人工智能技術在直升機上的應用

文/徐文佳

（中國直升機設計研究所 天津市 300300）

互聯網、大數據、云計算、深度學習等新技術的發展，帶動了人工智能技術不斷成熟，人工智能的模擬程度和擴展程度以及決斷能力大幅的提升，成為了新一輪工業變革的核心焦點，在眾多領域和任務中嶄露頭角，也是如今全球競爭的核心技術之一。人工智能技術可以為直升機提供智能航電裝備，智能協同能力，復雜環境模擬能力，為新一代直升機裝備提供技術支持，衍生出新的技術和相應的保障支持。人工智能技術也是各個國家的重要戰略手段，通過相應的政策和發展規劃，各個國家已經為人工智能技術的發展凝聚了各項資源，為人工智能技術提供了良好的發展環境，提升各自國家在先進科技領域的話語權。

1 人工智能技術簡介

人工智能技術最早可以追溯至20世紀40年代，英國數學家圖靈提出了機器是否可以思考，針對機器能否模擬人類的意識和思維過程展開了研究。而后，20世紀40年代人工神經網絡模型的誕生，奠定了人工智能學科的基礎。20世紀50年代人工智能迎來啟發式算法、知識推力等新的理論和方法。20世紀60-70年代，受制于計算機處理能力和智能化程度不足，發展較為緩慢。20世紀80年代，人工智能通過機器學習算法從數據中自動分析獲得規律，并利用規律對未知數據進行預測，大大增強了神經網絡的能力。機器學習是研究如何使用計算機模擬或實現人類的學習活動的方法。神經網絡算法是早期的重要的學習算法之一，通過對人腦的神經網絡節點的模擬來建立節點與節點之間的關聯模型，并對每個子神經網絡的輸入和輸出進行計算，從而完善模型，達到不斷學習的目的。深度學習技術正是將多層人工神經網絡算法和卷積計算相結合的新算法，多層神經網絡算法可以通過權值設置和反饋迭代優化解算出的結果，并且子神經網絡的節點還能實現并行解算，能夠處理積累大量的數據并通過訓練生成模型，完成學習，并在接收新輸入時進行預測。

20世紀末，以神經網絡為主流的人工智能技術研究再一次進入瓶頸的時候，經過加拿大教授Hinton的不懈努力，取得了“深度神經網絡”的技術突破。隨后，迎來了人工智能技術發展的大浪潮，眾多的人工智能數據平臺、人工智能計算基礎和架構平臺、深度學習資源平臺大量涌現，推動了人工智能技術的研究和產業發展，也成就了一批批的人工智能技術的研究者。

目前人機交互技術是人工智能技術的另一個技術特點，主要是在機器實現了智能化，智能化的機器如何和人類在相互過程中保持順暢。人機交互技術的實現一般要應用到機器人學和模式識別等技術。機器人學主要研究如何讓機器來模擬人的行為，而模式識別是用于計算機或傳感器輔助人類對外界環境進行感知，利用計算機或傳感器模擬人類通過感官獲取的對外界的各種感知能力。人機交互技術的實現不僅要依靠外部傳感器精度的提升，同時還涉及到手勢識別技術、語音識別技術、觸覺反饋技術、眼動跟蹤技術以及 3D 交互技術等技術。人機交互可以使用戶擺脫常規輸入設備的束縛，并從復雜的人機交互場景中有效提取分析對象，實現機器與人類的交互。

專業領域的知識處理和決策手段一般使用專家系統，它將研究一類問題的常規思維方法轉變為運用海量的專業知識求解的過程，實現了人工智能從理論研究走向實際應用的重大突破。專家系統一般由知識庫和推理機組成，通過知識識別、知識感知等環節完成專家知識庫的建立，再利用推理機進行機器推理或模糊推理等操作，進而得到基于知識的推理結果。專家系統將特殊領域專家的專業知識和經驗引入系統中，通過不斷的訓練建立模型，在通過不斷的學習將這些專業知識凝練為規則，數據庫將凝練成的大量的規則形成規則庫。目前的專家系統正逐漸與其他學科進行深入融合，專家系統正成為人類進行智能管理與決策的重要工具和手段。

隨著計算機技術的不斷進步，通過深度學習算法，同時通過組合低層特征形成更加抽象的高層特征，從而模仿人腦來解析數據。而隨著互聯網、大數據、云計算的不斷發展，人工智能技術得到了全面的發展，目前已經廣泛應用于工業領域、生物識別等領域，AlphaGo人工智能系統在圍棋比賽中一舉擊敗世界第一圍棋棋手而引起世人的關注，人工智能技術已經在數值圖像識別和智能語音識別中發揮了重要的作用，通過人工智能進行疾病的診斷，通過大量的數據積累以及決策算法，輔助醫生對病情的診斷，未來將會拯救數以萬計的患者。人工智能技術在各個領域中都展示了顯著的社會效益和經濟效益。

2 直升機發展對人工智能技術的需求

隨著直升機技術的不斷提高，世界各國對直升機領域投入了大量的資源，通過人工智能技術進一步提高反恐、偵察、遠程精確打擊、軍事訓練、邊境巡邏、作戰支援的能力，提高聯合指揮和路徑規劃及目標識別能力。

此外，在航電系統設備的自動故障診斷、智能電子對抗、人工智能武器等裝備中也發揮著顯著作用。未來的智能作戰體系將圍繞著人、智能武器裝備和智能指揮系統。人作為主體，主導著戰勢的走向，智能武器裝備將全面提升傳統武器的感知能力，認知能力、決策能力和自信能力，智能指揮系統則可以完成遠程智能指揮與控制，多平臺協同作戰和實時的戰場態勢的感知與決策。通過人工智能技術，可以大幅的提升人在戰場中的決策能力以及作戰效率，提高武器裝備的戰斗力，增強戰場的統一指揮和聯合作戰能力。

2.1 人工智能技術在武器裝備中的應用

智能化武器裝備將成為未來的軍事作戰的重要組成部分，通過人工智能技術將傳統的武器裝備進行增強，是提高戰斗力、增加新功能，提升戰術和戰法的常用手段。美國的軍事智能平臺已經將人工智能技術應用于各個軍種的軍用平臺上。尤其是機器學習技術應用于武器裝備上，既可以提供高效的信息收集和處理能力，又可以為各個軍用平臺提供輔助決策能力。美國空軍實驗室成立的阿爾法人工智能程序在模擬器比賽上戰勝了人類飛行員，并搭建了提升無人機決策能力的模擬仿真環境，進一步從戰術學習、武器智能搭載、自主決策能力等方面進行提升，最終達到提高直升機的戰斗力的目的。

電子對抗裝備也是人工智能技術應用的重要領域。該技術最早由美軍提出，目的用于提高武器裝備的認知能力，是一種注重自主學習能力與智能決策能力相結合的電子對抗能力。智能電子戰目前并沒有統一的叫法，從作用上可以分為防御型電子戰裝備和進攻型電子戰設備兩種。其中防御型電子裝備是基于傳統的電子自衛裝備的基礎上，實時捕獲戰場中的敵方電磁信號，通過機器學習算法自主的調節本機的電磁信號參數，動態的調整防御策略，實現智能化防御體系。而進攻型電子裝備是基于傳統的主動對抗裝備的基礎上，在實時捕獲戰場中的敵方電磁信號后，利用己方主動對抗裝備，實施高效的主動干擾行為，破壞敵方的偵查能力。人工智能技術與傳統裝備的結合，其特點就是能夠快速的建立外界威脅源模型，對相應威脅源的目標類型，響應時間，威脅等級進行記憶和學習，自動分析并生成外界威脅源記憶庫，從而調節被動干擾的策略，實現智能調節干擾的策略和干擾的樣式，并能對干擾效果進行評估，縮短了傳統裝備的科研時間，加速武器裝備的更新迭代頻率。

2.2 人工智能技術在指揮系統的應用

在典型的任務場景中，存在多平臺協同、機群聯合指揮的需求，但在指揮和控制的過程中存在跨平臺聯合作戰規劃難、各軍種指揮協調性差、武器系統聯合打擊效率低等諸多難點，憑借傳統的指揮系統難以在短時間內做出快速合理的部署。而人工智能技術可以實時共享戰場態勢，高效的提供整體部署。在多平臺協同方面，可要求無人機編隊協同有人機，輔助有人機自動實施戰術。典型的戰法可以為無人機集群輔助直升機集群作戰，實時的感知相關的戰場動態信息，積累解決突發問題所需的數據，將已采集的戰場數據轉化為戰術決策，將戰術決策智能分配給協同單位，提高協同任務的效能。在機群聯合指揮方面，人工智能技術可以將整個平臺各軍種化整為零，進行隨機的集群編隊指揮和控制，各作戰單元具備自主學習的能力，協同隨機集群編隊進行偵查、攻擊、防御的統一部署和指揮，不斷的增強隨機集群的戰術庫，提高機器學習算法以及智能策略算法能力。

2.3 人工智能技術在故障檢測中的應用

武器裝備的智能化故障檢測程度也直接影響武器的戰斗力。隨著智能化武器裝備的不斷發展，武器裝備的種類以及復雜程度正在成倍的增長，每年國家投入在武器裝備的維護上費用都是巨大的，人工智能技術可以降低復雜交聯系統維護的難度。傳統的故障檢測方法是基于傳感器技術，通過信號處理技術和構建系統的物理模型和數學模型，對武器裝備出現故障前進行預測性維護，避免在執行任務過程中出現故障，提高任務完成率，這種故障檢測手段依賴于維護的經驗并且只能檢測出簡單的故障，復雜的交聯型故障常難以準確的進行評估。人工智能技術可以不在依賴于個人的能力和經驗，通過神經網絡算法將復雜的故障分割成大量的子神經網絡，經過專家系同的模糊推力邏輯降低系統的復雜性，利用具有的專家知識和運用知識進行推理，提出決策方法，在不斷的訓練和學習過程中，武器裝備系統不斷的擴充和完備自己的知識，不斷的對知識庫的內容自動的進行調整和修改，達到智能化故障檢測和維護的目的，降低故障率。人工智能故障診斷方法不受模型和知識的局限性，更準確地找到故障點。目前人工智能故障診斷和維護方法已經應用在艦船、裝甲車等多種武器裝備系統中。

3 人工智能技術未來發展

3.1 人工智能算法和核心芯片的發展

人工智能技術離不開人工智能算法和核心芯片的發展，也就是計算機平臺的發展。無論是人工智能中的機器學習算法、基于規則的推理及自適應算法都涉及大量數據的迭代計算，這就需要深入研究如何將這些算法在使用中達到最優狀態并增加對核心芯片的投入。

3.2 人工智能技術驗證平臺

為了保證武器裝備的安全性以及平臺算法的安全性，要經過一系列嚴格的試驗試飛階段，并對數據庫進行大量的積累并驗證。這就需要建立更加復雜的驗證平臺，利用真實的評價體系，對人工智能技術的算法、效能和技術成熟度進行客觀的評價。

3.3 建立標準化體系和安全體系

建立人工智能技術的標準化體系和安全體系，是人工智能技術發展的基礎。通過標準化體系的建立，可以使整個流程具備可追溯性，可以對人工智能技術進行約束和規范。通過安全體系的建立，可以對收集的大數據進行匯總，數據的存儲和傳輸過程中安全性問題將影響客戶的利益。因此，未來需要對標準化體系和安全體系給予重視，降低技術風險。

3.4 增加實時性效能評估

武器裝備效能評估可以縮短傳統裝備的科研時間，而人工智能技術可以將武器裝備的效能實時記錄在數據庫中，通過調整各武器裝備的參數來評估效果，可以實現整體裝備的合理部署。

4 總結

人工智能技術尚處于起步階段，一些發達國家已經將其列為核心發展的技術之一。本文對人工智能技術在直升機上的武器裝備、指揮系統以及裝備的故障檢測中的應用進行了闡述，進而展望了人工智能技術未來發展趨勢，從技術角度、未來發展的角度來展示人工智能技術發展的必要性。未來一段時間，人工智能技術將長期處于研究熱潮，我國也應該緊跟時代的腳步，抓住機遇。