郭雷，王恩美，盧昊，王陳亮，郭克信，3，余翔，喬建忠

仿生變構(gòu)型飛行器智能控制技術(shù)：進(jìn)展與展望

郭雷1，2，王恩美2，盧昊2，王陳亮1，郭克信2，3，余翔1，2，喬建忠1

（1.北京航空航天大學(xué) 自動化科學(xué)與電氣工程學(xué)院，北京 100191；2.北京航空航天大學(xué)杭州創(chuàng)新研究院，浙江 杭州 310051；3.北京航空航天大學(xué)航空科學(xué)與工程學(xué)院，北京 100191）

仿生變構(gòu)型飛行器是一種為適應(yīng)環(huán)境和任務(wù)的變化而具備動物外部構(gòu)型變化能力的新型飛行器，變構(gòu)型的動態(tài)飛行特征給控制系統(tǒng)設(shè)計帶來了一系列挑戰(zhàn)。飛行器仿生變構(gòu)型的過程是一種飛行器“眼、耳、腦、體、翼”等多器官協(xié)調(diào)的智能行為，控制系統(tǒng)設(shè)計的主要目標(biāo)是在“感知—決策—反饋—執(zhí)行”全控制回路的框架下解決“為何變”“如何變”等智能行為的設(shè)計問題，賦予飛行器（特別是無人飛行器）在復(fù)雜干擾和不確定環(huán)境下強(qiáng)自主、強(qiáng)適應(yīng)、強(qiáng)生存等智能能力。結(jié)合近年來智能控制和仿生技術(shù)的發(fā)展，從仿生智能的視角梳理變構(gòu)型飛行器控制技術(shù)的研究現(xiàn)狀和存在問題，指出仿生變構(gòu)型飛行器設(shè)計需要完成從“方法論”“系統(tǒng)論”設(shè)計到“環(huán)境/任務(wù)/系統(tǒng)一體化”設(shè)計亦即“行為論”設(shè)計的跨越；進(jìn)一步提出了機(jī)理與數(shù)據(jù)混合驅(qū)動建模、多維信息仿生感知、智能自適應(yīng)變形決策、變形與飛行一體化控制、全回路安全控制等前沿科學(xué)問題，并給出了可能的解決思路。

變構(gòu)型飛行器；智能控制；仿生智能；安全控制；行為控制

0　引言

人類自古就有像鳥一樣自由飛行的夢想，從我國幾千年前《墨子》中記載的竹雀到20世紀(jì)初萊特兄弟發(fā)明的現(xiàn)代飛機(jī)，無不體現(xiàn)人們對翱翔天空的孜孜追求。飛行器技術(shù)本身就是仿生技術(shù)發(fā)展的標(biāo)志性成果。

傳統(tǒng)飛行器大多采用固定構(gòu)型，在大空域、寬速域、復(fù)雜多樣化任務(wù)環(huán)境下的適應(yīng)性、安全性和智能化程度不足。與此對應(yīng)，自然界的飛行動物可根據(jù)任務(wù)、環(huán)境和自身狀態(tài)靈活改變外形，以獲取高低空、高低速優(yōu)化配置的飛行能力，實現(xiàn)在惡劣自然環(huán)境和天敵威脅下的機(jī)動規(guī)避。近年來，受仿生學(xué)的啟發(fā)，在仿生技術(shù)和材料、機(jī)構(gòu)、防熱等技術(shù)發(fā)展的推動下，變構(gòu)型飛行器引起了研究人員的高度關(guān)注［1-4］。

仿生變構(gòu)型飛行器是指一類能夠?qū)崟r感知外部環(huán)境和態(tài)勢，并結(jié)合飛行任務(wù)和自身狀態(tài)主動仿照動物外部構(gòu)型變化而改變形態(tài)，旨在獲取最佳氣動外形以實現(xiàn)高效飛行的智能飛行器。變構(gòu)型需求基于環(huán)境和任務(wù)的改變而動態(tài)調(diào)整，飛行器通過變構(gòu)型實現(xiàn)更強(qiáng)的適應(yīng)性和智能性。因此無人仿生變構(gòu)型飛行器是一種智能性更強(qiáng)的無人系統(tǒng)。仿生變構(gòu)型飛行器成為目前航空航天領(lǐng)域最具基礎(chǔ)性、戰(zhàn)略性、前沿性和交叉性的高新技術(shù)之一，具有廣闊的軍民兩用前景。

系統(tǒng)變構(gòu)型的需求主要來源于環(huán)境和任務(wù)方面，主要表現(xiàn)在：1）空域、速域、氣流和陣風(fēng)等飛行環(huán)境和氣象因素變化，包括在高低海拔和高低速飛行時翼展和翼型的變化；2）在面臨威脅、風(fēng)險和機(jī)會時飛行任務(wù)和目標(biāo)的變化，包括在實現(xiàn)規(guī)避、覓食和尋偶等機(jī)動能力時構(gòu)型的變化。不同于固定構(gòu)型飛行器，變構(gòu)型飛行器通過構(gòu)型變化來改善氣動特性、增強(qiáng)操縱和控制能力以適應(yīng)環(huán)境變化，并滿足多樣化任務(wù)需求。變構(gòu)型飛行器的變形機(jī)制呈現(xiàn)多樣性，例如固定翼飛行器有翼展伸縮、頭部彎曲、前后掠轉(zhuǎn)變、撲翼、柔性翼、可折疊作業(yè)機(jī)構(gòu)等變形機(jī)制，旋翼飛行器有傾轉(zhuǎn)旋翼、翼架變構(gòu)、可折疊抓取機(jī)構(gòu)等變形機(jī)制［2-6］。

飛行生物通過不同器官在環(huán)境感知、任務(wù)規(guī)劃、變形決策、肌肉調(diào)動與執(zhí)行等多環(huán)節(jié)的有機(jī)協(xié)作并經(jīng)反復(fù)學(xué)習(xí)與進(jìn)化，才實現(xiàn)智能變形飛行，這是一個復(fù)雜的多器官協(xié)調(diào)和神經(jīng)元決策的過程。迄今為止，其中的生物學(xué)奧妙也未能得到充分的揭示和發(fā)現(xiàn)?！暗婪ㄗ匀欢殖阶匀弧保儤?gòu)型飛行器特別是無人變構(gòu)型飛行器要實現(xiàn)安全、高效、智能飛行，除了需要探索智能材料、變形機(jī)構(gòu)、氣動布局等“看得見”的技術(shù)之外，還需研究涵蓋“感知—決策—反饋—執(zhí)行”全回路的智能操控系統(tǒng)這一“看不見”的神經(jīng)元解譯和行為控制技術(shù)?？刂葡到y(tǒng)作為變構(gòu)型飛行器的“眼、耳、腦、體、翼”的操縱和協(xié)調(diào)者，必須具備回答、決策并解決“何時變”“如何變”“怎么飛”“怎么控”等問題的能力。其中，“何時變”是指根據(jù)環(huán)境、目標(biāo)、本體的感知信息判斷變形機(jī)制執(zhí)行的時空窗口；“如何變”是指飛行過程中的變形決策，即根據(jù)感知信息選擇某種指標(biāo)并決定哪個部位變形及相應(yīng)的變形量；“怎么飛”是指動態(tài)環(huán)境與任務(wù)下的軌跡規(guī)劃，根據(jù)感知結(jié)果并結(jié)合構(gòu)型變化引入的性能提升規(guī)劃出可行的優(yōu)化飛行軌跡；“怎么控”是指變構(gòu)型飛行過程中的變形伺服控制與姿態(tài)控制。變構(gòu)型飛行器的控制問題已經(jīng)不僅僅局限于先進(jìn)控制方法的設(shè)計，也已超越了控制系統(tǒng)的設(shè)計，而是包含了控制行為的設(shè)計。

對于飛行器而言，由于材料、機(jī)構(gòu)、傳感器和執(zhí)行器的能力受限，體現(xiàn)神經(jīng)元協(xié)調(diào)和實現(xiàn)過程的智能操控能力顯得更為關(guān)鍵，成為目前變構(gòu)型飛行器所面臨的一個關(guān)鍵科學(xué)問題。飛行器對于環(huán)境和態(tài)勢的適應(yīng)能力體現(xiàn)在風(fēng)速風(fēng)向、大氣密度、溫度濕度等環(huán)境信息和天敵、食物、巢穴、配偶等態(tài)勢信息的獲取和感知；飛行器連續(xù)構(gòu)型變化和大飛行包線特征，導(dǎo)致飛行器本身存在動基座變質(zhì)心、氣動/結(jié)構(gòu)強(qiáng)耦合、快時變強(qiáng)非線性、多通道強(qiáng)約束、多干擾強(qiáng)不確定等問題。飛行器變構(gòu)型的過程實質(zhì)上是從一個平穩(wěn)態(tài)到另一個平穩(wěn)態(tài)的變化過程，籍此過程達(dá)到適應(yīng)環(huán)境和任務(wù)變化，增加實時性和機(jī)動性、節(jié)省能量等目的。變構(gòu)型導(dǎo)致的質(zhì)心偏移、氣流異常以及升阻力變化都嚴(yán)重制約控制系統(tǒng)的性能，甚至威脅飛行安全［2］。這些因素給變構(gòu)型飛行器控制系統(tǒng)的精確性、快速性、適應(yīng)性和安全性提出了極為苛刻的要求，使得傳統(tǒng)面向固定構(gòu)型飛行器的控制方法難以適用。在復(fù)雜不確定動態(tài)任務(wù)和環(huán)境下，實現(xiàn)具備強(qiáng)適應(yīng)、強(qiáng)自主、強(qiáng)生存特征的智能控制，是仿生變構(gòu)型飛行器研發(fā)中需要解決的核心問題。

本文結(jié)合近年來國內(nèi)外科技發(fā)展趨勢，從仿生智能的視角梳理變構(gòu)型飛行器控制技術(shù)的研究現(xiàn)狀，探討一些挑戰(zhàn)性難題以及可能的解決思路，以推動仿生變構(gòu)型飛行器技術(shù)的發(fā)展，服務(wù)于國防和國民經(jīng)濟(jì)建設(shè)。

1　研究現(xiàn)狀

1.1　面向控制的飛行器動力學(xué)建模

變構(gòu)型飛行器智能控制面臨的挑戰(zhàn)之一在于其動力學(xué)難以建模，主要體現(xiàn)在結(jié)構(gòu)與飛行力學(xué)間的強(qiáng)耦合性、大空域?qū)捤儆蛳碌臍鈩硬町愋?、任?wù)/環(huán)境變化等因素造成的不確定性等。與此同時，變構(gòu)型飛行器廣泛使用的輕質(zhì)柔性材料也使得飛行器存在不容忽視的彈性模態(tài)。傳統(tǒng)建模方法包括參數(shù)化建模、多體建模、柔性體建模等，主要依賴于飛行器的物理機(jī)理。美國學(xué)者將機(jī)翼等效為2個鉸接梁，采用Lagrange方法得到了變構(gòu)型飛行器的動力學(xué)方程，并分析了對稱變形和非對稱變形時的動力學(xué)特性［7］。我國南航研究團(tuán)隊利用參數(shù)化建模得到了變形翼的有限元模型，進(jìn)而分析了飛行器動力學(xué)特性和氣動彈性［8］。

為提升模型精度，機(jī)理和數(shù)據(jù)混合驅(qū)動的建模方法近年來受到關(guān)注。美國學(xué)者［9］利用低保真度模型和有限的高保真度數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并采用將多種保真度模型嵌入神經(jīng)元的方式來加速訓(xùn)練過程，可在相同數(shù)量訓(xùn)練數(shù)據(jù)樣本下將飛行器建模精度提高一個數(shù)量級。瑞士學(xué)者［10］引入基于動態(tài)模態(tài)分解的數(shù)據(jù)驅(qū)動方法，提升了對變形機(jī)翼氣動/結(jié)構(gòu)耦合非線性的建模精度，無需將工作點限制在線性化平衡點附近。南航研究團(tuán)隊提出了一種面向一體化設(shè)計的高超聲速飛行器變參代理建模方法，通過參數(shù)分類決策減小了計算量，并得到了包含飛行條件、本體特征等多參數(shù)的線性變參代理模型［11］。北航研究團(tuán)隊研發(fā)了一種仿鷹空中捕捉的空中特種無人機(jī)，針對動基座、變質(zhì)心等不確定性的產(chǎn)生機(jī)制和作用機(jī)理，提出了一種離線-在線相結(jié)合的強(qiáng)耦合模型建模和驗?zāi)７椒ǎ紫壤孟闰炐畔⒑碗x線數(shù)據(jù)構(gòu)造基準(zhǔn)模型，再通過在線數(shù)據(jù)迭代進(jìn)行精細(xì)化的模型修正［12］。

現(xiàn)有機(jī)理與數(shù)據(jù)混合驅(qū)動的建模方法在一定程度上有效刻畫了變構(gòu)型飛行器的耦合和非線性特征。然而，變構(gòu)型飛行器在變形賦能的同時，也引入了質(zhì)心偏移、變形誤差、慣性參數(shù)時變不確定性等多源異質(zhì)異構(gòu)干擾。量化系統(tǒng)在變形賦能和多源干擾作用下的能力邊界，不僅能為控制系統(tǒng)設(shè)計提供依據(jù)，也可反向指導(dǎo)飛行器總體設(shè)計。目前該方面研究成果鮮有報道，亟需結(jié)合機(jī)理和數(shù)據(jù)混合驅(qū)動建模方法開展系統(tǒng)性研究。同時，強(qiáng)烈變構(gòu)型的過程可能是一個狀態(tài)不再平衡、系統(tǒng)特性不再是恒定的特殊過程，傳統(tǒng)的動力學(xué)建模方法不再適用。

1.2　仿生信息感知技術(shù)

動物通過眼、耳、皮膚等器官感知環(huán)境和態(tài)勢，其中高精度的導(dǎo)航定位是實現(xiàn)高精度飛行控制行為的前提，變構(gòu)型飛行器為實現(xiàn)環(huán)境-任務(wù)自適應(yīng)的最優(yōu)構(gòu)型調(diào)節(jié)，對信息感知能力提出了更高的需求。仿生信息感知技術(shù)通過模仿動物的器官和神經(jīng)，實現(xiàn)對空間運(yùn)動信息、環(huán)境信息及目標(biāo)信息的全面感知，以提高自主性、環(huán)境適應(yīng)性及智能性。研究基于仿生機(jī)理的多維度信息感知技術(shù)，為“何時變”“如何變”提供決策依據(jù)，具有重要意義。

英國學(xué)者［13］指出蚊子的江氏器可以十分精確地感知?dú)鈮鹤兓?，進(jìn)而可以利用靠近壁面時的氣流變化發(fā)現(xiàn)并規(guī)避障礙物，基于此原理為四旋翼設(shè)計了仿生氣壓傳感器，實現(xiàn)基于近面效應(yīng)的壁面檢測。美國學(xué)者［14-15］受動物胡須啟發(fā)設(shè)計了氣流傳感器，構(gòu)建氣流-慣性里程計并應(yīng)用于無人機(jī)，通過測量風(fēng)速減小漂移和位置誤差。美國學(xué)者［16］使用飛蛾觸須作為氣味傳感器，引導(dǎo)無人機(jī)在密閉空間中自主探測規(guī)避障礙，并找到氣味源，實驗結(jié)果顯示昆蟲觸須靈敏度遠(yuǎn)高于金屬氧化物氣體傳感器。

以視覺里程計（Visual Odometry，VO）、同步定位與地圖構(gòu)建（Simultaneous Localization and Mapping，SLAM）等為代表的視覺導(dǎo)航技術(shù)，近年來在自動駕駛、無人機(jī)等領(lǐng)域得到了廣泛研究與應(yīng)用［17-18］。美國國防部高級研究計劃局（Defense Advanced Research Projects Agency，DARPA）提出了快速輕量自主（Fast Lightweight Autonomy，F(xiàn)LA）項目，通過視覺輔助導(dǎo)航技術(shù)，為衛(wèi)星導(dǎo)航信號干擾、拒止環(huán)境下的自主導(dǎo)航提供了有效解決途徑［19］。

英國科學(xué)家O’Keefe［20］關(guān)于海馬體中具有定位功能的“位置細(xì)胞”開展研究，其成果獲得2014年諾貝爾生理學(xué)獎。蜻蜓、蜜蜂等昆蟲一方面可以利用“平衡棒”的慣性機(jī)制在空中保持平衡，也能夠通過感知環(huán)境光場的變化來測量位置、速度、姿態(tài)等導(dǎo)航信息［21-25］。2019年，法國國家科學(xué)研究中心團(tuán)隊研制仿生偏振羅盤，設(shè)計了一種基于偏振光定向的仿沙漠螞蟻六足機(jī)器人，實現(xiàn)了沙漠螞蟻利用天空偏振光歸巢行為的模仿，實現(xiàn)了無全球定位系統(tǒng)（Global Positioning System，GPS）條件的自主位置解算、路徑跟蹤的功能［25］。在仿生導(dǎo)航領(lǐng)域，國內(nèi)大連理工大學(xué)、國防科技大學(xué)、中北大學(xué)和北京航空航天大學(xué)等單位針對不同應(yīng)用領(lǐng)域也做出了重要貢獻(xiàn)，目前的關(guān)鍵技術(shù)指標(biāo)已超過法國團(tuán)隊的水平［26］。

目前，基于仿生機(jī)理的視覺導(dǎo)航、偏振導(dǎo)航、天文導(dǎo)航等導(dǎo)航手段因具有無源性、自主性、隱蔽性和抗干擾性等獨(dú)特優(yōu)勢，已成為在干擾拒止、博弈對抗、陌生靜默等極端惡劣情況下實現(xiàn)自主導(dǎo)航的主要手段。但是在仿生科學(xué)領(lǐng)域仍然存在眾多未知科學(xué)奧秘，仿生傳感器如何與變構(gòu)型飛行器結(jié)合，實現(xiàn)復(fù)雜環(huán)境下具有自適應(yīng)性、自重構(gòu)性、自抗擾性的多維度信息自主感知有待深入探索研究。未來的研究難點是改變現(xiàn)有的分離設(shè)計模式，實現(xiàn)任務(wù)載荷和平臺載荷的一體化設(shè)計，完成對環(huán)境信息、目標(biāo)信息和本體運(yùn)動信息的“視聽共融”。

1.3　變構(gòu)型飛行器智能決策方法

飛行器智能決策主要回答“何時變”和“如何變”問題，選擇任務(wù)和環(huán)境自適應(yīng)的最優(yōu)構(gòu)型是決策關(guān)注的重點。飛行器受限于物理、信息和時空等約束，并伴有能量、速度和機(jī)動能力等指標(biāo)，決策涉及約束條件、優(yōu)化指標(biāo)、決策方法、模型構(gòu)建和求解效率等多個方面，采用合適的優(yōu)化算法可縮短決策時間，提高決策效率。

現(xiàn)有智能決策指標(biāo)以飛行器的氣動性能和操縱性能優(yōu)化為主。美國學(xué)者［27］采用元啟發(fā)式優(yōu)化算法搜尋低阻力系數(shù)的構(gòu)型，以滿足可變厚度機(jī)翼的幾何和升力約束，并設(shè)計數(shù)據(jù)驅(qū)動控制器對機(jī)翼進(jìn)行變形控制。西北工業(yè)大學(xué)研究團(tuán)隊在給定任務(wù)下，以變后掠飛行器的攻角、馬赫數(shù)、后掠角等為變量生成訓(xùn)練數(shù)據(jù)，建立Kriging模型，通過對飛行器進(jìn)行氣動性能預(yù)測，離線解算出飛行過程中的最優(yōu)后掠角［28］。國防科技大學(xué)團(tuán)隊利用3自由度動力學(xué)模型和熱流密度模型，將高超聲速變形飛行器的滑翔軌跡和機(jī)翼前緣總熱量作為優(yōu)化目標(biāo)，通過在滑翔距離和熱量目標(biāo)之間折衷平衡，給出了滑翔過程中的變后掠翼模式［29］。密歇根大學(xué)研究團(tuán)隊將機(jī)翼變形技術(shù)融合在軌跡規(guī)劃中，以達(dá)到節(jié)省燃料的目的［30］。受塘鵝捕魚、鴿子著陸運(yùn)動規(guī)劃啟發(fā)，浙江大學(xué)研究團(tuán)隊在三維軌跡的基礎(chǔ)上加入了對時間的規(guī)劃，增強(qiáng)飛行器軌跡調(diào)整能力［31］。北京航空航天大學(xué)團(tuán)隊根據(jù)變形飛行器的氣動力約束，通過粒子群優(yōu)化算法來改變飛行器外形［32］。受老鷹捕獵行為過程中的構(gòu)型變化啟發(fā)，北京航空航天大學(xué)團(tuán)隊提出了一種基于滾動時域優(yōu)化的最優(yōu)運(yùn)動軌跡方法，完成仿鷹無人機(jī)的空中捕獲任務(wù)［33］。

現(xiàn)有針對飛行器智能決策的研究主要面向特定飛行任務(wù)，基于不同外形下的升力/阻力參數(shù)等氣動性能進(jìn)行分析決策，且大多僅考慮機(jī)翼對稱變形，存在“預(yù)設(shè)任務(wù)、固定模式、理想環(huán)境”的局限性。從仿生的角度來說，需要在“時間-空間-物理-能量-信息”等多維約束下，針對環(huán)境變化和任務(wù)變化等需求，開展融合頭部彎曲、變展長、變翼型、變后掠等多種變形模式下任務(wù)/環(huán)境自適應(yīng)的智能決策方法研究。

1.4　飛行器變形與姿態(tài)控制技術(shù)

變構(gòu)型的目的是為了適應(yīng)環(huán)境和任務(wù)變化，特別是應(yīng)對干擾、對抗、威脅和風(fēng)險，因此飛行器機(jī)動控制十分重要。飛行器在變形過程中會引起氣動特性變化，構(gòu)型快速變化導(dǎo)致的快時變和強(qiáng)耦合特性大幅增加了控制器設(shè)計的難度。對變構(gòu)型飛行器而言，保證平衡、超快、超準(zhǔn)的控制品質(zhì)是控制器設(shè)計的主旨。

LQG、LQR、增益調(diào)度等傳統(tǒng)線性控制方法相繼被應(yīng)用于不同變構(gòu)型飛行器的姿態(tài)控制中［34-36］。美國國家航空航天局（National Aeronautics and Space Administration，NASA）研究團(tuán)隊指出，當(dāng)飛行器存在強(qiáng)不確定性時，增益調(diào)度控制在控制律切換過程中可能存在突變問題，難以保證系統(tǒng)的全局穩(wěn)定性［37］。美國空軍實驗室研究團(tuán)隊針對柔性變構(gòu)型飛行器提出了一種非線性魯棒自適應(yīng)控制方法，以解決參數(shù)不確定性和彈性模態(tài)干擾問題［38］。西北工業(yè)大學(xué)研究團(tuán)隊利用自適應(yīng)超螺旋滑模控制技術(shù)來處理變后掠翼飛行器的氣動參數(shù)和質(zhì)量參數(shù)不確定性，提升了縱向運(yùn)動的控制精度［39］。變構(gòu)型過程涉及環(huán)境變化、目標(biāo)變化和本體變化，可能導(dǎo)致多源干擾和不確定性的產(chǎn)生。針對風(fēng)干擾影響下的空中目標(biāo)捕獲過程，基于復(fù)合精細(xì)抗干擾策略［40-42］，北京航空航天大學(xué)研究團(tuán)隊針對自主研發(fā)的仿鷹靈巧抓捕特種無人機(jī)（如圖1所示）提出了一種姿態(tài)控制方法，可補(bǔ)償、抑制和消納變構(gòu)型抓捕過程中的質(zhì)心偏移、風(fēng)擾等多源干擾［12］。

圖1　北航團(tuán)隊：靈巧作業(yè)無人機(jī)實現(xiàn)對飛行目標(biāo)空中捕獲

現(xiàn)有針對變構(gòu)型飛行器的控制研究大多考慮一些特定的工作點，難以實現(xiàn)大空域、寬速域、外形連續(xù)變化情形下的智能控制。此外，現(xiàn)有結(jié)果普遍基于變形伺服控制和姿態(tài)控制分離設(shè)計的策略，將變形帶來的附加力和附加力矩視為對姿態(tài)控制系統(tǒng)的干擾，較為保守。飛行器仿生變構(gòu)型的目的是提高環(huán)境和任務(wù)變化的“生存”能力，是一種高度智能的行為［43-44］。為充分利用變形來實現(xiàn)節(jié)能、省力、高效控制的目的，亟需開展變形與姿態(tài)一體化控制技術(shù)研究。特別地，飛行器的劇烈變構(gòu)型過程對應(yīng)一個不穩(wěn)定的過渡過程，傳統(tǒng)的穩(wěn)定性指標(biāo)需要拓展到一個“失穩(wěn)態(tài)”快速終結(jié)的時空綜合控制指標(biāo)，這也可視為一種新型的指定性能控制問題［43］。

2　趨勢與展望

現(xiàn)代控制理論的初心就是動物和機(jī)器的融合，控制和智能科學(xué)的研究目的之一就是賦予機(jī)器以類似生物的能力［43-44］。變構(gòu)型飛行器控制技術(shù)的發(fā)展趨勢是賦予系統(tǒng)更高的智能性、適應(yīng)性和安全性，其中仿生智能技術(shù)是需要借鑒的重要研究思路。為實現(xiàn)復(fù)雜任務(wù)環(huán)境下仿生變構(gòu)型飛行器的智能自主控制，必須實現(xiàn)從“控制方法”“控制系統(tǒng)”到“控制行為”的理論跨越。為此，以下關(guān)鍵技術(shù)領(lǐng)域值得深入探索。

2.1 機(jī)理與數(shù)據(jù)混合驅(qū)動的建模與系統(tǒng)量化技術(shù)

仿生變構(gòu)型飛行器首要特點是仿生能力，其動力學(xué)模型是典型的強(qiáng)耦合、強(qiáng)不確定、強(qiáng)非線性、快時變系統(tǒng)，變形為飛行器賦能的同時也會引入變形誤差、質(zhì)心偏移等多源、異質(zhì)、異構(gòu)干擾。此外，在大空域、寬速域、連續(xù)變外形的條件下，仿生飛行機(jī)理尚不明確，傳統(tǒng)基于能量守恒的動力學(xué)機(jī)理建模面臨重大挑戰(zhàn)。因此，亟需融合機(jī)理和數(shù)據(jù)驅(qū)動建模優(yōu)勢，開展環(huán)境、目標(biāo)與變構(gòu)型飛行器強(qiáng)耦合動力學(xué)系統(tǒng)建模技術(shù)研究，突破頭部彎曲/變翼展/變后掠等情形下氣動/運(yùn)動耦合模擬、數(shù)據(jù)和機(jī)理混合驅(qū)動建模、參數(shù)智能辨識、系統(tǒng)能力量化分析等關(guān)鍵技術(shù)，建立面向控制行為的飛行器姿態(tài)/軌跡/構(gòu)型/干擾一體化表征的深耦合控制系統(tǒng)模型。

2.2 基于環(huán)境/目標(biāo)/本體多維信息的仿生感知技術(shù)

仿生變構(gòu)型飛行器的控制要體現(xiàn)從傳統(tǒng)的“系統(tǒng)論”設(shè)計思想到“環(huán)境/目標(biāo)/系統(tǒng)（本體）一體化”的設(shè)計思想。從控制行為的角度，變構(gòu)型的前因就是環(huán)境或任務(wù)的變化，精準(zhǔn)感知環(huán)境/目標(biāo)/本體狀態(tài)信息是變構(gòu)型飛行器進(jìn)行變形決策的重要前提。自然界的動物經(jīng)過進(jìn)化，通常具備對于光線、磁場、氣味、震動、聲音等信息的獨(dú)特感知手段，使其能在復(fù)雜惡劣的生存環(huán)境中完成覓食、遷徙等活動；仿生感知技術(shù)具有無源性、自主性、隱蔽性和抗干擾等獨(dú)特優(yōu)勢。針對變構(gòu)型飛行器，需揭示生物多器官信息協(xié)同感知機(jī)理，通過生物、材料、光學(xué)、電子等多學(xué)科交叉，研制新型仿生傳感器，突破多模式仿生組合傳感器的無縫智能切換、抗干擾信息融合、任務(wù)載荷和運(yùn)動載荷一體化設(shè)計等關(guān)鍵技術(shù)，提升高動態(tài)、非結(jié)構(gòu)化、干擾/拒止環(huán)境下飛行器的信息獲取能力。

2.3 高動態(tài)多約束下的智能自適應(yīng)變形決策方法

變構(gòu)型飛行器是“時間-空間-物理-能量-信息”多維約束嚴(yán)重的系統(tǒng)，并時常遂行高動態(tài)、多樣化、大空域、寬速域的飛行任務(wù)。結(jié)合飛行器高效飛行的環(huán)境變化、任務(wù)需求和高動態(tài)多約束的飛行特征，需開展基于感知信息的智能自適應(yīng)變形決策理論與方法研究，探索頭部彎曲、變翼展、變后掠等不同變形機(jī)制和變形約束，在飛行任務(wù)包絡(luò)范圍內(nèi)分析典型工作點各變形機(jī)制下的氣動性能提升和變形效費(fèi)比，突破仿生外形知識庫構(gòu)建和優(yōu)化、事件和數(shù)據(jù)混合驅(qū)動的智能變形決策、基于感知信息的自適應(yīng)外形/任務(wù)/軌跡規(guī)劃一體化等關(guān)鍵技術(shù)，實現(xiàn)任務(wù)和環(huán)境自適應(yīng)的飛行器外形主動優(yōu)化。

2.4 變構(gòu)型模式下全回路智能安全控制技術(shù)

安全控制是變構(gòu)型飛行器完成飛行任務(wù)的基本要求和重要保障，其主旨是在變構(gòu)、損傷、故障、攻擊等異常模式下提升系統(tǒng)的安全和免疫智能［42-43］。變構(gòu)型的目的是從一個穩(wěn)定態(tài)到另一個穩(wěn)定態(tài)的過程，面向變構(gòu)型的構(gòu)型突變、飛行器舵面損傷、變形機(jī)構(gòu)故障、網(wǎng)絡(luò)攻擊、任務(wù)目標(biāo)改變等異常模式，需開展基于感知信息的飛行器全回路智能安全控制技術(shù)研究，突破動靜混合異常事件快速診斷、風(fēng)險評估與預(yù)測、柔性任務(wù)重構(gòu)、制導(dǎo)律快速在線重構(gòu)、復(fù)合安全控制、感知控制一體化等關(guān)鍵技術(shù)，實現(xiàn)面向多尺度耦合因素的能力推演和機(jī)制重建，賦予仿生變構(gòu)型飛行器極端環(huán)境下強(qiáng)適應(yīng)、強(qiáng)自主、強(qiáng)生存等智能行為能力。

2.5 提高生存能力的變形與綠色控制技術(shù)

變構(gòu)型往往是為了實現(xiàn)節(jié)省能量、減少風(fēng)險以適應(yīng)環(huán)境變化的目標(biāo)，動物通過變構(gòu)型等“綠色”控制的行為以提高生存能力［43-44］。對于環(huán)境干擾和不確定性而言，仿生控制與傳統(tǒng)方法的不同之處在于，要實現(xiàn)從干擾“消除”到“消納”和“利用”的轉(zhuǎn)變［43-44］。傳統(tǒng)的變形與飛行分離控制策略面臨失穩(wěn)風(fēng)險，且難以充分發(fā)揮變構(gòu)型帶來的氣動環(huán)境優(yōu)勢，限制了飛行器的敏捷機(jī)動能力，難以實現(xiàn)“綠色”的控制目標(biāo)。為此，亟需開展復(fù)雜不確定環(huán)境下變形與飛行一體化控制技術(shù)研究，提出“時間-空間-物理-能量-信息”多約束下混合異類多執(zhí)行機(jī)構(gòu)動態(tài)控制分配策略，將頭部彎曲角度、展長、后掠角等變形量視為控制輸入，以變形輔助姿態(tài)控制，實現(xiàn)變形和飛行的有機(jī)協(xié)調(diào)控制，減少控制系統(tǒng)“精力”和“體力”的消耗，避免過度損害環(huán)境和浪費(fèi)資源，實現(xiàn)“節(jié)能、節(jié)時、省心、省力”的“綠色”控制目標(biāo)，完成復(fù)雜不確定環(huán)境下綠色高效的機(jī)動變形飛行。

3　結(jié)束語

仿生變構(gòu)型飛行器是目前航空航天領(lǐng)域的重要發(fā)展方向，是實現(xiàn)高效智能飛行的重要手段。本文圍繞“何時變”“如何變”“怎么飛”“怎么控”等變構(gòu)型飛行器的核心科學(xué)問題，總結(jié)了仿生變構(gòu)型飛行器控制技術(shù)的研究現(xiàn)狀，闡述了從“控制方法”“控制系統(tǒng)”到“控制行為”設(shè)計的必要性，提出了機(jī)理與數(shù)據(jù)混合驅(qū)動建模、多維信息仿生感知、智能自適應(yīng)變形決策、變形與飛行一體化控制、全回路智能安全控制等關(guān)鍵技術(shù)難題，并給出了可能的解決思路。仿生變構(gòu)型飛行器屬于典型的多學(xué)科交叉軍民兩用高新技術(shù)，是一個從“方法論”“系統(tǒng)論”設(shè)計到“環(huán)境/任務(wù)/系統(tǒng)一體化”亦即“行為論”設(shè)計的跨越。建議高校、科研院所、學(xué)術(shù)機(jī)構(gòu)以及相關(guān)部門開展緊密合作，促進(jìn)多學(xué)科交叉融合，在仿生變構(gòu)型飛行器領(lǐng)域開展聯(lián)合技術(shù)攻關(guān)，滿足國防和國民經(jīng)濟(jì)建設(shè)的迫切需求。

［1］ XU D， HUI Z， LIU Y， et al. Morphing control of a new bionic morphing UAV with deep reinforcement learning［J］. Aerospace Science and Technology， 2019， 92： 232-243.

［2］ 白鵬，陳錢，徐國武，等.智能可變形飛行器關(guān)鍵技術(shù)發(fā)展現(xiàn)狀及展望［J］.空氣動力學(xué)學(xué)報，2019，37（3）：426-443.

［3］ CHU L， LI Q，GU F， et al. Design， modeling， and control of morphing aircraft： a review［J］. Chinese Journal of Aeronautics， 2022， 35（5）： 220-246.

［4］ HAN J， HUI Z， TIAN F， et al. Review on bio-inspired flight systems and bionic aerodynamics［J］. Chinese Journal of Aeronautics， 2021， 34（7）： 170-186.

［5］ LANDERS M， HALL L， AUMAN L， et al. Deflectable nose and canard controls for a fin-stabilized projectile at supersonic and hypersonic speeds［C］// 21st AIAA Applied Aerodynamics Conference. Reston， USA： AIAA Press， 2003： 3805.

［6］ AJANIC E， FEROSKHAN M， MINTCHEV S， et al. Bioinspired wing and tail morphing extends drone flight capabilities［J］. Science Robotics， 2020， 5（47）： eabc2897.

［7］ OBRADOVIC B， SUBBARAO K. Modeling of flight dynamics of morphing-wing aircraft［J］. Journal of Aircraft， 2011， 48（2）： 391-402.

［8］ YUE C， ZHAO Y. An improved aeroservoelastic modeling approach for state-space gust analysis［J］. Journal of Fluids and Structures， 2020， 99： 103148.

［9］ BEACHY A， BAE H， BOYD I， et al. Emulator embedded neural networks for multi-fidelity conceptual design exploration of hypersonic vehicles［J］. Structural and Multidisciplinary Optimization， 2021， 64（5）： 2999-3016.

［10］ FONZI N， BRUNTON S L， FASEL U. Data-driven nonlinear aeroelastic models of morphing wings for control［J］. Proceedings of the Royal Society A， 2020， 476（2239）： 20200079.

［11］ 湯佳駿，曹瑞，劉燕斌，等.面向一體化設(shè)計的高超聲速飛行器變參建模方法［J］.哈爾濱工程大學(xué)學(xué)報，2020，41（9）：1320-1328.

［12］ ZHANG W， LIU Q， WANG M， et al. Design of an aerial manipulator system applied to capture missions［C］// 2021 International Conference on Unmanned Aircraft Systems. Washington D.C.， USA： IEEE Press， 2021： 1063-1069.

［13］ NAKATA T， PHILLIPS N， SIM?ES P， et al. Aerodynamic imaging by mosquitoes inspires a surface detector for autonomous flying vehicles［J］. Science， 2022， 368（6491）： 634-637.

［14］ KIM S， KUBICEK R， PARIS A， et al. A whisker-inspired fin sensor for multi-directional airflow sensing［C］// 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems. Washington D.C.， USA： IEEE Press，2020： 1330-1337.

［15］ TAGLIABUE A， HOW J P. Airflow-inertial odometry for resilient state estimation on multirotors［C］// 2021 IEEE International Conference on Robotics and Automation （ICRA）. Washington D.C.， USA： IEEE Press， 2021： 5736-5743.

［16］ ANDERSON M J， SULLIVAN J G， HORIUCHI T K， et al. A bio-hybrid odor-guided autonomous palm-sized air vehicle［J］. Bioinspiration & Biomimetics， 2020， 16（2）： 026002.

［17］ 張海，吳克強(qiáng)，張曉鷗.視覺導(dǎo)航技術(shù)的發(fā)展［J］.導(dǎo)航定位與授時，2017，4（2）：1-8.

［18］ ZHOU X， WEN X， WANG Z， et al. Swarm of micro flying robots in the wild［J］. Science Robotics， 2022， 7（66）： eabm5954.

［19］ PASCHALL S， ROSE J. Fast， lightweight autonomy through an unknown cluttered environment： distribution statement： a approved for public release； distribution unlimited［C］// 2017 IEEE Aerospace Conference. Washington D.C.， USA： IEEE Press， 2017： 1-8.

［20］ NobelPrize.org. The nobel prize in physiology or medicine 2014［EB/OL］. （2014-10-06）［2022-04-21］. http：//www.nobelprize.org/nobel_prizes/medicine/laureates/2014/.

［21］ DEORA T， SINGH A， SANE S. Biomechanical basis of wing and haltere coordination in flies［J］. Proceedings of the National Academy of Sciences， 2015， 112（5）： 1481-1486.

［22］ SRINIVASAN M， ZHANG S， ALTWEIN M， et al. Honeybee navigation： nature and calibration of the “odometer”［J］. Science， 2000， 287（5454）： 851-853.

［23］ WALLRAFF H G. Conceptual approaches to avian navigation systems ［M］. Berlin：Springer， 1991： 128-165.

［24］ LAMBRINOS D， M?LLER R， LABHART T， et al. A mobile robot employing insect strategies for navigation［J］. Robotics and Autonomous Systems， 2000， 30（1/2）： 39-64.

［25］ DUPEYROUX J， SERRES J R， VIOLLET S， et al. AntBot： a six-legged walking robot able to home like desert ants in outdoor environments［J］. Science Robotics， 2019， 4（27）： 0307.

［26］ 張霄，王悅，郭雷.強(qiáng)干擾環(huán)境下的自主導(dǎo)航與控制新技術(shù)［J］.自動化博覽，2015（4）：68-72.

［27］ JúNIOR J M M， HALILA G L O， KIM Y， et al. Intelligent data-driven aerodynamic analysis and optimization of morphing configurations［J］. Aerospace Science and Technology， 2022， 121： 107388.

［28］ CHEN X， LI C， GONG C， et al. A study of morphing aircraft on morphing rules along trajectory［J］. Chinese Journal of Aeronautics， 2021， 34（7）： 232-243.

［29］ PENG W， YANG T， FENG Z， et al. Analysis of morphing modes of hypersonic morphing aircraft and multiobjective trajectory optimization［J］. IEEE Access， 2018， 7： 2244-2255.

［30］ JASA J P， HWANG J T， MARTINS J R R A. Design and trajectory optimization of a morphing wing aircraft［C］// 2018 AIAA/ASCE/AHS/ASC Structures， Structural Dynamics， and Materials Conference. Reston， USA： AIAA Press， 2018： 1382.

［31］ YANG Z， FANG Z， LI P. Bio-inspired collision-free 4D trajectory generation for UAVs using tau strategy［J］. Journal of bionic engineering， 2016， 13（1）： 84-97.

［32］ MA T， LIU Y， YANG D， et al. Research on the design of smart morphing long-endurance UAVs［J］. The Aeronautical Journal， 2021， 125（1283）： 22-41.

［33］ 余翔，呂尚可，劉錢源，等.一種針對質(zhì)心偏移和基座浮動的帶臂旋翼無人機(jī)姿態(tài)控制方法：CN110850887A［P］.2020-11-13.

［34］ WANG X， ZHOU W， WU Z， et al. Tracking control system design for roll maneuver via active wings using macro fiber composites［C］// AIAA Modeling and Simulation Technologies Conference. Reston， USA： AIAA Press， 2016： 4012.

［35］ BAI B， DONG C. Modeling and LQR switch control of morphing aircraft［C］// 6th International Symposium on Computational Intelligence and Design. Washington D.C.， USA： IEEE Press， 2013： 148-151.

［36］ 張堯，張婉，別大衛(wèi)，等.智能變體飛行器研究綜述與發(fā)展趨勢分析［J］.飛航導(dǎo)彈，2021（6）：14-23.

［37］ HANSON J. Advanced guidance and control project for reusable launch vehicles［C］// AIAA Guidance， Navigation， and Control Conference and Exhibit. Reston， USA： AIAA Press， 2000： 3957.

［38］ FIORENTINI L， SERRANI A， BOLENDER M A， et al. Nonlinear robust adaptive control of flexible air-breathing hypersonic vehicles［J］. Journal of Guidance， Control， and Dynamics， 2009， 32（2）： 402-417.

［39］ YAN B， DAI P， LIU R， et al. Adaptive super-twisting sliding mode control of variable sweep morphing aircraft［J］. Aerospace Science and Technology， 2019， 92： 198-210.

［40］ 郭雷，朱玉凱.多源干擾系統(tǒng)復(fù)合自主抗干擾控制技術(shù)［R］.中國科研信息化藍(lán)皮書，2020：210-220.

［41］ GUO L， CAO S. Anti-disturbance control for systems with multiple disturbances［M］. Boca Raton： CRC Press， 2013.

［42］ 郭雷，余翔，張霄，等.無人機(jī)安全控制系統(tǒng)技術(shù)：進(jìn)展與展望［J］.中國科學(xué)：信息科學(xué)，2020，50（2）：184-194.

［43］ 郭雷，袁源，喬建忠，等.無人系統(tǒng)免疫智能技術(shù)［J］.航空學(xué)報，2020，41（11）：142-146.

［44］ 郭雷，朱玉凱，喬建忠，等.無人系統(tǒng)生存智能與安全、免疫、綠色控制技術(shù)［J/OL］.航空學(xué)報.［2022-04-21］. https：//kns.cnki.net/kcms/detail/11.1929.V.20220509.2335.020.html.

Intelligent Control Technologies for Bio-inspired Morphing Flight Vehicles： Progress and Prospect

GUOLei1，2， WANGEnmei2， LUHao2， WANGChenliang1， GUOKexin2，3， YUXiang1，2， QIAOJianzhong1

（1.School of Automation Science and Electrical Engineering， Beihang University， Beijing 100191， China； 2.Hangzhou Innovation Institute， Beihang University， Hangzhou 310051， Zhejiang， China； 3.School of Aeronautic Science and Engineering， Beihang University， Beijing 100191， China）

Bio-inspired morphing flight vehicles （BiMFVs） can change their shape and structure to adapt to the variations of the environments and tasks. As an intelligent system， BiMFVs can realize the cooperation of multiple organs such as “eye”，“ear”，“brain”，“body”， and “wing”. The design of the intelligent control system mainly aims to solve the problems such as “why to morph” and “how to morph” under the frame work of “perception，decision， feedback， and actuation”， so that the flight vehicles （especially unmanned flight vehicles） can have strong autonomy， strong adaptability， and strong survival in complex situations with disturbances and uncertainties. BiMFVs represent a fundamental， strategic， advanced， and cross technology， but its control system design faces a series of challenges. In this paper， based on the development of intelligent control and bio-inspired technologies in recent years， the existing results for the intelligent control of BiMFVs are reviewed and analyzed. The results show that the design of BiMFVs should achieve the leap from “method design” and “system design” to “environment-mission-system integrated design”， i.e.，“behavior design”. Furthermore， some frontier scientific problems together with some potential solutions are proposed from the viewpoint of bionics， including hybrid mechanism and data driven modeling， bio-inspired perception of multi-dimensional information， intelligent adaptive morphing decision-making， integrated control of morphing and flight， and safety control of the closed-loop system， and some possible solutions are given.

morphing flight vehicle； intelligent control； bio-inspired intelligence； safety control； behavior control

2022?05?23；

2022?06?26

國防基礎(chǔ)科研計劃（JCKY2021601B016）；浙江省博士后科研項目擇優(yōu)資助（ZJ2021077）；浙江省自然科學(xué)基金（LZ22F030012）

郭雷（1966—），男，博士，教授，主要研究方向為抗干擾控制理論與應(yīng)用、先進(jìn)導(dǎo)航與控制系統(tǒng)。

喬建忠（1983—），男，博士，教授，主要研究方向為飛行器導(dǎo)航、制導(dǎo)與控制。

V 249

A

10.19328/j.cnki.2096?8655.2022.04.002