無人機智能測控技術研究綜述

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代工業產品，融合了電子信息技術、機械制造技術、傳感技術、計算技術及數據通信技術等。在偵察打擊、航拍搜索、救援運輸和安保監控等領域受到越來越多的重視，給現代戰爭、生產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需要執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揮。同時，機上無人、任務復雜以及動態環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。

近年來，隨著人工智能技術的迅速發展，為減少人在復雜任務環境中的操控負擔、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，近期依然無法實現非結構化場景下的無人機自主控制，世界范圍內對該技術的研究基本遵循3個原則：由單機自主向多機協同發展；由半自主向完全自主發展；由部件智能向系統智能發展。為逐步實現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“機載戰場管理系統”和“自主作戰無人機”2個國防計劃項目中，率先提出了自主作戰概念，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：態勢感知、人工智能以及多平臺網絡化/通信/作戰。為此，美國國防部在2000-2005年連續發布了3個無人機發展規劃[1-3]，足見其對無人機智能測控技術發展的重視程度。為盡早實現無人機自主，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在無人機測控領域，且各有優勢。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、部件、傳感器和載荷等參數信息，結合環境、態勢和平臺性能等約束條件，建立符合各種方法的計算模型，自主進行任務規劃、故障預測和飛行控制等決策。總結起來，常見的功能輸出包括任務規劃、決策支持、故障診斷、風險評估、數據分析、狀態監控、優化、解釋、分類、系統控制、預測告警及設計等[4]；常用的方法包括人工神經網絡[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[10]、規則系統[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類方法包括神經網絡、強化學習、約束滿足以及專家系統，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，而無人機任務規劃及決策支持，也可以用絕大多數算法實現，這增加了功能及算法實現上的多樣性及復雜性，也為無人機智能測控技術的發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

神經網絡模糊邏輯遺傳算法強化學習時序邏輯專家系統規則系統實例推理約束滿足模型推理任務規劃※※※※※※※※※決策支持※※※※※※※※※※故障診斷◎※◎※◎※※※※※風險評估◎※◎※◎◎◎※數據分析◎※※◎※※狀態監控※◎◎※◎※※◎優化◎※◎◎◎※解釋※◎※※◎※※※分類※◎※※◎※系統控制※※※◎◎◎◎※◎預測告警※◎※※※◎◎※※設計◎◎◎◎※◎※※

1.2 無人機智能測控系統

無人機智能測控系統的決策過程是從通過有效載荷、傳感器數據、目標及任務信息，結合實時反饋的環境及態勢信息，建立原始數據與決策結果的數學映射模型，依據專家經驗或規則邏輯做出對當前任務執行[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，并根據授權執行決策指令。整個過程可以用“原始數據—信息—知識—理解—評估—決策—執行”來表述。

通常無人機智能測控系統的目的是要實現信息融合、態勢感知、決策規劃、執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的模型結構，并對各功能模塊常用的實現方法進行了總結。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劃過程；任務規劃功能包括環境態勢評估和任務執行代價評估，并結合平臺作戰能力，最終實現任務優先級調度及路徑規劃；模型中的健康管理是測控系統所必需的一個模塊，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結構及常用方法

1.3 任務規劃技術

在無人機執行任務前或執行任務中遇到突發事件，需要進行無人機任務規劃及任務重規劃，主要是在環境信息、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、進行任務調度、載荷配備以及起降機場選擇等。典型的任務規劃流程如圖2所示。

圖2 無人機自主任務規劃結構圖

單機任務規劃內容主要針對荷載[22]、數據鏈[23]和航線[24]進行。其中，荷載規劃是針對無人機執行多屬性任務時，對荷載資源進行有效分配，高效率、低代價地完成計劃任務；數據鏈規劃是針對無人機與控制站之間的通信有效性，對數據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；航線規劃是針對已知環境信息、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。任務規劃中常見的算法有：① 動態規劃算法[25]，算法模型簡單且易于實現，但算法的路徑狀態隨問題規模呈指數增長，不適合規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、信息正反饋和啟發式搜索的特征，對最優路徑的選擇具有極大的可能性和適應性，然而搜索速度慢、易陷入局部最優解；④ A*算法[28]，傳統的優化算法的代表，高效且易于工程實現，但在求解大規模組合優化問題時效率較低，需要進行改進。

多機協同任務規劃從功能上包括多機任務分配和協同路徑規劃2項主要內容。其中，任務分配指為多個無人機根據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、確定武器的投放區及目標的打擊點/方向等，多機協同任務分配中采用優化算法通常包含：進化算法[29]、禁忌搜索法[30]和模擬退火法[31]等。多機協同路徑規劃是有單機路徑規劃進化而來，將多無人機互相協同納入到路徑規劃約束條件，再結合任務需求、平臺性能以及環境信息等約束，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調一致關系。規劃算法與單機路徑規劃機理相似，是一個多約束條件下的目標優化與決策問題，需要采用各類優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，在分析算法和智能模型驅動下預測、監控和管理無人機的重要狀態參數。對無人機系統、設備以及關鍵部件進行狀態監測、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[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[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[39]、神經網絡[40]和模糊邏輯[41]等)來預測、監控和管理飛機狀態，從而減少系統維護費用，提高飛機生存能力。現階段，故障預測與健康管理技術已經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包括：X34超高速飛行器、X37空天飛機、“全球鷹”無人機、無人作戰飛機(UCAV)以及RQ-7A/B“影子”200戰術無人機系統等。

故障預測與健康管理系統可以根據監測及維護的對象分為系統級、設備級和關鍵部件級，結合歷史數據，實現平臺狀態監測、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

狀態監測模塊主要通過接收來自傳感器、遙測數據以及對象本身的狀態參數，采用數據分析算法與正常參數范圍進行比較，從而判斷對象的狀態，并且通過設置各類狀態參數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據信息，評估預測被監測對象未來的故障發生概率，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參數的歷史數據、當前工作狀態以及維修數據等構建退化模型，評估被監測對象的健康狀態，產生健康狀態監測記錄并評估對象剩余使用壽命。

國內方面，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展規劃綱要》把“重大產品和重大設施的壽命預測技術”列為亟待發展的前沿技術，至十三五“重大產品和重大設施的壽命預測技術”仍然是亟待發展的前沿技術。雖然近年來在狀態監測、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展趨勢

2.1 整機智能化發展趨勢

根據美國空軍研究實驗室無人機發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境自適應；4級-自主航線規劃；5級-機群協同；6級-機群戰術任務重規劃；7級-機群攻擊戰術目標；8級-分布式控制；9級-機群攻擊戰略目標；10級-機群協同全自主。美國無人機自主控制等級發展路線圖如圖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 多機協同自主：5級、6級和7級；③ 機群網絡化自主：8級、9級和10級。此外，NASA飛行器系統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,在操作員監視下執行任務(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半自主自動執行復雜任務,部分態勢感知能力,常規決策能力(20%時間由操作員掌控)自動起降,通信拒止后可繼續任務4完全自主廣泛的態勢感知能力,全面決策能的力和權限(<5%時間由操作員掌控)自主任務重規劃5協同操作多架無人機可團隊協作,自主任務能力多機自主和協同飛行

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目前還處于起步階段。要實現無人機在動態不確定復雜環境和時間敏感態勢下的智能控制，實現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。針對無人機系統自主控制技術需要進一步研究的內容有：

(1)飛行控制方向

面臨不確定戰場環境和復雜的通信條件，完成基本的避障、威脅規避和自主起降等控制任務，實現無人機基本任務剖面的自動控制；不確定環境下多無人機協調控制技術，無人機系統的作戰模式由單平臺逐步向更靈活的單站控制多無人機協同作戰方式及有人/無人機協同控制方式發展。

(2)任務規劃方向

由單機任務調度、路徑規劃向無人機群自組織任務執行方向發展。無人機自組織技術主要探索具有低成本優勢的無人機群在高度對抗的戰場環境中面對動態變化的任務，如何自組網完成多目標搜索、跟蹤和打擊等任務，實現較高程度的自主協作，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；開展無人機系統學習機制研究，針對無人機復雜環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代飛機的全新技術，未來具有廣泛的應用空間并發揮重要作用。然而，我國對于無人機智能測控系統研究還處于初級的階段，相比歐美發達國家存在很大的差距，應當加強研究力度。針對智能測控系統各模塊，在多機協同自主技術、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容。