郭雷，朱玉凱，喬建忠，郭康，包為民,4,*

1. 北京航空航天大學 自動化科學與電氣工程學院，北京 100083 2. 鵬城實驗室 數(shù)學與理論部，深圳 518055 3. 北京航空航天大學 宇航學院，北京 100083 4. 中國航天科技集團有限公司 科技委，北京 100048

物競天擇，適者生存。動物在億萬年的進化過程中，面對病毒侵襲、環(huán)境劇變、天敵侵害、種群競爭，形成了強大的環(huán)境適應、生存與進化能力，具有對于病毒的免疫性、對于惡劣環(huán)境的耐受性、對于天敵的預警能力和隱蔽性，從而保證了種群的繁衍生息[1]。

自產(chǎn)生伊始，控制論就與動物和機器的信息處理和反饋機理密切聯(lián)系[2]。文獻[3-6]深入討論了生物自生性、生命衰老與控制論中超穩(wěn)定性、主被動緩沖調(diào)節(jié)以及干擾環(huán)境適應性等問題的聯(lián)系。20世紀50年代，Turing提出了著名的圖靈測試，促進了機器學習等人工智能技術(shù)的快速發(fā)展[7]。近年來，以谷歌旗下DeepMind公司研發(fā)的AlphaGo為標志，人工智能已逐漸能像人類一樣開始學習，人工智能技術(shù)得到了前所未有的重視和發(fā)展。隨著從自動控制、自主控制到智能控制理論和技術(shù)的發(fā)展，控制理論已經(jīng)與人工智能緊密結(jié)合，在航空航天、裝備制造、工業(yè)過程、交通運輸?shù)阮I(lǐng)域發(fā)揮了重要作用[8-22]。

無人系統(tǒng)包括機器人、無人機、無人艇、無人潛器以及導彈、衛(wèi)星等依靠自主導航和控制的運動體。智能無人系統(tǒng)是機器和動物智能行為的融合體現(xiàn)，已成為人工智能技術(shù)的重要載體[8-11,18-22]?，F(xiàn)有人工智能的研究仍以機器學習的“腦智能”為主，在模擬人的感知、思維與學習過程的基礎(chǔ)上，已使無人系統(tǒng)初步具備了“視覺”“聽覺”“嗅覺”“觸覺”等智能行為?；跈C器視覺的感知與理解、強化學習、語音識別等人工智能技術(shù)在無人系統(tǒng)環(huán)境感知、自主規(guī)劃與決策、協(xié)同控制等方面發(fā)揮了重要作用，已成功應用于無人車自動駕駛、空地協(xié)同等多種任務場景中[18-22]。例如，Boston Dynamics公司研制的機器人可以完成跳躍、后空翻、越障等一系列類人動作，但是仍局限于已知的結(jié)構(gòu)化環(huán)境。目前的智能無人系統(tǒng)技術(shù)集中在對于類腦、視覺、聽覺等器官功能和結(jié)構(gòu)化環(huán)境下行動能力的研究，缺乏對于干擾對抗和非結(jié)構(gòu)化環(huán)境下智能行為的刻畫和實現(xiàn)。

衛(wèi)星、導彈、無人機、野外機器人等類型的無人系統(tǒng)具有以下基本特點，同時對于控制系統(tǒng)和人工智能技術(shù)帶來了新的挑戰(zhàn)：① 長期在非結(jié)構(gòu)化、陌生與復雜干擾環(huán)境中運行，干擾、對抗和不確定性因素復雜，難以事先學習和預測；② 在干擾和陌生環(huán)境下，對于目標、環(huán)境和運動信息的獲取和感知能力不足，無法快速標定，難以實時維護、支援和修復；③ 具有強構(gòu)型約束特性，需要滿足時間(跟蹤、識別和機動速度等)、空間(飛行包絡(luò)、軌道、安全走廊和障礙物等)、物理(構(gòu)型局限、機構(gòu)飽和、通道非匹配、欠驅(qū)動等)、能量(燃料受限等)、信息(量測不完備等)五大類系統(tǒng)約束。

因此，隨著任務、環(huán)境、對象的日益復雜化，對無人系統(tǒng)的精確性、可靠性和自主性需求不斷提升，如何突破“預設(shè)任務、理想環(huán)境、確定模式”的藩籬，提升無人系統(tǒng)的智能自主能力已成為一個挑戰(zhàn)性問題。

與動物類似，在干擾、對抗、博弈等不確定態(tài)勢下，無人系統(tǒng)同樣面臨著電磁干擾等“病毒侵襲”、高低溫/強輻射等“環(huán)境劇變”、敵方打擊/全域監(jiān)視等“天敵侵害”、資源分配/載荷互干擾等“種群競爭”的影響。具體而言，無人系統(tǒng)性能會受到氣象、溫度、電磁等外部環(huán)境干擾，信息欺騙、信號拒止、通道阻塞等人為主動干擾，傳感器測量噪聲、控制機構(gòu)誤差、結(jié)構(gòu)振動、機構(gòu)摩擦與器部件退化等內(nèi)部干擾，以及模型不確定性等因素的影響[23-26]。同時，干擾對抗易導致無人系統(tǒng)的信息污染、結(jié)構(gòu)損傷、執(zhí)行機構(gòu)與傳感器失效等故障，帶來系統(tǒng)動力學特性、氣動特性、輸入效率與量測信息的不可預測變化[27-32]。

干擾、拒止、攻擊、封鎖、損傷、故障等不確定因素的存在使無人系統(tǒng)的安全性始終受到嚴重威脅，“生存”能力已經(jīng)超過“思維”能力成為無人系統(tǒng)最基本的需求。對于在“病毒侵襲”“天敵威脅”“種群競爭”等態(tài)勢和極端環(huán)境下的無人系統(tǒng)，其行為的智慧性首先表現(xiàn)在高超的“抵御病毒”“應對天敵”“適應環(huán)境”的能力。

對于無人系統(tǒng)而言，生存能力和學習能力同等重要。在干擾對抗環(huán)境下，無人系統(tǒng)是“學習”還是“生存”？這是一個問題。受動物進化和生存能力的啟發(fā)，本文通過交叉融合控制科學、生命科學、人工智能等學科的前沿理論與技術(shù)，探討如何提升干擾對抗環(huán)境下無人系統(tǒng)的“生存智能”，即從傳統(tǒng)的“機器學習”進一步拓展到“機器生存”的意義；從控制理論的角度提出了干擾對抗環(huán)境下無人系統(tǒng)生存智能的幾個要素：安全控制、免疫控制與綠色控制。簡述了若干無人系統(tǒng)生存智能的基礎(chǔ)問題、關(guān)鍵技術(shù)以及未來的解決思路。

1 安全控制

對于危險態(tài)勢、特殊任務、惡劣條件等極端不確定環(huán)境下的無人系統(tǒng)而言，干擾和故障是影響其安全性能和壽命的主要不確定因素[23-28]。例如，臺風、火災、暴雨等環(huán)境下應急救援任務給無人機技術(shù)帶來了極大的挑戰(zhàn)，非結(jié)構(gòu)化及陌生環(huán)境下機器人的精準作業(yè)技術(shù)仍然難以實現(xiàn)。日益復雜的結(jié)構(gòu)和任務使得無人系統(tǒng)的風險日益增加，如強對抗、變構(gòu)型、強機動等特殊任務會引起衛(wèi)星、無人機等質(zhì)心和慣量的大幅時變偏移，從而導致控制性能下降甚至失穩(wěn)。

從生命科學的角度，無人系統(tǒng)抗擾與容錯控制過程對應于“看病、治病、養(yǎng)病”的過程。從控制理論的角度，上述擾動、誤差、噪聲、攻擊、退化、失效以及若干參數(shù)變化等不確定性均可描述為系統(tǒng)干擾變量的影響。多來源、多類型、多通道的復合干擾與故障信號交聯(lián)耦合，在閉環(huán)回路中相互影響，使得無人系統(tǒng)的干擾估計、故障檢測與抗干擾容錯控制成為一個理論難題[24-26]。

干擾、故障等其他未知因素都可以表征為控制系統(tǒng)的不確定和隨機變量。按抗干擾能力區(qū)分，傳統(tǒng)的抗干擾和魯棒控制可以分為干擾抑制和干擾補償(抵消)方法2類：以最小方差控制、H∞控制、H2控制等為代表的干擾抑制方法通過性能優(yōu)化來降低干擾對系統(tǒng)期望性能的影響；PID控制、基于干擾觀測器的控制(DOBC)、自抗擾控制(ADRC)等干擾補償方法可以實現(xiàn)對常值、諧波、變化率有界等干擾的實時補償[25]。然而，這些方法主要存在3個問題，影響了相關(guān)理論方法的實際應用，無法保證無人系統(tǒng)在危險、極端、特殊和惡劣(“危極特惡”)環(huán)境下的性能：其一，局限于單一同質(zhì)干擾系統(tǒng)，忽略了干擾和不確定性變量的多源性和動態(tài)特征，缺乏對于多源干擾之間、干擾與狀態(tài)、輸入和輸出之間的動靜態(tài)拓撲聯(lián)系的刻畫；其二，以干擾抑制為工具的抗擾、魯棒和容錯控制方法僅考慮內(nèi)部可控、內(nèi)部穩(wěn)定性以及相對抑制能力，理論上無法完全保證系統(tǒng)對于外部干擾的絕對量化能力；其三，以干擾補償和抵消為目標的方法依賴于干擾不變性設(shè)計準則，難以實現(xiàn)系統(tǒng)性能的自主調(diào)節(jié)和重構(gòu)優(yōu)化。

圍繞智能無人系統(tǒng)在多源干擾與故障環(huán)境下的高精度和高安全需求，無人系統(tǒng)安全控制技術(shù)需要解決如下關(guān)鍵問題：多源干擾與故障的表征/識別/估計與量化分析、復合精細抗干擾控制技術(shù)、故障自愈與重構(gòu)控制技術(shù)等。傳統(tǒng)抗擾與容錯控制理論相比，安全控制(如圖1所示)需要實現(xiàn)從單一同質(zhì)變量到多源異質(zhì)變量、從內(nèi)部穩(wěn)定到外部穩(wěn)定、從干擾不變性設(shè)計到適應可變性設(shè)計的理論突破[24-27]。

1.1 多源干擾的表征、估計與量化分析

干擾、故障等多種不確定性廣泛存在于無人系統(tǒng)中且相互耦合，給控制系統(tǒng)的設(shè)計與分析帶來極大挑戰(zhàn)。2015年，美國DARPA啟動了“量化物理系統(tǒng)的不確定性”(EQUiPS)項目，對建模與設(shè)計過程中多來源的不確定性進行有效表征、量化與管理。美國麻省理工學院、斯坦福大學、桑迪亞實驗室等機構(gòu)圍繞高超聲速飛行器、水翼船等復雜系統(tǒng)開展了不確定性量化分析研究。在控制科學領(lǐng)域，干擾和不確定變量的估計和辨識技術(shù)已成為一個研究熱點。傳統(tǒng)的干擾觀測器和擴張狀態(tài)觀測器理論缺乏對于多源干擾信息的充分利用和深度刻畫，對具有異質(zhì)異構(gòu)特征的多源干擾缺乏可分離性研究，因此適應性小、保守性大。

本團隊于2002年起開展多源干擾表征、估計與量化分析研究，針對受干擾與故障影響的無人系統(tǒng)，建立包括多源異質(zhì)異構(gòu)變量的運動學、動力學以及生物學深耦合動態(tài)模型，揭示了多源干擾/故障信號與系統(tǒng)狀態(tài)、輸入、輸出之間的深耦合動態(tài)關(guān)系，提出了具有加性、乘性、隱性形式的多源異質(zhì)未知信號檢測、識別、估計、預測方法以及相應的可分離性判據(jù)。

多源復合信號的分離和識別需要充分利用未知信號的靜、動態(tài)特征(包括動態(tài)性、隨機性和能量有界特性)，建立干擾與故障信號的異質(zhì)異構(gòu)精細建模與表征方法；從“傳感-通信-控制-執(zhí)行”的全信息流回路揭示多源異質(zhì)信號的傳遞和影響機理，提出復合干擾與故障的信號分離與因果分析方法；提出基于微循環(huán)小回路的未知信號估計、預測與溯源方法，克服傳統(tǒng)方法僅針對單一同質(zhì)變量(干擾/故障)的局限性，為無人系統(tǒng)安全控制的系統(tǒng)設(shè)計和建模方法提供理論基礎(chǔ)。上述內(nèi)容也是不確定性量化和數(shù)字孿生理論的重要拓展。

1.2 復合精細抗干擾控制技術(shù)

無人系統(tǒng)本身存在時間、空間、物理、能量、信息等五大類約束。在博弈對抗、應急救援、察打一體、反恐防暴等無人系統(tǒng)復雜任務過程中，環(huán)境干擾、慣性未知、結(jié)構(gòu)振動、通道耦合、器件退化等干擾和不確定因素的存在，使得無人系統(tǒng)的高精度、強自主控制技術(shù)成為一個理論和技術(shù)難題。

傳統(tǒng)的抗干擾控制方法大多局限于單一同質(zhì)干擾。有的基本不依賴于干擾本身特征(如ADRC)，保守性大；有的過于依賴干擾和系統(tǒng)模型(如內(nèi)?？刂?，適應性小。現(xiàn)代控制理論的穩(wěn)定性、可控性和可觀性分析方法作為理論基石，仍局限在對內(nèi)部狀態(tài)特性的刻畫，難以反映干擾等外部輸入對于系統(tǒng)性能的影響。對于干擾對抗態(tài)勢下的無人系統(tǒng)而言，需要開展對干擾和不確定性等“外部”特性的重新刻畫和精細量化[24-26]。干擾穩(wěn)定性(干擾影響下的穩(wěn)定性)以及干擾可控性(干擾影響下的可控性)、可控度分析成為抗干擾控制理論的重要內(nèi)容。另一方面，對于復雜環(huán)境下的無人系統(tǒng)而言，無論是單一的干擾抑制還是單一的干擾補償方法都難以奏效。根據(jù)干擾特征和結(jié)構(gòu)特性設(shè)計多源干擾同時抑制和補償?shù)膹秃峡刂品椒ǎ龅健爸褐?、對癥下藥”，將是實現(xiàn)具有強抗擾控制能力的有效手段。

為此，首先需要在干擾表征與深耦合建模的基礎(chǔ)上，研究多時空約束下無人系統(tǒng)外部可控能力與魯棒因果溯源性能量化分析研究。突破無人系統(tǒng)抗干擾指定性能控制、多源干擾精細補償和量化抑制方法、動基座變質(zhì)心高精度機動控制、姿軌一體精細抗干擾協(xié)調(diào)控制和分配等關(guān)鍵技術(shù)，完成對無人系統(tǒng)“感知-導航-控制”一體化設(shè)計，實現(xiàn)從傳統(tǒng)內(nèi)部穩(wěn)定性到外部穩(wěn)定性、從狀態(tài)可控到干擾可控的跨越。同時，精細抗干擾控制技術(shù)也可避免“過度醫(yī)療”，為下面的免疫和綠色控制提供理論基礎(chǔ)和技術(shù)支持。

1.3 無人系統(tǒng)自愈與重構(gòu)控制技術(shù)

除了持續(xù)存在的干擾和退化，突發(fā)對抗和故障也是制約無人系統(tǒng)安全性的重要因素。首先，干擾和故障的逐漸“同化”使得多源干擾系統(tǒng)復合精細抗干擾控制方法對于對抗和故障具有通用意義[24-27]。其中一個首要問題是處理干擾與故障多源性以及可能的通道與因果融合，這使得干擾和故障/攻擊的信號分離成為一個關(guān)鍵問題。

另一方面，基于干擾不變性準則的內(nèi)?？刂?、ADRC和DOBC等補償和故障修復方法已難以滿足復雜任務的要求，需要實現(xiàn)從“不變性”設(shè)計到“適應可變性”設(shè)計的突破[26,32]。

需要根據(jù)任務、環(huán)境、載荷與無人系統(tǒng)一體化設(shè)計，結(jié)合干擾與故障的特征和耦合關(guān)系提出具有干擾隔離能力的故障檢測、診斷和容錯控制方法。另一方面，需要根據(jù)系統(tǒng)構(gòu)型、器件選型和典型的干擾/故障/損傷模式，研究無人系統(tǒng)動靜混合可靠性設(shè)計方法。根據(jù)突變、干擾、攻擊、故障等不確定狀況，實現(xiàn)對任務、軌跡、決策、控制等環(huán)節(jié)的自主在線重構(gòu)和優(yōu)化，從傳統(tǒng)的系統(tǒng)穩(wěn)定性和可靠性目標拓展到系統(tǒng)均衡性目標[32]。

總之，對于多源干擾/故障系統(tǒng)，未來研究工作中需要進一步突破原有干擾補償方法的局限性，提出“適應可變性”設(shè)計準則以及多源干擾同時消納、補償與抑制方法，克服傳統(tǒng)干擾不變性設(shè)計準則的藩籬，使無人系統(tǒng)對于干擾與故障具有自主動態(tài)調(diào)節(jié)能力。

2 免疫控制

現(xiàn)有無人系統(tǒng)過度依賴信息化與網(wǎng)絡(luò)化，易于暴露、易受攻擊、易被欺騙，因而在干擾對抗特別是信息拒止環(huán)境下生存能力較差?！暗栏咭怀?、魔高一丈”。傳統(tǒng)的抗擾和容錯等安全控制方法大多僅注重于客觀干擾和系統(tǒng)內(nèi)部故障的處理，無法解決抵御攻擊、規(guī)避威脅和博弈競爭的問題[27-34]。另一方面，基于動物免疫機制的免疫算法也已在控制器設(shè)計、觀測器設(shè)計、任務調(diào)度、路徑規(guī)劃等方面發(fā)揮了一些重要作用，但是大多局限于免疫系統(tǒng)神經(jīng)層面的算法研究[35-36]。

免疫系統(tǒng)的組成包括分子、組織、神經(jīng)和行為等部分，動物抵御天敵、應對病毒的方式是一個包括分子識別、組織調(diào)節(jié)、神經(jīng)決策和行為規(guī)避的過程。受此啟發(fā)，本節(jié)從感知和規(guī)避、適應和調(diào)節(jié)、學習和進化方面提出并簡述無人系統(tǒng)免疫智能關(guān)鍵技術(shù)(如圖2所示)，目標是構(gòu)建具有自隱、自耐和自生能力的無人系統(tǒng)，探索無人系統(tǒng)應對干擾攻擊、博弈對抗和極端惡劣環(huán)境的問題，提出在干擾對抗等復雜態(tài)勢下無人系統(tǒng)免疫生存的新理念和新范式。

2.1 感知和規(guī)避技術(shù)

感知能力是智能系統(tǒng)的主要環(huán)節(jié)，動物對于病毒、天敵、環(huán)境劇變的抵御能力首先體現(xiàn)在對于威脅的感知和風險的預警能力。

現(xiàn)有的無人系統(tǒng)感知能力受限于任務和平臺載荷，大多僅適用于確定環(huán)境和預設(shè)任務。在干擾對抗環(huán)境以及“敵方”空天地一體化的監(jiān)視態(tài)勢下，無人系統(tǒng)缺乏對于干擾、攻擊和威脅的識別、預警與隱蔽能力，難以快速識別、探測和預測可能的干擾和威脅，在敵方全域監(jiān)視網(wǎng)下無所遁形。另一方面，動物在感知威脅和風險后，具有敏捷機動的隱藏規(guī)避等行為能力。對應于病毒的隔離過程，規(guī)避也是一種具有免疫性的智能行為。

從系統(tǒng)輸入和輸出的角度，輸入誘導、激勵和輸出特征信號重構(gòu)將成為智能系統(tǒng)診斷技術(shù)的重要內(nèi)容。文獻[33]設(shè)計了一種無人機抗干擾的攻擊識別器：

(1)

因此，未來無人系統(tǒng)亟需解決在監(jiān)視、干擾、對抗和攻擊模式下具有自主性、隱蔽性和靈敏性的“病毒”感知、診斷和預警能力，以及對于“病毒”和“天敵”的隔離、規(guī)避和隱藏能力，實現(xiàn)靈敏識別、自主隱藏和自主隔離，提升無人系統(tǒng)的“自隱性”。未來研究工作包含：異常信號感知與分布式解譯、未知信號誘導與預警、敵方意圖預測與盲區(qū)識別、基于“力-能-控”一體化的變構(gòu)型隱身、自主尋隙與跨域機動等關(guān)鍵技術(shù)。

2.2 適應和調(diào)節(jié)技術(shù)

動物對于病毒侵襲、惡劣環(huán)境和傷病情況的耐受能力很強，如水熊蟲具有強大的極端環(huán)境(真空、高/低溫、超強輻射)耐受能力。現(xiàn)有無人系統(tǒng)技術(shù)大多依賴于結(jié)構(gòu)化環(huán)境以及完備的網(wǎng)絡(luò)和通信條件的支持，在弱支持、強干擾、非結(jié)構(gòu)化環(huán)境下的自我耐受能力不足：在陌生環(huán)境、持續(xù)攻擊壓制情形下難以持久生存，在攻擊損傷下的功能恢復與重構(gòu)能力不足，在外部支援匱乏的條件下易導致資源耗盡的問題。

生物應對病毒和病痛會產(chǎn)生包括分子、組織、神經(jīng)和行為層面的免疫反應。動物的老化也和無人系統(tǒng)的老化一樣，需要重新調(diào)節(jié)目標、任務和機制[6]。從系統(tǒng)層面，魯棒性和緩沖性是應對干擾、對抗、老化/退化的有效途徑。受此啟發(fā)，需要從免疫機制、過程和系統(tǒng)角度研究無人系統(tǒng)的免疫適應和調(diào)節(jié)問題，使無人系統(tǒng)具有免疫智能能力——在攻擊、壓制、無支持等環(huán)境下具有功能自恢復、集群自組織、任務自重構(gòu)性能。此外，為了克服在免疫過程中的超調(diào)、飽和、能量過度消耗等不利因素，無人系統(tǒng)還應具有自身免疫耐受性和能量維持的調(diào)節(jié)能力。

免疫適應與調(diào)節(jié)技術(shù)的未來研究工作包括：基于小回路激勵機制的健康診斷、資源受限條件下的能源優(yōu)化等。此外，還要研究在能量有限、增益飽和的模式下，多源干擾/攻擊的可觀/可抗性、多步時序自愈控制、損傷和故障模式下自恢復與柔性任務重構(gòu)等理論問題。

2.3 學習和進化技術(shù)

動物會對特定抗原產(chǎn)生相應的抗體，并產(chǎn)生記憶和遺傳。現(xiàn)有無人系統(tǒng)對威脅態(tài)勢感知與機動應對的學習進化能力不足，深度學習缺乏可解釋性，確定學習難以揭示攻擊的多樣性，具體表現(xiàn)為對復雜多變的敵方干擾攻擊態(tài)勢難以記憶與預測、對抗環(huán)境下個體/群體難以動態(tài)演化。

因此，無人系統(tǒng)需要具備對于未知攻擊手段的學習、記憶和預測能力，通過離線和在線結(jié)合，數(shù)據(jù)和機理結(jié)合，實現(xiàn)無人系統(tǒng)的神經(jīng)“自生”功能。對于遭受攻擊或干擾的無人系統(tǒng)集群，可通過無人系統(tǒng)集群的異構(gòu)分布式設(shè)計等手段形成真正的“群體免疫”。通過事件觸發(fā)和拓撲生成等機制，可實現(xiàn)無人集群的再生和重構(gòu)。

相應于動物的模仿、遺傳和克隆等機制，無人系統(tǒng)學習和進化方向未來的研究問題包括：未知信號特征的學習和預測、遺傳進化的形式化建模與可信度量、陌生威脅的特征學習與記憶、分布式異構(gòu)誘導與群體協(xié)同免疫進化等。

3 綠色控制

動物可以與自然和諧共存，通過冬眠、蟄伏、假死等行為來實現(xiàn)減緩新陳代謝、降低身體能量消耗、提高隱蔽性、甚至欺騙天敵的目的，從而提高對環(huán)境的適應能力并最終提高本身的生存能力。同樣，對于極端惡劣環(huán)境和博弈對抗態(tài)勢下的無人系統(tǒng)而言，節(jié)省能量、減少流量、降低消耗、善于隱藏就是延續(xù)生命的保障。

由于無人系統(tǒng)受到時間、空間、物理、能量、信息等約束，因此在干擾、攻擊、拒止、封鎖、故障、損傷等惡劣環(huán)境下，無人系統(tǒng)不僅要保障抗擾與容錯等安全性指標，還要在約束條件下降低“精力”和“體力”消耗，避免過度損害環(huán)境、浪費資源，實現(xiàn)“節(jié)能”“節(jié)時”“省力”“省心”等目標。在長航時運行時減少能量消耗、在機動打擊等任務中提升響應速度、在物理飽和等約束下節(jié)約控制強度、在硬件存儲與處理能力受限情況下降低算法算力，從而實現(xiàn)環(huán)境友好型的綠色控制。同時，“雙碳”目標也對未來無人系統(tǒng)應用提出了新要求。

3.1 “節(jié)能”的綠色控制技術(shù)

最優(yōu)控制作為現(xiàn)代控制理論中的重要內(nèi)容，已提出了基于控制和狀態(tài)變量的“局部”二次型指標的能量控制方法，但并未從無人系統(tǒng)“感知-控制-執(zhí)行-通信”全回路能量流的角度實現(xiàn)“全局”能量優(yōu)化。從控制算法的角度，傳統(tǒng)的抗干擾控制方法如果采用具有保守性的干擾抑制或補償手段，也易過度消耗能源。因此，無人系統(tǒng)應該減少冗余和組件的使用消耗，控制和決策算法應具有“節(jié)能”特點，在處理干擾與不確定性時保證“不保守”“不污染”“不浪費”。

其中，“不保守”是指對于干擾和不確定性特征信息的“知根知底”，充分利用先驗的干擾特征進行精細補償，不僅可以保證較好的抗干擾精度，還可以最大程度的節(jié)省能量；“不污染”是指通過干擾估計誤差的量化分析，避免形成新的干擾和誤差；“不浪費”是指通過明確主要干擾源，針對不同類型干擾“對癥下藥”，采用最小代價的精細抗干擾控制手段實現(xiàn)“各個擊破”。本團隊針對空間機械臂控制系統(tǒng)的仿真及實驗表明(如圖3和圖4所示)：通過精細的干擾表征、估計、補償與抑制，所設(shè)計的復合精細控制器不僅具有更高的控制精度，且控制能耗顯著降低；與傳統(tǒng)變結(jié)構(gòu)控制相比，從能耗角度使壽命提升了約1.9倍[37-38]。

3.2 “節(jié)時”的綠色控制技術(shù)

在應對災難和天敵侵襲時，動物具有迅疾的反應能力。因此，無人系統(tǒng)的綠色控制還應具有“節(jié)時”特點。傳統(tǒng)的有限時間控制方法缺乏與機動任務、執(zhí)行約束的有機結(jié)合。對于實時性需求較高的機動任務，時間成本是決定任務是否完成的重要前提。傳統(tǒng)的最優(yōu)控制理論可以求取時間最優(yōu)控制器，從智能科學的角度，目前的因果控制方法還難以實現(xiàn)無人系統(tǒng)在物理約束和博弈對抗態(tài)勢下的智能機動行為，這對無人系統(tǒng)應對復雜態(tài)勢的節(jié)時控制能力提出了更高的要求。

無人系統(tǒng)的節(jié)時控制問題包括非連續(xù)目標快速識別、有限時間跟蹤控制、快響應姿態(tài)機動控制與執(zhí)行方法。本團隊針對空間機器人，將自適應變結(jié)構(gòu)干擾觀測器應用于快速干擾估計，設(shè)計了有限時間指定性能控制算法實現(xiàn)快速指向控制，從而解決了對收斂時間的量化問題，顯著提升了系統(tǒng)的快速性(如圖5和圖6所示)[38]。

3.3 “省力”的綠色控制技術(shù)

動物的遷移和抓捕對于體力和運動強度要求很高，生存能力往往得益于動物個體充沛的體力和節(jié)省體力的能力。同時，動物的壽命也往往取決于某個器官的過度勞損。因此，具有物理和能量約束的無人系統(tǒng)還要研究“省力”的綠色控制技術(shù)，避免器部件的過度消耗。2013年，美國開普勒太空望遠鏡的4個飛輪中已有2個由于過度使用而出現(xiàn)故障，導致耗資6億美元的航天器提前進入“安全模式”。

針對干擾對抗環(huán)境下的無人系統(tǒng)，對某一疾病的過度治療會帶來其他器官的衰竭等并發(fā)癥?，F(xiàn)有的無人系統(tǒng)控制方法要么采用保守的魯棒控制，要么采用高強度、高增益的變結(jié)構(gòu)、自抗擾等控制方法，往往通過提升觀測器或控制器增益來實現(xiàn)對某一干擾的估計、抑制或抵消，易導致大超調(diào)、過飽和、抖振等不利現(xiàn)象，這些“高強度”控制方法易于導致器件的磨損、退化、老化甚至失效。

特別值得強調(diào)的是，干擾并不都是“負能量”。除了干擾抑制、干擾補償?shù)瘸Ｓ每刂颇Ｊ?，干擾消納技術(shù)可以利用干擾、借力打力，將成為未來新的研究熱點。本團隊以無人機軌跡控制系統(tǒng)為例開展研究[34]，無人機“阻變升”技術(shù)已成功實現(xiàn)仿生干擾消納：

(2)

式中：m為無人機質(zhì)量；a為加速度；u表示控制輸入；G為重力項；v與vw分別表示飛行速度與風速；D與R分別表示阻力系數(shù)與旋轉(zhuǎn)矩陣；d0表示高速飛行氣動阻力；d1表示外界風擾。基于“阻變升”干擾消納的控制器可設(shè)計為

(3)

無人系統(tǒng)“省力”的綠色控制技術(shù)應通過精細干擾補償、柔性控制分配、自適應降級控制以及指定性能控制等手段降低控制強度，達到既完成任務指標又降低器件工作強度的控制效果(如圖7、圖8所示)。

3.4 “省心”的綠色控制技術(shù)

迅捷的反應速度和行動能力要求動物具有快速高效的信息計算和處理決策能力，同時，快速的計算也可以節(jié)省能量和時間。雖然隨著感知能力的提高，無人系統(tǒng)的信息獲取量增大，為結(jié)構(gòu)化環(huán)境下無人系統(tǒng)的智能控制提供了有效手段。但是，對于非結(jié)構(gòu)化極端環(huán)境下的無人系統(tǒng)，特別是無人機、導彈、衛(wèi)星等強構(gòu)型約束系統(tǒng)，信息存儲、處理與計算能力十分受限，特別需要保證具有“省心”特點的綠色信息融合和控制機制，這使得若干過于復雜的建模、學習和控制方法難以在線應用。

因此，對于干擾對抗態(tài)勢下的無人系統(tǒng)而言，“省心”的綠色控制算法應具有存儲空間小、算力低、算法簡單的特點。已有的PID、ADRC和DOBC方法具有較為簡單的設(shè)計框架，因而在實際中得到了較好的應用。本團隊對衛(wèi)星及執(zhí)行機構(gòu)、旋翼無人機等對象控制的實驗表明(如圖9和圖10所示)，復合分層抗干擾控制(CHADC)方法將觀測器增益與反饋控制器增益分離設(shè)計，調(diào)參方便，具有可剪裁性，降低了對存儲與計算能力的要求[39]。以DOBC+PID復合抗干擾控制為例，控制輸入可以表示為

(4)

對于無人系統(tǒng)而言，未來還需要進一步基于特征模型、全驅(qū)系統(tǒng)等理論方法提高感知和控制的全回路信息處理能力[10,40]。同時，“省心”“省力”的量化以及多指標之間的協(xié)調(diào)優(yōu)化也是未來綠色控制需要研究的重點。

4 總結(jié)與展望

隨著智能制造、航空航天和軍事裝備領(lǐng)域的發(fā)展，衛(wèi)星、導彈、無人機、無人車、無人艇等無人系統(tǒng)已經(jīng)成為國民經(jīng)濟和國防安全的重要力量。然而，無人系統(tǒng)面臨的博弈對抗態(tài)勢愈發(fā)凸顯，干擾、攻擊、對抗、拒止、封鎖、損傷等極端惡劣環(huán)境嚴重制約了無人系統(tǒng)的安全性、自主性與可靠性。2019年，美國太空軍已正式成立。2021年7月，美國空間監(jiān)視衛(wèi)星“USA-271”故意抵近襲擾中國的“實踐二十號”衛(wèi)星，試圖上演“太空碰瓷”事件。因此，對于博弈對抗等惡劣環(huán)境下的無人系統(tǒng)而言，從智能行為、功能和仿生智能的意義層面，生存能力比學習能力更能體現(xiàn)智慧性。

受動物在病毒侵襲、環(huán)境劇變、天敵侵害、種群競爭等惡劣環(huán)境下的生存能力啟發(fā)，本文提出了無人系統(tǒng)生存智能問題以及相應的賦生技術(shù)，所謂賦生也是秉承維納、艾斯比等控制論創(chuàng)始人動物和機器的根本思想，視系統(tǒng)如生命、器件似器官；進一步，從控制理論的角度針對安全控制、免疫控制、綠色控制3個要素分別闡述了相關(guān)的基礎(chǔ)問題與關(guān)鍵技術(shù)。總體來說，無人系統(tǒng)生存智能技術(shù)的研究目標是提升無人系統(tǒng)在干擾與故障影響下的安全性，增強博弈對抗與無支持環(huán)境下具有自隱、自耐、自生功能的免疫能力，在多約束下實現(xiàn)“節(jié)能”“節(jié)時”“省力”“省心”性能的環(huán)境友好型綠色控制。應該指出，沒有生存能力無從談學習問題，但如無學習能力也難以保證無人系統(tǒng)在危險、極端、特殊、惡劣(“危極特惡”)的復雜環(huán)境下生存。作為仿生智能(包括仿生導航和仿生控制)的重要內(nèi)容[41-42]，“能生存”的無人系統(tǒng)未來將與“會學習”的無人系統(tǒng)一樣，成為智能無人系統(tǒng)發(fā)展的重要方向。