(lǐng)域的工作包括天地一致性研究[15]，針對(duì)高、低精度數(shù)據(jù)的氣動(dòng)力融合方法[16]，以及不同狀態(tài)數(shù)據(jù)的氣動(dòng)力融合方法[17]等。未來還需要在數(shù)據(jù)融合準(zhǔn)則和算法上進(jìn)一步深入，尤其需要將智能融合方法和流體力學(xué)誤差來源理論進(jìn)行有機(jī)結(jié)合，找到手段、狀態(tài)等不同數(shù)據(jù)間的信息融合方法。

3) 數(shù)據(jù)驅(qū)動(dòng)的飛行器材料/結(jié)構(gòu)多尺度設(shè)計(jì)

變體飛行器可以根據(jù)不同飛行任務(wù)和飛行條件改變自身形狀，從而提高飛行器的綜合性能，是未來飛行器發(fā)展的重要方向之一[18]。而材料和結(jié)構(gòu)的多尺度設(shè)計(jì)與優(yōu)化是實(shí)現(xiàn)變體飛行器的關(guān)鍵。

智能變形結(jié)構(gòu)的設(shè)計(jì)和實(shí)現(xiàn)涉及仿生學(xué)、材料學(xué)、結(jié)構(gòu)力學(xué)、現(xiàn)代機(jī)械學(xué)、控制理論、傳感和信息技術(shù)等多個(gè)學(xué)科[19]。當(dāng)前的變體飛行器技術(shù)主要通過變體結(jié)構(gòu)設(shè)計(jì)，如可變后掠機(jī)翼、可變彎度機(jī)翼、折疊機(jī)翼等，以及形狀記憶聚合物、形狀記憶合金、壓電疊堆陶瓷、壓電纖維復(fù)合材料、磁滯伸縮材料等智能材料來實(shí)現(xiàn)。

變體飛行器必須解決變形材料/結(jié)構(gòu)的高承載、輕質(zhì)、大輸出力驅(qū)動(dòng)以及自適應(yīng)結(jié)構(gòu)等關(guān)鍵問題。因此，未來需要進(jìn)一步在以下幾個(gè)方面開展研究：智能材料的材料設(shè)計(jì)與新材料探索、智能材料結(jié)構(gòu)的多場(chǎng)耦合力學(xué)行為表征與變形控制技術(shù)、滿足氣動(dòng)要求的輕質(zhì)柔順可變形結(jié)構(gòu)技術(shù)、高性能致動(dòng)器及其控制技術(shù)、分布式傳感網(wǎng)絡(luò)技術(shù)、狀態(tài)檢測(cè)與損傷自診斷技術(shù)等。通過數(shù)據(jù)驅(qū)動(dòng)的飛行器材料/結(jié)構(gòu)多尺度設(shè)計(jì)技術(shù)的突破，來滿足變體飛行器對(duì)輕質(zhì)、大輸出力、大變形等材料和結(jié)構(gòu)的需求，為其更廣泛的應(yīng)用提供技術(shù)基礎(chǔ)。

4) 數(shù)據(jù)驅(qū)動(dòng)的飛行器多場(chǎng)耦合模型

高超聲速飛行器研制需要直面的流-固-熱耦合難題是典型的多場(chǎng)耦合問題。傳統(tǒng)的直接耦合仿真方法計(jì)算量巨大，難以在型號(hào)研制中被廣泛采用。籠統(tǒng)、海量的多場(chǎng)耦合大數(shù)據(jù)無法為工程師提供清晰、準(zhǔn)確的設(shè)計(jì)思路，很難為工程設(shè)計(jì)提供有力的技術(shù)支撐。

隨著人工智能時(shí)代的到來，基于數(shù)據(jù)驅(qū)動(dòng)的多場(chǎng)耦合分析建模成為可能。目前學(xué)術(shù)界已經(jīng)在非定常氣動(dòng)力建模[20-21]、氣動(dòng)熱建模[22-23]和非線性結(jié)構(gòu)建模[24]等獨(dú)立學(xué)科的模型化方面取得了一定的進(jìn)展。這些工作為多場(chǎng)耦合仿真提供了“化整為零”的新思路，能有針對(duì)性地提高計(jì)算效率和精度，這是傳統(tǒng)計(jì)算方法(如工程方法和數(shù)值模擬)所不能兼顧的。在子學(xué)科建模的基礎(chǔ)上進(jìn)行“化零為整”的耦合架構(gòu)設(shè)計(jì)，不僅可以提升分析效率，還能極大提升多學(xué)科、多場(chǎng)耦合復(fù)雜問題的可分析性和可設(shè)計(jì)性[25-26]。Ladicky等采用回歸森林方法成功對(duì)非定常流場(chǎng)進(jìn)行預(yù)測(cè)，數(shù)值計(jì)算效率提高至少10倍[27]。Guo等通過卷積神經(jīng)網(wǎng)絡(luò)方法對(duì)氣流場(chǎng)進(jìn)行預(yù)測(cè)，在保證精度相當(dāng)?shù)那闆r下，計(jì)算效率提升了2～4個(gè)數(shù)量級(jí)[28]。

在未來該領(lǐng)域可以進(jìn)一步關(guān)注非均分布物理場(chǎng)降階方法，動(dòng)態(tài)、非線性、時(shí)變/變參系統(tǒng)的模型化，復(fù)雜多場(chǎng)/多學(xué)科問題耦合特征的定量評(píng)估與簡(jiǎn)化策略和基于數(shù)據(jù)驅(qū)動(dòng)模型的多場(chǎng)耦合問題的機(jī)理等方面的研究。

2.2 面向飛行器體系智能設(shè)計(jì)的數(shù)字孿生技術(shù)

隨著飛行器功能和性能的持續(xù)提升，飛行器系統(tǒng)組件越來越多，而組件與組件之間的交互會(huì)衍生出復(fù)雜特征，如系統(tǒng)狀態(tài)隨時(shí)間快速變化的動(dòng)態(tài)性，以及系統(tǒng)材料、結(jié)構(gòu)、氣動(dòng)、周圍環(huán)境存在的不確定性。數(shù)字孿生作為一個(gè)技術(shù)體系，旨在為物理系統(tǒng)創(chuàng)造一個(gè)數(shù)字集合體或模型來表達(dá)其全生命周期的所有知識(shí)。利用飛行器及其運(yùn)行環(huán)境的數(shù)字孿生體，可以實(shí)時(shí)監(jiān)測(cè)飛行器的狀態(tài)并評(píng)估飛行器性能，在飛行器整個(gè)生命周期中，結(jié)合運(yùn)行環(huán)境信息優(yōu)化飛行器的操作、運(yùn)行與維護(hù)，提高設(shè)計(jì)水平與智能化程度。

1) 飛行器智能數(shù)字孿生

2003年，美國密歇根大學(xué)教授Michael Grieves提出通過物理設(shè)備的數(shù)據(jù)，在虛擬空間構(gòu)建一個(gè)可以表征該物理設(shè)備的虛擬實(shí)體和子系統(tǒng)，并且這種聯(lián)系在整個(gè)產(chǎn)品的生命周期中都聯(lián)系在一起[29]。這個(gè)概念在2011年被正式命名為數(shù)字孿生，以解決未來復(fù)雜服役環(huán)境下的飛機(jī)運(yùn)行維護(hù)的問題[30-31]。

飛行器數(shù)字孿生可定義為：一種數(shù)字技術(shù)驅(qū)動(dòng)的多學(xué)科、多物理場(chǎng)、多尺度、多保真度、多概率的虛擬性仿真、驗(yàn)證系統(tǒng)，采用在線傳感器監(jiān)測(cè)、離線地面檢查、飛機(jī)運(yùn)行歷史等多源數(shù)據(jù)，反映并預(yù)測(cè)飛行器在全壽命周期內(nèi)的行為和性能。數(shù)字孿生不是一個(gè)靜態(tài)模型，而是一個(gè)動(dòng)態(tài)模型，會(huì)隨著數(shù)據(jù)的產(chǎn)生而不斷演化，是模型、數(shù)據(jù)、概率和決策的有機(jī)融合。數(shù)字孿生和其他技術(shù)相比具有以下顯著的特點(diǎn)：① 虛實(shí)結(jié)合，旨在建立實(shí)體與虛擬模型之間的雙向映射與深度融合，數(shù)字孿生體在動(dòng)態(tài)展示飛機(jī)相關(guān)數(shù)據(jù)改變的同時(shí)，可根據(jù)真實(shí)飛機(jī)參數(shù)進(jìn)行智能分析和決策；② 時(shí)效性，飛行器數(shù)字孿生體根據(jù)傳感器實(shí)時(shí)數(shù)據(jù)與飛行器狀態(tài)信息，進(jìn)行狀態(tài)預(yù)測(cè)；③ 多學(xué)科/多物理性，數(shù)字孿生體是基于物理特性的數(shù)字化映射模型，能夠描述多物理場(chǎng)、多域的狀態(tài)和信息；④ 多尺度/多保真性，數(shù)字孿生體應(yīng)可描述飛機(jī)整個(gè)機(jī)體、結(jié)構(gòu)部件、零件等多個(gè)尺度的行為和特性，從而穩(wěn)健、高效、準(zhǔn)確地對(duì)飛機(jī)的狀態(tài)和行為進(jìn)行高性能仿真；⑤ 概率/不確定性，由于存在幾何和材料參數(shù)認(rèn)知的不確定性，以及飛行載荷變化等的隨機(jī)不確定性，導(dǎo)致數(shù)字孿生模型的結(jié)果不確定。

下一代飛行器需要更輕的質(zhì)量，且面臨更高的負(fù)載、更嚴(yán)酷的使用環(huán)境和更長的服役周期等挑戰(zhàn)。目前的設(shè)計(jì)、驗(yàn)證、管理和維護(hù)理念無法滿足下一代飛行器的需求，因此飛行器的數(shù)字孿生技術(shù)將是其智能設(shè)計(jì)的關(guān)鍵組成部分，在數(shù)字空間建立真實(shí)飛機(jī)模型，通過傳感器網(wǎng)絡(luò)實(shí)現(xiàn)與飛機(jī)真實(shí)狀態(tài)完全同步，在收集各種數(shù)據(jù)之后，結(jié)合智能大數(shù)據(jù)分析技術(shù)，可以準(zhǔn)確預(yù)測(cè)飛機(jī)狀態(tài)，指導(dǎo)決策者為每架飛機(jī)定制個(gè)性化管理方案，并為飛行器設(shè)計(jì)提供及時(shí)可靠的反饋信息。

2) 飛行器智能數(shù)字孿生建模技術(shù)

數(shù)字孿生強(qiáng)調(diào)用實(shí)時(shí)感知的信息消除模型的不確定性，用精確的模擬代替真實(shí)場(chǎng)景，從而優(yōu)化實(shí)際系統(tǒng)的操作和運(yùn)維。飛行器包括結(jié)構(gòu)、氣動(dòng)、航電等多種不同體系的復(fù)雜組合，因此如何對(duì)復(fù)雜系統(tǒng)建模是面臨的首要挑戰(zhàn)。數(shù)字孿生體是由傳統(tǒng)模型發(fā)展而來，因此建立復(fù)雜的高精度系統(tǒng)模型是首要前提，現(xiàn)在建模依然面臨著環(huán)境、載荷、材料性能等眾多因素不確定，以及力、熱、電等不同物理場(chǎng)之間的強(qiáng)耦合作用等各類問題，這些問題都將導(dǎo)致模型無法準(zhǔn)確模擬系統(tǒng)的真實(shí)情況，需要借助多物理場(chǎng)耦合建模和多尺度損傷分析方法來提升模型精度。

為實(shí)現(xiàn)復(fù)雜的飛行器系統(tǒng)建模，需要多學(xué)科知識(shí)的支撐，通過多物理場(chǎng)建模、多系統(tǒng)仿真建立飛行器系統(tǒng)的行為模型和演化模型，并基于機(jī)器學(xué)習(xí)技術(shù)提取降階或代理模型，用于在線分析。但僅依靠手動(dòng)建模無法完全解決系統(tǒng)特殊狀態(tài)的表達(dá)，需結(jié)合知識(shí)庫中存儲(chǔ)的歷史數(shù)據(jù)、專家經(jīng)驗(yàn)來表征、識(shí)別、分析可能狀態(tài)，并通過數(shù)據(jù)注入的方式，分析各類狀態(tài)下系統(tǒng)的行為數(shù)據(jù)，來構(gòu)建飛行器模式庫，保存到知識(shí)庫中。通過設(shè)計(jì)統(tǒng)一的數(shù)據(jù)庫接口，并結(jié)合分析、決策智能助理與可視化技術(shù)，幫助專家進(jìn)行飛行器設(shè)計(jì)、維護(hù)、任務(wù)計(jì)劃的決策制定等。

3) 飛行器智能數(shù)字孿生數(shù)據(jù)分析技術(shù)

數(shù)據(jù)分析技術(shù)不僅可以實(shí)現(xiàn)模型的動(dòng)態(tài)更新，還能通過量化載荷、邊界、材料參數(shù)等不確定輸入，并利用大數(shù)據(jù)等人工智能技術(shù)對(duì)系統(tǒng)的性能狀態(tài)開展在線飛行可靠性風(fēng)險(xiǎn)評(píng)估。

對(duì)于飛行器這類大型復(fù)雜系統(tǒng)，在服役過程中會(huì)不斷產(chǎn)生各類載荷、環(huán)境、維修等數(shù)據(jù)，此時(shí)借助人工智能、大數(shù)據(jù)分析技術(shù)，從這些數(shù)量巨大、類型繁多、不斷變化的數(shù)據(jù)集中挖掘價(jià)值，發(fā)掘多源異構(gòu)數(shù)據(jù)之間潛在的內(nèi)部關(guān)系，從而為診斷、預(yù)報(bào)、決策等提供模型構(gòu)建支撐。飛行器數(shù)字孿生體是物理產(chǎn)品在虛擬空間的超現(xiàn)實(shí)模型，始終存在擬實(shí)化程度的問題。因此要針對(duì)數(shù)字孿生體與物理空間產(chǎn)品之間的偏差不斷進(jìn)行修正，通過數(shù)據(jù)的不斷積累與模型的更新，保證數(shù)字孿生體與實(shí)體保持較高的一致性。

數(shù)字孿生的實(shí)現(xiàn)需要發(fā)展新的工具平臺(tái)，包含集成多物理場(chǎng)仿真、數(shù)據(jù)管理、大數(shù)據(jù)分析、動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)決策等多個(gè)功能模塊，同時(shí)借助虛擬現(xiàn)實(shí)(VR)或增強(qiáng)現(xiàn)實(shí)(AR)等可視化技術(shù)，使決策者能夠快速準(zhǔn)確地了解系統(tǒng)實(shí)際狀態(tài)，從而指導(dǎo)對(duì)系統(tǒng)的操作，實(shí)現(xiàn)效能更高的控制與優(yōu)化。

2.3 航電任務(wù)系統(tǒng)綜合設(shè)計(jì)

航電系統(tǒng)是飛行器的“大腦”，能統(tǒng)一處理飛行器上各種設(shè)備的信息，并通過機(jī)載數(shù)據(jù)總線來傳送通信、導(dǎo)航、控制等相關(guān)信息，從而使飛機(jī)上的電子設(shè)備性能達(dá)到最優(yōu)。與之相關(guān)的傳感器網(wǎng)絡(luò)和航電系統(tǒng)架構(gòu)設(shè)計(jì)與飛行器智能設(shè)計(jì)密切相聯(lián)，因此，本文分別對(duì)這兩項(xiàng)技術(shù)進(jìn)行了深入的探討。

1) 傳感器網(wǎng)絡(luò)設(shè)計(jì)

要使智能設(shè)計(jì)體系具備接納飛行器全生命周期內(nèi)靜態(tài)和動(dòng)態(tài)信息，對(duì)其故障、壽命、環(huán)境等做出認(rèn)知、推演與預(yù)判的能力[32]，需要在設(shè)計(jì)階段就考慮如何安置傳感器與監(jiān)測(cè)系統(tǒng)，使飛行器不僅能夠?qū)崟r(shí)感知內(nèi)部系統(tǒng)性能狀態(tài)，還能收集系統(tǒng)周圍的環(huán)境信息[33-35]。

首先，為了使飛行器具備系統(tǒng)性能狀態(tài)實(shí)時(shí)感知能力，對(duì)其進(jìn)行壽命預(yù)測(cè)及健康管理極其重要。由于飛行器本身結(jié)構(gòu)的特殊性及飛行工況的復(fù)雜性，使得飛行器關(guān)鍵機(jī)械部件的故障特征呈現(xiàn)微弱性、強(qiáng)非線性和耦合性等特點(diǎn)[32]。通過合理優(yōu)化的加裝與布局先進(jìn)的壓力、振動(dòng)、應(yīng)力應(yīng)變、轉(zhuǎn)速監(jiān)測(cè)等傳感器，結(jié)合先進(jìn)的信號(hào)處理手段，深入融合多源傳感數(shù)據(jù)，實(shí)現(xiàn)在強(qiáng)噪聲干擾下微弱故障特征的準(zhǔn)確提取。

另外，在未來空戰(zhàn)中，目標(biāo)更加多樣化、加之隱身等先進(jìn)技術(shù)的出現(xiàn)，需要傳感器更準(zhǔn)確地反映出環(huán)境的復(fù)雜性并提供危險(xiǎn)預(yù)警，以使飛行員或機(jī)載自主控制系統(tǒng)能更快地認(rèn)知周邊態(tài)勢(shì)并做出合理決策[36-37]。這要求在設(shè)計(jì)階段就考慮紅外、光電等多元化傳感器網(wǎng)絡(luò)的分布，通過多源異構(gòu)數(shù)據(jù)處理發(fā)現(xiàn)各類數(shù)據(jù)之間的關(guān)系，感知機(jī)身四周環(huán)境信息，提供必要的長程偵測(cè)、精確目標(biāo)跟蹤等資訊[38]。

在智能設(shè)計(jì)體系中(圖1)，傳感器網(wǎng)絡(luò)獲得的實(shí)時(shí)數(shù)據(jù)將與試驗(yàn)和仿真數(shù)據(jù)等大數(shù)據(jù)融合[39-41]。在知識(shí)庫的基礎(chǔ)上，可通過構(gòu)建深層模型、深度學(xué)習(xí)、決策迭代優(yōu)化等手段，對(duì)健康狀態(tài)、態(tài)勢(shì)情況等進(jìn)行推理和決策[37]。

2) 航電系統(tǒng)架構(gòu)設(shè)計(jì)

以信息系統(tǒng)為支撐的智能化網(wǎng)絡(luò)中心戰(zhàn)和體系化對(duì)抗將是未來航空裝備的主要作戰(zhàn)樣式[42]，因此，需要提高飛行器的超聲速巡航、隱身、超視距和多目標(biāo)攻擊、高機(jī)動(dòng)性和敏捷性以及聯(lián)合作戰(zhàn)、協(xié)同作戰(zhàn)、機(jī)動(dòng)作戰(zhàn)等綜合能力[43]，而這些都離不開綜合化的航電技術(shù)、高性能計(jì)算芯片和軟件定義系統(tǒng)[44]。

目前的航電系統(tǒng)架構(gòu)設(shè)計(jì)主要有以下幾種：

① 模塊化航電系統(tǒng)(Integrated Modular Avionics, IMA)[45]。由IMA平臺(tái)及其應(yīng)用組成，在該平臺(tái)上共享可變、可重用、可交互的軟硬件資源。該平臺(tái)能夠針對(duì)所定義的安全性、可靠性和性能要求提供設(shè)計(jì)與驗(yàn)證服務(wù)，并駐留和管理以及執(zhí)行飛機(jī)的功能應(yīng)用。IMA平臺(tái)是指一個(gè)或者一組包括核心軟件的模塊。該平臺(tái)的硬件能夠?yàn)轳v留其上的一個(gè)或多個(gè)軟件提供計(jì)算資源、通信資源和接口能力。IMA平臺(tái)可獨(dú)立進(jìn)行認(rèn)證而不受其駐留應(yīng)用的影響。

② 分布式綜合模塊化航電系統(tǒng)(Distributed IMA, DIMA)[46]。將IMA平臺(tái)分布式地部署到飛機(jī)上的多個(gè)安裝位置，并通過AFDX網(wǎng)絡(luò)提供實(shí)時(shí)和具有容錯(cuò)性的數(shù)據(jù)通信，從而進(jìn)一步縮短線纜長度和響應(yīng)時(shí)間[47]。DIMA具有天然的故障隔離屏障，能夠進(jìn)一步提高系統(tǒng)安全性，且當(dāng)中還使用了新的硬件平臺(tái)用來處理I/O和控制。此外，DIMA結(jié)合了聯(lián)合式航電和IMA的優(yōu)勢(shì)，使用了分布式的結(jié)構(gòu)，通過主動(dòng)冗余提供容錯(cuò)性，并且使用共享的處理器、內(nèi)存、傳感器和I/O接口等系統(tǒng)資源，對(duì)商業(yè)組件(Commercial Off-The-Shelf, COTS)進(jìn)行了更強(qiáng)的綜合[48]。

由于在智能設(shè)計(jì)體系中，航電任務(wù)系統(tǒng)除了要包含傳統(tǒng)意義上的核心處理與數(shù)據(jù)網(wǎng)絡(luò)、綜合駕駛艙顯示控制系統(tǒng)、綜合射頻及傳感器管理系統(tǒng)、綜合通信、導(dǎo)航與識(shí)別、先進(jìn)飛行管理系統(tǒng)/軟件、綜合探測(cè)、告警與態(tài)勢(shì)感知/軟件、綜合任務(wù)管理系統(tǒng)、先進(jìn)電子戰(zhàn)與自衛(wèi)防御系統(tǒng)、飛行器管理系統(tǒng)，傳統(tǒng)的飛控、機(jī)電系統(tǒng)、綜合系統(tǒng)管理系統(tǒng)/軟件等[49]，還需要考慮與地面數(shù)字孿生系統(tǒng)的交互。這意味著隨著設(shè)備數(shù)和任務(wù)數(shù)的增多，設(shè)計(jì)的難度也顯著增大，因此航電任務(wù)系統(tǒng)需要更合理地分配系統(tǒng)的設(shè)備和需要駐留的功能到適當(dāng)?shù)奈恢蒙弦员ＷC系統(tǒng)的安全和質(zhì)量[50]。其本質(zhì)上可歸納為多目標(biāo)組合優(yōu)化問題?？紤]到實(shí)際問題的規(guī)模和復(fù)雜程度，一般的多目標(biāo)優(yōu)化算法無法得到滿意的設(shè)計(jì)方案，未來將結(jié)合航電系統(tǒng)的評(píng)估目標(biāo)和實(shí)際開發(fā)的需求，將進(jìn)化人工智能算法與多目標(biāo)優(yōu)化算法相結(jié)合，以實(shí)現(xiàn)航電系統(tǒng)的結(jié)構(gòu)優(yōu)化。

2.4 飛行器體系智能優(yōu)化設(shè)計(jì)

未來戰(zhàn)場(chǎng)環(huán)境錯(cuò)綜復(fù)雜，戰(zhàn)爭(zhēng)也會(huì)逐漸向體系對(duì)抗轉(zhuǎn)變[7]。未來戰(zhàn)爭(zhēng)將由一定數(shù)量、相對(duì)簡(jiǎn)單的飛行器個(gè)體通過相互關(guān)聯(lián)和協(xié)作形成以自組織方式構(gòu)成的體系化組合。個(gè)體間的信息共享有利于環(huán)境感知和資源配給優(yōu)化，增強(qiáng)了系統(tǒng)的穩(wěn)定性和可靠性。軍事活動(dòng)中的飛行器體系可以根據(jù)任務(wù)需求采用多樣化配置方法，包括載人戰(zhàn)機(jī)或無人飛行器，和按任務(wù)劃分的偵察機(jī)、戰(zhàn)斗機(jī)、轟炸機(jī)等[51-52]。除需考慮單一戰(zhàn)機(jī)的性能及指標(biāo)外，在有適合體系作戰(zhàn)的需求時(shí)，還要考慮其對(duì)整個(gè)群體的影響及其在整體環(huán)境中的協(xié)同配合，包括飛行器個(gè)體與群體之間的體系協(xié)同優(yōu)化設(shè)計(jì)、自組織通信與信息交互、態(tài)勢(shì)感知與決策等，具體表現(xiàn)在：

1) 飛行器體系協(xié)同優(yōu)化設(shè)計(jì)

合理高效的協(xié)同優(yōu)化是群體任務(wù)規(guī)劃與執(zhí)行的基礎(chǔ)和前提[53]，這需要考慮個(gè)體之間、個(gè)體與群體、及群體與群體之間的協(xié)同，其中包括沖突處理、任務(wù)分配、資源分配、信息分享等，因此可以轉(zhuǎn)化成優(yōu)化問題的求解。在體系化的飛行器單體與群體協(xié)同優(yōu)化設(shè)計(jì)時(shí)，對(duì)于問題描述可根據(jù)體系設(shè)計(jì)需求考慮以下因素：優(yōu)化目標(biāo)選取與多目標(biāo)間權(quán)衡、個(gè)體約束(包括動(dòng)力學(xué)關(guān)系、最大航時(shí)航程、探測(cè)方式與距離等)、群體約束(包括空間距離保持、通信資源、邊界約束等)、任務(wù)的空間分布、環(huán)境與態(tài)勢(shì)評(píng)估考量和沖突規(guī)避與解決方案等。由于涉及多個(gè)相互制約目標(biāo)的優(yōu)化，求解難度很大，不能簡(jiǎn)單地通過對(duì)多個(gè)目標(biāo)加權(quán)平均或者設(shè)定優(yōu)先級(jí)的方式來求解，通過這樣的方法往往只能獲得一個(gè)Pareto非劣集合[54]。由于飛行器對(duì)于實(shí)時(shí)性的要求極高，導(dǎo)致現(xiàn)階段多數(shù)算法并不能直接應(yīng)用于大規(guī)模的復(fù)雜任務(wù)自主規(guī)劃。未來智能協(xié)同優(yōu)化控制在算法的實(shí)時(shí)性和可拓展性方面仍有較大發(fā)展空間[55]。

此外，需要在知識(shí)庫中(圖1灰色框)加入對(duì)目標(biāo)特性圖、決策知識(shí)庫、算法模型庫等知識(shí)方法的設(shè)計(jì)[56]，以此來綜合集成作戰(zhàn)單元模塊群體，快速生成決策方案，驅(qū)動(dòng)執(zhí)行指揮控制。并能通過大量分析計(jì)算、仿真、試驗(yàn)及融入經(jīng)驗(yàn)等豐富知識(shí)庫，使飛行器單體間及群體間能快速響應(yīng)環(huán)境變化，具有自學(xué)習(xí)和自適應(yīng)的協(xié)同能力。

2) 自組織通信網(wǎng)絡(luò)設(shè)計(jì)

未來戰(zhàn)場(chǎng)的飛行器體系有可能包含多種不同類飛行器、有人機(jī)、無人機(jī)與無人機(jī)集群，因此個(gè)體/群體間與控制站間的高效通信是保障信息交互共享和及時(shí)全面掌握戰(zhàn)場(chǎng)環(huán)境態(tài)勢(shì)信息并優(yōu)化任務(wù)分配的重要前提?？煽康耐ㄐ乓碴P(guān)系到個(gè)體的安全運(yùn)行，甚至整個(gè)體系任務(wù)的成功與否[57]。

飛行器的通信模式主要有集中式和分布式兩類。對(duì)于集中式通信方式，由于單個(gè)飛行器通常并不具備強(qiáng)大的通信系統(tǒng)來支持其與控制站直接通信，并且，多個(gè)飛行器同時(shí)與控制站通信容易造成控制站通信資源擠兌的情況，這種方式在目前通信技術(shù)下不能夠滿足體系作戰(zhàn)的要求。另一研究思路認(rèn)為可以基于分布式的群組架構(gòu)研究自組織網(wǎng)絡(luò)，用于群體飛行器的通信[58]。自組織網(wǎng)絡(luò)采用分布式的架構(gòu)，尤其是飛行器體系中包含無人機(jī)集群時(shí)，允許單機(jī)隨時(shí)加入或離開網(wǎng)絡(luò)，使得單機(jī)故障不會(huì)導(dǎo)致整個(gè)通信模式癱瘓，同時(shí)也確保了群體通信的可拓展性[59]。然而，分布式架構(gòu)也存在一些局限性，如：飛行器的高速機(jī)動(dòng)飛行容易造成網(wǎng)絡(luò)斷鏈，個(gè)體不斷變換位置致使網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)快速高頻變換，使得通信在有效性、安全性和可靠性等方面都受到挑戰(zhàn)。

因此在智能設(shè)計(jì)階段需要考慮分布式的、具有抗故障與自愈能力的通信網(wǎng)絡(luò)設(shè)計(jì)，以保證飛行器群體在有限的通信資源約束下，對(duì)其他個(gè)體、群體、環(huán)境、任務(wù)等具有高效感知和共享的能力。另外還可通過融入認(rèn)知無線電[60]、通信拓?fù)浣Y(jié)構(gòu)動(dòng)態(tài)規(guī)劃[61]等智能技術(shù)提高群體通信的效率。

3) 協(xié)同態(tài)勢(shì)感知系統(tǒng)設(shè)計(jì)

協(xié)同態(tài)勢(shì)感知是體系化控制和決策的基礎(chǔ)。由于每個(gè)飛行器的環(huán)境感知能力有限，可采用分布式的群組架構(gòu)，使每個(gè)飛行器之間通過共享信息來獲得強(qiáng)大的協(xié)同態(tài)勢(shì)感知能力[62]。協(xié)同態(tài)勢(shì)感知包括自身狀態(tài)感知、環(huán)境感知、鄰近飛行器感知、群狀態(tài)感知、目標(biāo)感知等多個(gè)方面。

未來作戰(zhàn)環(huán)境更加復(fù)雜，具有高強(qiáng)度和多變的特點(diǎn)，這要求感知系統(tǒng)具備自主性，充分發(fā)揮前端作用[63]。具體來說，第一要求感知系統(tǒng)具有同源信息拼接和異源信息綜合推理能力。同源信息拼接是指集群中的每個(gè)飛行器載有同類傳感器，通過將獲得的信息(如圖像)結(jié)合飛行器的狀態(tài)(位置、姿態(tài)等)進(jìn)行拼接，進(jìn)而同時(shí)獲得對(duì)更大范圍的環(huán)境感知；異源信息綜合推理，是指集群中的多個(gè)飛行器采用不同類型的傳感器，獲得同一目標(biāo)或環(huán)境的不同屬性信息，以對(duì)環(huán)境感知做出更準(zhǔn)確的判斷。第二要求感知系統(tǒng)在實(shí)體和數(shù)字孿生平臺(tái)的設(shè)計(jì)中具有信號(hào)/信息實(shí)時(shí)共享的能力，能夠通過對(duì)在線、離線學(xué)習(xí)方法的設(shè)計(jì)與改進(jìn)實(shí)現(xiàn)體系協(xié)同平臺(tái)對(duì)環(huán)境態(tài)勢(shì)、情報(bào)、裝備等重要信息的認(rèn)知。

2.5 人機(jī)協(xié)同智能系統(tǒng)設(shè)計(jì)

人機(jī)協(xié)同智能可通過人機(jī)交互實(shí)現(xiàn)人類智慧與人工智能的結(jié)合，將人腦和機(jī)器融為一體。傳感器和智能算法用于解決底層的信號(hào)采集、信號(hào)解析、信息互通、信息融合等問題，人腦負(fù)責(zé)高層次決策，從而使人腦和機(jī)器形成一個(gè)完整的系統(tǒng)。

1) 人機(jī)接口與信息交互設(shè)計(jì)方法

友好的人機(jī)接口和信息交互方式能讓飛行員更快地掌握并理解各類信息，使機(jī)器快速理解、響應(yīng)飛行員的意圖并顯示處理結(jié)果，其在瞬息萬變的戰(zhàn)爭(zhēng)時(shí)期尤其能提高指揮效率[64-65]。在目前已有的AR、VR、眼動(dòng)、手勢(shì)及語言等分析手段的基礎(chǔ)上，需要研究并構(gòu)建基于全息界面的多通道人機(jī)交互系統(tǒng)，分析各類信息的感知敏感度，設(shè)計(jì)交互與顯示方法，研究飛行員接收、理解和確認(rèn)等關(guān)鍵技術(shù)。

2) 有人/無人智能協(xié)作

在未來復(fù)雜的空戰(zhàn)環(huán)境下，運(yùn)用多架有人機(jī)、無人機(jī)在飛行空域內(nèi)構(gòu)成相互合作、優(yōu)勢(shì)互補(bǔ)及效能倍增的協(xié)同作戰(zhàn)系統(tǒng)，是智能空戰(zhàn)獲勝的關(guān)鍵所在[66]。要使“人工智能+有人/無人機(jī)”成為空戰(zhàn)的主要力量，需主要解決技術(shù)和信任兩方面的問題。

為充分發(fā)揮人工智能強(qiáng)大的感知與推演能力，需要通過數(shù)字孿生系統(tǒng)中的作戰(zhàn)仿真模塊快速仿真各種作戰(zhàn)計(jì)劃，生成大量可能的未來態(tài)勢(shì)，從而為任務(wù)決策提供態(tài)勢(shì)感知的相關(guān)數(shù)據(jù)。針對(duì)決策控制模塊的設(shè)計(jì)，在戰(zhàn)前可通過多分支超實(shí)時(shí)推演仿真，超越實(shí)體戰(zhàn)場(chǎng)預(yù)判敵方可能的動(dòng)向和戰(zhàn)局走向，提前優(yōu)化作戰(zhàn)方案；在戰(zhàn)中則可根據(jù)態(tài)勢(shì)監(jiān)控信息，構(gòu)造平行戰(zhàn)場(chǎng)，利用更新的戰(zhàn)場(chǎng)態(tài)勢(shì)信息剪裁部分仿真分支，辨識(shí)即將到來的決策點(diǎn)，快速形成草擬決策，并提供給指揮員以選擇性的提示，從而加速真實(shí)戰(zhàn)場(chǎng)觀察-判斷-決策-行動(dòng)(Observation, Orientation, Decision, Action，OODA)循環(huán)。

從未來空戰(zhàn)所需的各個(gè)過程來說，機(jī)器更適于快速?zèng)Q策、高復(fù)雜度協(xié)同行動(dòng)、海量異構(gòu)數(shù)據(jù)分析處理[67]。由于空戰(zhàn)所包含的信息不完備、干擾不確定、實(shí)戰(zhàn)檢驗(yàn)少、可信性要求高等多種復(fù)雜的限制，完全依靠人工智能并不現(xiàn)實(shí)。因此利用人工智能在空戰(zhàn)中提供基本認(rèn)知，提出可供選擇的作戰(zhàn)方案，由飛行員從更高層次完成博弈決策是未來一段時(shí)間的主要發(fā)展思路。

3) 空戰(zhàn)對(duì)抗模擬與人在環(huán)上的智能設(shè)計(jì)

目前基于AR技術(shù)的空戰(zhàn)對(duì)抗訓(xùn)練模擬裝置可用于模擬瞬息萬變的戰(zhàn)場(chǎng)情況，其將指揮人員融入虛擬環(huán)境中，進(jìn)行作戰(zhàn)演習(xí)。在人機(jī)協(xié)同作戰(zhàn)過程中，需要作戰(zhàn)飛機(jī)編隊(duì)的指揮人員根據(jù)戰(zhàn)場(chǎng)態(tài)勢(shì)的實(shí)時(shí)變化，及時(shí)、準(zhǔn)確地制定和調(diào)整作戰(zhàn)任務(wù)方案。此時(shí)大量信息的涌入，以及極端情況的出現(xiàn)可能會(huì)使指揮人員從生理和心理層面很難勝任這樣繁重的感知、分析、判斷和決策任務(wù)，因而需要設(shè)計(jì)先進(jìn)的智能決策與輔助系統(tǒng)，提高作戰(zhàn)飛機(jī)編隊(duì)指揮人員的實(shí)時(shí)戰(zhàn)術(shù)決策和指揮效能。

智能決策系統(tǒng)可以與OODA相結(jié)合，從決策和行動(dòng)兩個(gè)層面來提高OODA循環(huán)的效率。運(yùn)用大數(shù)據(jù)和機(jī)器學(xué)習(xí)方法提取飛行員的空戰(zhàn)經(jīng)驗(yàn)，并結(jié)合蒙特卡洛搜索樹、滾動(dòng)時(shí)域優(yōu)化等方法，實(shí)時(shí)生成作戰(zhàn)環(huán)境下的有限候選策略，飛行員可根據(jù)自己的理解選擇最優(yōu)策略，降低認(rèn)知負(fù)荷，從而提高武器系統(tǒng)目標(biāo)瞄準(zhǔn)和發(fā)射的效率。智能決策與OODA的結(jié)合能夠提高智能決策系統(tǒng)在面對(duì)外界不確定擾動(dòng)情況下的自適應(yīng)控制能力、魯棒性能和容錯(cuò)能力。

3 智能設(shè)計(jì)的共性科學(xué)問題

第2節(jié)所提技術(shù)均涉及與人工智能進(jìn)行融合，但傳統(tǒng)人工智能的數(shù)據(jù)來源為圖像或自然語言，格式較為統(tǒng)一。而飛行器設(shè)計(jì)領(lǐng)域中數(shù)據(jù)的來源多，可來自實(shí)驗(yàn)、仿真、飛行、先驗(yàn)知識(shí)、經(jīng)驗(yàn)、故障手冊(cè)等，類型不定、跨域較大、各類數(shù)據(jù)間的關(guān)聯(lián)復(fù)雜；另外由于未來飛行器的飛行環(huán)境復(fù)雜，其設(shè)計(jì)需求具有模糊性和不確定性。因此，真正融合人工智能方法實(shí)現(xiàn)飛行器智能設(shè)計(jì)仍極具挑戰(zhàn)。需要找到其中的共性、底層科學(xué)問題作為突破點(diǎn)，并以此為牽引解決上層技術(shù)問題。

因此，可從底層航空設(shè)計(jì)中最復(fù)雜但具有大數(shù)據(jù)屬性的湍流、氣動(dòng)等問題出發(fā)，研究如何將其建模方法與機(jī)器學(xué)習(xí)方法進(jìn)行融合。在此基礎(chǔ)上，進(jìn)一步研究如何使用人工智能中的相關(guān)方法去挖掘不同學(xué)科中共性知識(shí)的特征表達(dá)、推理及遷移，以實(shí)現(xiàn)將飛行器個(gè)體設(shè)計(jì)中的各個(gè)學(xué)科綜合智能化；最后，研究如何使知識(shí)在整個(gè)飛行器體系中遷移和演化，并最終實(shí)現(xiàn)整個(gè)飛行器體系設(shè)計(jì)的智能化。

3.1 機(jī)器學(xué)習(xí)與經(jīng)典航空設(shè)計(jì)問題的聯(lián)合建模機(jī)制

湍流、氣動(dòng)噪聲以及結(jié)構(gòu)疲勞等是飛行器設(shè)計(jì)中長期面臨的難題[68-69]。因此，湍流的精確模擬與減阻、氣動(dòng)噪聲的預(yù)測(cè)和降噪以及結(jié)構(gòu)疲勞壽命預(yù)測(cè)和可靠性分析對(duì)于先進(jìn)飛行器研制十分關(guān)鍵。

對(duì)于湍流問題，當(dāng)前工程中主要采用各類湍流模型。這些經(jīng)典的湍流模型大多是通過結(jié)合有限的實(shí)驗(yàn)數(shù)據(jù)和基本假設(shè)，在一定的理論指導(dǎo)下構(gòu)建的。然而，現(xiàn)有的雷諾平均湍流模型的適用性較低，對(duì)分離流動(dòng)的模擬精度不足。隨著人工智能時(shí)代的到來，數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法在湍流模型構(gòu)建方面蓬勃發(fā)展[70-71]。這種基于機(jī)器學(xué)習(xí)的湍流模型為新一代湍流模型的構(gòu)建提供了極大的自由度。一方面其可以讓使用者根據(jù)自己的需求充分發(fā)揮自主性，利用特定應(yīng)用領(lǐng)域的樣本專門構(gòu)建湍流模型，為工程湍流模型的定制提供了方法基礎(chǔ)。另一方面其代數(shù)特性有利于增強(qiáng)魯棒性和收斂性，提高計(jì)算效率。

在氣動(dòng)噪聲方面，氣動(dòng)噪聲的精確數(shù)值模擬一直是CFD仿真的難點(diǎn)。雖然目前學(xué)術(shù)界已經(jīng)發(fā)展了一些高精度數(shù)值求解方法，能夠較為精確地開展空腔等簡(jiǎn)單模型的噪聲預(yù)測(cè)，但是距離在飛行器部件乃至全機(jī)應(yīng)用還有很大差距。而聲學(xué)風(fēng)洞成本高、周期長，致使在飛行器設(shè)計(jì)階段很難開展完善的風(fēng)洞試驗(yàn)。氣動(dòng)噪聲研究的大數(shù)據(jù)屬性使得機(jī)器學(xué)習(xí)方法在這一研究領(lǐng)域具有獨(dú)特的優(yōu)勢(shì)[72]?；跀?shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法可以用于飛行器氣動(dòng)噪聲源的智能識(shí)別，噪聲強(qiáng)度的智能預(yù)測(cè)，噪聲誘發(fā)機(jī)理以及降噪措施的探究等。

在飛行器結(jié)構(gòu)強(qiáng)度分析中，結(jié)構(gòu)疲勞壽命的準(zhǔn)確預(yù)測(cè)一直是核心難點(diǎn)問題之一。目前，主要采用工程方法對(duì)其疲勞壽命進(jìn)行估算，但因?yàn)椴牧系奈⒂^組成、機(jī)體宏觀結(jié)構(gòu)以及不定擾流造成的振動(dòng)疲勞等問題，結(jié)構(gòu)疲勞壽命預(yù)測(cè)的準(zhǔn)確性仍然有待提高。此問題涉及多學(xué)科融合，且具有不確定性大，樣本數(shù)據(jù)量小等特點(diǎn)，采用傳統(tǒng)方法難以解決此類高度耦合的復(fù)雜問題。利用機(jī)器學(xué)習(xí)在數(shù)據(jù)挖掘等方面的優(yōu)勢(shì)，融合不確定性表達(dá)與推理、跨域數(shù)據(jù)的多模態(tài)特征提取與融合、小樣本知識(shí)遷移等技術(shù)方法，可提高結(jié)構(gòu)疲勞壽命預(yù)測(cè)的準(zhǔn)確性。

3.2 跨領(lǐng)域數(shù)據(jù)與知識(shí)推理

飛行器智能設(shè)計(jì)不僅是對(duì)已有知識(shí)的整合，更是要依靠大數(shù)據(jù)對(duì)跨領(lǐng)域的特征與知識(shí)進(jìn)行深層次挖掘與應(yīng)用。因此，如何對(duì)各個(gè)分系統(tǒng)進(jìn)行數(shù)據(jù)特征提取與知識(shí)表達(dá)、對(duì)多域、多源數(shù)據(jù)進(jìn)行分析和融合以及對(duì)小樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)和遷移十分關(guān)鍵。

1) 數(shù)據(jù)特征提取與知識(shí)表達(dá)

數(shù)據(jù)特征提取是信息處理中對(duì)某一模式的測(cè)量值進(jìn)行變換，以突出該模式代表性特征的方法，其本質(zhì)是知識(shí)的表達(dá)。在飛行器設(shè)計(jì)過程中需先對(duì)數(shù)據(jù)進(jìn)行知識(shí)提煉，去除冗余信息，而后形成高質(zhì)量的表達(dá)，為進(jìn)一步的數(shù)據(jù)分析奠定基礎(chǔ)。

目前，基于三元組的知識(shí)表示形式[73]受到了人們廣泛的認(rèn)可，但是其在計(jì)算效率、數(shù)據(jù)稀疏性等方面存在諸多問題。近年來，以深度學(xué)習(xí)為代表的表示學(xué)習(xí)技術(shù)取得了重要進(jìn)展[74]，可以將實(shí)體的語義信息表示為稠密低維實(shí)值向量，進(jìn)而在低維空間中高效計(jì)算實(shí)體、關(guān)系及二者之間的復(fù)雜語義關(guān)聯(lián)。這對(duì)飛行器設(shè)計(jì)相關(guān)知識(shí)庫的構(gòu)建、推理、融合以及應(yīng)用均具有重要的意義。但如何從各類原始數(shù)據(jù)中進(jìn)行特征提取，并構(gòu)建包含語義、相互關(guān)系等信息的詞嵌入或圖嵌入表達(dá)仍是一個(gè)待解決的關(guān)鍵問題。

飛行器收集的傳感器數(shù)據(jù)來源廣泛，存在數(shù)據(jù)質(zhì)量參差不齊、來自不同數(shù)據(jù)源的信息重復(fù)、各類信息間的關(guān)聯(lián)不夠明確等問題，所以需要進(jìn)行多層級(jí)的數(shù)據(jù)融合與知識(shí)融合。對(duì)來自不同知識(shí)源的知識(shí)在同一框架規(guī)范下進(jìn)行異構(gòu)數(shù)據(jù)整合、消歧、加工、推理、驗(yàn)證、更新等操作，達(dá)到數(shù)據(jù)、信息、方法、經(jīng)驗(yàn)以及人的思想的融合，形成高質(zhì)量的知識(shí)庫，以方便進(jìn)一步的數(shù)據(jù)利用。

2) 多域、多源數(shù)據(jù)的表達(dá)與分析

數(shù)據(jù)在飛行器設(shè)計(jì)的不同階段有不同的呈現(xiàn)：設(shè)計(jì)階段是仿真模擬的數(shù)據(jù)，試飛階段是傳感器和地面觀測(cè)的數(shù)據(jù)，運(yùn)營階段是傳感器的數(shù)據(jù)等。另外，在不同的場(chǎng)景下各種傳感器采集的數(shù)據(jù)不同。而多模態(tài)機(jī)器學(xué)習(xí)可以處理和關(guān)聯(lián)來自多種模態(tài)信息的模型，捕獲模態(tài)之間的對(duì)應(yīng)關(guān)系并獲得對(duì)數(shù)據(jù)關(guān)系的深入理解。因此，可通過多模態(tài)學(xué)習(xí)挖掘信號(hào)、圖像等不同模態(tài)數(shù)據(jù)之間的更深層次關(guān)系[75]。并將多模態(tài)學(xué)習(xí)和知識(shí)圖譜相結(jié)合，表達(dá)更多的非結(jié)構(gòu)化數(shù)據(jù)，構(gòu)建圖像、文本和信號(hào)之間的關(guān)系，以在知識(shí)圖譜中的實(shí)體上添加不同的模態(tài)，更好地完善飛行器設(shè)計(jì)知識(shí)圖譜所構(gòu)建的數(shù)據(jù)特征提取與知識(shí)表達(dá)數(shù)據(jù)庫。

3) 小樣本數(shù)據(jù)的學(xué)習(xí)

飛行器日常工作大都處于正常狀態(tài)，以至于采集的數(shù)據(jù)中異常狀態(tài)的數(shù)據(jù)非常有限。此外，飛行器是復(fù)雜的多場(chǎng)耦合系統(tǒng)，實(shí)際觀測(cè)的數(shù)據(jù)樣本仍然較少，因此如何通過小樣本學(xué)習(xí)對(duì)復(fù)雜系統(tǒng)進(jìn)行描述與推理計(jì)算，是提高機(jī)器學(xué)習(xí)算法可用性及穩(wěn)定性至關(guān)重要的前提[76]。目前常用的解決方案有兩種：① 數(shù)據(jù)增強(qiáng)和正則化，采用數(shù)據(jù)擴(kuò)充的方式盡可能增加數(shù)據(jù)集中訓(xùn)練樣本的數(shù)量，再以正則化方式緩解有限數(shù)據(jù)引發(fā)的過擬合問題；② 元學(xué)習(xí)，這是現(xiàn)在的主流方案，基于人類學(xué)習(xí)的機(jī)制，利用已有知識(shí)來構(gòu)建認(rèn)知模型，并外推到新的場(chǎng)景，從而避免目前大部分深度學(xué)習(xí)方法從零開始學(xué)的方式。應(yīng)用這樣的模式去解決新的問題可以不需要太多樣本，從而解決小樣本學(xué)習(xí)的問題。針對(duì)飛行器某些數(shù)據(jù)較少的情況，可利用數(shù)據(jù)增強(qiáng)擴(kuò)展方法訓(xùn)練樣本，同時(shí)通過設(shè)計(jì)正則化項(xiàng)來限制模型復(fù)雜度以避免過擬合，此外可結(jié)合先驗(yàn)知識(shí)構(gòu)建的元學(xué)習(xí)模型來進(jìn)一步提高小樣本下的數(shù)據(jù)挖掘與學(xué)習(xí)效率。

4) 歷史經(jīng)驗(yàn)數(shù)據(jù)的遷移學(xué)習(xí)

在飛行器設(shè)計(jì)過程中，當(dāng)從老的型號(hào)向新的型號(hào)過渡時(shí)，有一些共性特征可以借鑒。然而受限于當(dāng)前機(jī)器學(xué)習(xí)模型的遷移學(xué)習(xí)能力，共性特征目前仍依靠人的口述、講授等知識(shí)傳承方法。隨著深度學(xué)習(xí)的快速發(fā)展，遷移學(xué)習(xí)應(yīng)用場(chǎng)景越來越豐富[77-78]，有望在一定程度上解決歷史經(jīng)驗(yàn)數(shù)據(jù)與知識(shí)傳承的難題。

常用的遷移方式包括基于特征的遷移、基于共享參數(shù)的遷移和基于關(guān)系的遷移。這些方法的本質(zhì)是在尋找源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)的共同特征、知識(shí)映射關(guān)系以及模型的共享參數(shù)和先驗(yàn)分布，而其中的關(guān)鍵是搭建能夠有效提取多源數(shù)據(jù)特征的網(wǎng)絡(luò)結(jié)構(gòu)，以及選取適用的知識(shí)遷移方式。針對(duì)飛行器設(shè)計(jì)過程面臨的多種型號(hào)的知識(shí)遷移，需要建立可持續(xù)學(xué)習(xí)的模型實(shí)現(xiàn)自更新與自演進(jìn)。此外，需要保證所設(shè)計(jì)學(xué)習(xí)模型在目標(biāo)域數(shù)據(jù)有效，并且在源域數(shù)據(jù)上有較好的效果，以此確保遷移學(xué)習(xí)的泛化性和穩(wěn)定性。

飛行器設(shè)計(jì)領(lǐng)域涉及多個(gè)復(fù)雜的系統(tǒng)，包括整體結(jié)構(gòu)、控制系統(tǒng)、燃油系統(tǒng)、液壓系統(tǒng)和電氣系統(tǒng)等。這些系統(tǒng)的數(shù)據(jù)表現(xiàn)千差萬別，但又相互影響。因此可基于多種數(shù)據(jù)源的融合技術(shù)構(gòu)建相應(yīng)的知識(shí)圖譜，如圖3所示，基于多種不同的數(shù)據(jù)源，如各個(gè)領(lǐng)域中的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，建立相應(yīng)的領(lǐng)域本體知識(shí)庫，然后將它們映射為全局本體庫，接著使用這些領(lǐng)域知識(shí)圖譜通過知識(shí)獲取和數(shù)據(jù)融合構(gòu)造飛機(jī)智能設(shè)計(jì)知識(shí)圖譜。在進(jìn)行數(shù)據(jù)分析時(shí)，利用元數(shù)據(jù)學(xué)習(xí)方式和遷移學(xué)習(xí)為小樣本學(xué)習(xí)實(shí)現(xiàn)跨域、跨代的數(shù)據(jù)與知識(shí)遷移，通過建立知識(shí)模型和推理機(jī)制，將已構(gòu)建的知識(shí)模型應(yīng)用到飛行器系統(tǒng)各個(gè)部分的設(shè)計(jì)、開發(fā)與診斷中。對(duì)上述關(guān)鍵問題的研究，能夠增強(qiáng)飛行器設(shè)計(jì)過程中知識(shí)的表達(dá)能力和可拓展性，從而提高模型的可解釋性、可靠性以及穩(wěn)定性，最終實(shí)現(xiàn)飛行器高效率設(shè)計(jì)與未來飛行器的綜合最優(yōu)設(shè)計(jì)。

圖3 飛行器智能設(shè)計(jì)知識(shí)圖譜Fig.3 Knowledge map of aircraft intelligent design

3.3 體系能力涌現(xiàn)機(jī)理與自學(xué)習(xí)演化機(jī)制

飛行器體系設(shè)計(jì)涉及到體系的整體構(gòu)建和結(jié)構(gòu)優(yōu)化，以及其能力特征的導(dǎo)向性涌現(xiàn)和自主演進(jìn)，主要包含體系架構(gòu)優(yōu)化設(shè)計(jì)、個(gè)體及群體行為模式科學(xué)表征、環(huán)境響應(yīng)和規(guī)模效應(yīng)影響機(jī)制、個(gè)體/群體交互規(guī)律和學(xué)習(xí)演化機(jī)理等關(guān)鍵問題的研究。

1) 飛行器通用化體系架構(gòu)設(shè)計(jì)與智能行為模式表征

體系架構(gòu)設(shè)計(jì)決定了飛行器體系的整體框架和建構(gòu)基礎(chǔ)。飛行器體系在功能結(jié)構(gòu)上具有開放、異構(gòu)和分布的顯著特征，開放式和通用化體系架構(gòu)有利于異構(gòu)個(gè)體的靈活集成、體系能力的導(dǎo)向性涌現(xiàn)和整體效能的最優(yōu)化。如美國國防預(yù)先研究計(jì)劃局(DARPA)的拒止環(huán)境協(xié)同作戰(zhàn)(CODE)、體系綜合技術(shù)與試驗(yàn)(SoSITE)和進(jìn)攻性蜂群使能戰(zhàn)術(shù)(OFFSET)均體現(xiàn)了開放、異構(gòu)和分布的理念[79]。體系架構(gòu)理論和DoDAF等體系架構(gòu)框架可以為飛行器體系的架構(gòu)設(shè)計(jì)提供全局性理論和方法支撐。

整體才具有而孤立的部分及其總和不具有的特性，稱為整體涌現(xiàn)性。飛行器平臺(tái)個(gè)體依據(jù)規(guī)則組成體系后，可能涌現(xiàn)出復(fù)雜整體智能行為。整體智能具有去中心控制、分層動(dòng)態(tài)組網(wǎng)通信、簡(jiǎn)單個(gè)體行為和自組織性等特點(diǎn)，可以快速響應(yīng)博弈性對(duì)抗環(huán)境和戰(zhàn)場(chǎng)事件，縮短己方OODA循環(huán)過程，打斷對(duì)方循環(huán)流程，提高整體行為的戰(zhàn)術(shù)價(jià)值，獲得博弈對(duì)抗的主動(dòng)性[80]。因此，體系宏觀的行為模式及智能特征涌現(xiàn)可基于智能體的建模方法，應(yīng)用SysML(Systems Modeling Language)、OPM (Object-Process Methodology)、復(fù)雜博弈網(wǎng)絡(luò)等建模工具，通過構(gòu)建合理的個(gè)體模型和交互機(jī)制來進(jìn)行表征。

2) 不確定任務(wù)環(huán)境與節(jié)點(diǎn)規(guī)模效應(yīng)對(duì)體系協(xié)同控制的影響機(jī)理

動(dòng)態(tài)開放的體系架構(gòu)，決定了飛行器體系具有任務(wù)和環(huán)境適應(yīng)的內(nèi)稟特性。系統(tǒng)的整體涌現(xiàn)性具有結(jié)構(gòu)效應(yīng)和規(guī)模效應(yīng)兩種形式[81]。飛行器體系結(jié)構(gòu)及節(jié)點(diǎn)規(guī)模，可以隨著任務(wù)的變化進(jìn)行動(dòng)態(tài)配置，根據(jù)任務(wù)需求演變和優(yōu)化，但是其需要建立相應(yīng)的控制機(jī)制。因此需要發(fā)展以優(yōu)化為準(zhǔn)則的精確協(xié)同方法，以達(dá)到最佳的控制效果和效益。

飛行器體系在復(fù)雜動(dòng)態(tài)環(huán)境中遂行任務(wù)，需要體系的高效組織與協(xié)同，而有效地進(jìn)行飛行器體系任務(wù)分配與任務(wù)規(guī)劃是基礎(chǔ)?？梢詫⒅悄軆?yōu)化算法應(yīng)用于任務(wù)規(guī)劃問題模型進(jìn)行求解，并通過任務(wù)規(guī)劃的仿真實(shí)驗(yàn)進(jìn)行驗(yàn)證。而傳統(tǒng)方法難以支撐智能化體系的任務(wù)規(guī)劃，因此需要采用群體智能控制的方式[82]。飛行器體系以及集群在任務(wù)執(zhí)行方面具有典型的規(guī)模優(yōu)勢(shì)，但隨著任務(wù)復(fù)雜度、環(huán)境不確定性和飛行器體系節(jié)點(diǎn)規(guī)模的增加，協(xié)同目標(biāo)探測(cè)、協(xié)同目標(biāo)狀態(tài)融合、協(xié)同態(tài)勢(shì)理解與共享等關(guān)鍵問題難度劇增，因此，發(fā)展可以適應(yīng)大規(guī)模、高異構(gòu)性和分布式問題的求解算法至關(guān)重要。

3) 智能個(gè)體/群體間增強(qiáng)學(xué)習(xí)、遷移學(xué)習(xí)與演化的動(dòng)態(tài)機(jī)制

體系的動(dòng)態(tài)演化特性是通過個(gè)體與群體的復(fù)雜交互機(jī)制實(shí)現(xiàn)的。智能個(gè)體具有學(xué)習(xí)能力，并通過個(gè)體和群體的互動(dòng)增強(qiáng)作用，發(fā)生遷移學(xué)習(xí)和深度演化，在個(gè)體能力和群體結(jié)構(gòu)不同層級(jí)實(shí)現(xiàn)動(dòng)態(tài)互激勵(lì)式優(yōu)化演進(jìn)。

體系智能以個(gè)體智能為基礎(chǔ)，并從個(gè)體智能涌現(xiàn)出導(dǎo)向性整體智能。無論是個(gè)體智能還是整體智能，都需體現(xiàn)自主能力和學(xué)習(xí)能力兩個(gè)方面的特征[83]。具有感知、判斷、規(guī)劃、決策、協(xié)同等高級(jí)別的自主能力將成為飛行器體系的發(fā)展趨勢(shì)，而個(gè)體自主是基礎(chǔ)。飛行器體系中平臺(tái)之間存在協(xié)同觀察、協(xié)同判斷、協(xié)同決策和協(xié)同行動(dòng)的交互性關(guān)系。個(gè)體基于自身知識(shí)以及對(duì)環(huán)境、自身和態(tài)勢(shì)的理解，通過在不同的過程中進(jìn)化，增強(qiáng)和其他群體間的學(xué)習(xí)，進(jìn)行規(guī)則更新，獲得完成多種任務(wù)的更高能力。從高層視角可將體系整體視為宏觀智能體，在OODA全流程環(huán)節(jié)從體系整體的角度進(jìn)行綜合權(quán)衡，可以涌現(xiàn)出整體行為效果最佳的宏觀智能[84]?？焖侔l(fā)展的深度學(xué)習(xí)技術(shù)是支持飛行器體系個(gè)體和體系整體自主學(xué)習(xí)和能力演進(jìn)極具潛力的方法。另外，體系作戰(zhàn)仿真系統(tǒng)日益成熟，可以首先在建模仿真活動(dòng)中培育和訓(xùn)練個(gè)體和體系智能，待成熟后再將其嵌入飛行器個(gè)體及體系[85]。

受自然現(xiàn)象啟發(fā)，目前還有大量的研究工作借鑒仿生學(xué)思想研究蜂群、蟻群、鳥群、狼群、魚群、菌群等大規(guī)模的生物群體的協(xié)同機(jī)制[86]，構(gòu)建優(yōu)選學(xué)習(xí)器，基于獲取的態(tài)勢(shì)信息、任務(wù)約束，并依據(jù)集群個(gè)體能力，有機(jī)結(jié)合模糊邏輯與超限學(xué)習(xí)算法，實(shí)現(xiàn)從狀態(tài)到策略的策略集輸出及協(xié)同策略優(yōu)化和動(dòng)態(tài)智能演化[87]，有力支撐飛行器體系的智能優(yōu)化設(shè)計(jì)。

4 結(jié) 論

在人工智能的促進(jìn)下，飛行器設(shè)計(jì)有望實(shí)現(xiàn)跨層級(jí)、全方位、深融合的革命性突破。本文基于飛行器未來的設(shè)計(jì)需求以及人工智能技術(shù)，對(duì)飛行器設(shè)計(jì)體系的發(fā)展進(jìn)行了預(yù)測(cè)，提出了飛行器全生命周期多源數(shù)據(jù)驅(qū)動(dòng)的智能化設(shè)計(jì)理念。其能極大地縮短研發(fā)周期、提升飛行器設(shè)計(jì)效率和效能，實(shí)現(xiàn)整個(gè)設(shè)計(jì)流程的自演進(jìn)和知識(shí)的傳承。

本文總結(jié)的關(guān)鍵技術(shù)和科學(xué)問題可為飛行器設(shè)計(jì)的未來發(fā)展提供初步研究方向。其涉及學(xué)科領(lǐng)域廣，并且需要將數(shù)字孿生、知識(shí)庫構(gòu)建等前沿人工智能技術(shù)與傳統(tǒng)飛行器設(shè)計(jì)的各個(gè)領(lǐng)域進(jìn)行深度交叉融合。但是，由于將智能化技術(shù)應(yīng)用到飛行器設(shè)計(jì)的理念近些年才剛剛萌生，究竟如何將多域聯(lián)合建模、知識(shí)表達(dá)與推理等人工智能方法真正應(yīng)用于這個(gè)多學(xué)科耦合的領(lǐng)域并發(fā)揮出理想的作用仍具有巨大的技術(shù)挑戰(zhàn)，因此本文從預(yù)測(cè)的角度對(duì)各類技術(shù)和科學(xué)問題進(jìn)行了論述。飛行器智能設(shè)計(jì)仍迫切需要各航空航天工業(yè)部門、高校、研究所和學(xué)會(huì)加大重視力度，發(fā)展其新方法和新理論，解決航空航天工程長期面臨的湍流、氣動(dòng)等“卡脖子問題”，最終實(shí)現(xiàn)中國軍用飛行器在國際軍事上的“領(lǐng)跑”。