人工智能在直升機飛行控制的應用與展望

南京航空航天大學自動化學院 鄒雨春 孫逸凡 盛守照

人工智能在其發(fā)展的過程中不斷體現出自身的優(yōu)勢，各行各業(yè)的智能化是未來發(fā)展的大潮流。人工智能具有快速處理非線性、大容量和復雜的數據的能力，相較于傳統(tǒng)的控制方法具有突出的優(yōu)勢。本文首先將傳統(tǒng)控制方法和智能控制進行對比，展現出人工智能方法的優(yōu)越性。再通過展現人工智能近些年來在直升機飛行控制領域的發(fā)展現狀及已有成果，向讀者呈現人工智能在直升機飛行控制領域的應用的可行性及優(yōu)越性。最后對人工智能未來在直升機飛行控制領域的發(fā)展進行展望。

直升機具有操縱復雜，空氣動力學模型具有階次高，強非線性，強耦合性，不確定性等復雜性，以及具有飛行模態(tài)多、飛行環(huán)境復雜等難題。直升機駕駛員需及時獲取直升機飛行狀態(tài)及周圍環(huán)境信息，尤其在面對險峻環(huán)境和惡劣天氣時，需耗費巨大精力。

早在本世紀初斯坦福大學的Pieter Abbeel等人就已經提出，運用大量飛行數據訓練人工神經網絡，使其能夠在不同的飛行情況下選取相應的控制器，然而此時的神經網絡并沒有在控制環(huán)路內。Eric N.Johnson和Suresh K.Kannan直升機外環(huán)校正指令需要平移動力學模型，但是這些模型帶有誤差，訓練神經網絡可以消除模型誤差。但是這種自適應只能改善姿態(tài)動力學的跟蹤性能。直至今日，學者們還在致力于研究出一個應用廣泛，智能化高的飛行控制系統(tǒng)，減輕駕駛員操縱負擔，甚至可以逐步取代駕駛員的地位。

1 智能控制應用

傳統(tǒng)PID控制是一種簡單易于實現的控制方法，但參數設置的好壞直接影響實驗結果，控制精度差，魯棒性差。為彌補PID控制的不足，提出了模糊PID控制方法，一定程度上實現了控制智能化。目前，大量應用在直升機飛行控制領域的方法有：人工神經網絡、支持向量機、遺傳算法、粒子優(yōu)化算法等。

2 智能技術在直升機飛行控制領域的發(fā)展現狀

國內外已有大量學者針對飛行控制系統(tǒng)的智能化做了一些研究與實踐，并且取得了很可觀的試驗與仿真結果。

2.1 自適應法

自適應控制方法的特點就是系統(tǒng)能根據控制偏差自我調節(jié)控制器內部參數或控制規(guī)律。Zachary Sunberg等人提出的一種模糊邏輯控制器，能夠在絕大數情況下使發(fā)生自轉的直升機安全著陸。劍橋麻省理工學院的Cirish Chowdhary等人，為了解決系統(tǒng)在預期的操作域之外操作，自適應元件會變得無效的問題，研究了參數數量隨數據而增長的自適應元和基于高斯過程的自適應元，其具有良好的閉環(huán)性能，并且不需要任何關于不確定域的先驗知識。北京航空航天大學提出基于ESO（擴張狀態(tài)觀測器）的無人直升機高精度姿態(tài)控制方法，理論上驗證了在常值、斜坡和正弦擾動下，該方法對提高姿態(tài)控制穩(wěn)定性的可行性。在不同帶寬下，實現基于ESO的姿態(tài)角的穩(wěn)定控制，但隨著帶寬增加，姿態(tài)輸出噪聲變得更大。Hicham Chaoui等人設計了一種基于二型模糊邏輯和自適應控制理論的控制器，用于解決在有結構和非結構不確定性的情況下跟蹤三自由度直升機的運動的問題。第二類模糊邏輯結果部分自適應是通過基于李亞普諾夫的自適應來實現的，該自適應保證了閉環(huán)系統(tǒng)的穩(wěn)定性。并與其他三種控制器，即PID控制、自適應控制和自適應滑模控制進行了比較。數值結果表明，在存在不確定性的情況下，該方法具有較好的表現和魯棒性。

2.2 自學習方法

支持向量機是機器學習的一種，旨在對已有神經網路的不足加以改進。西安飛行自動控制研究所的夏琳等人為了解決飛行控制系統(tǒng)在面對突發(fā)情況下自動飛行的局限性，結合神經網絡的優(yōu)點，提出了基于人工神經網絡的直升機智能飛行控制系統(tǒng)的方法。利用大量駕駛員飛行操作指令的數據映射，對人工神經網絡進行訓練，最后實現神經網絡對飛行控制系統(tǒng)的自主控制。Pedro Miguel Dias等人為了解決飛行中突發(fā)故障問題，提出了利用強化學習的方法。這種新型控制器應用于一架F-16飛機模型進行故障實驗，在實驗中進行在線調整。結果表明，故障前后都有良好的跟蹤性能。雖然僅僅在固定翼模型上面進行了實驗，但這無疑為無人直升機解決故障問題提供了一種思路。Yunus Bicer等人，認為盡管飛行控制系統(tǒng)可以在正常條件下自動著陸，但該階段的傳感器故障可能會導致災難性的墜毀。所以，他們使用原始圖像輸入來訓練端到端深度學習模型，以估計飛機相對于機場跑道的相對航向角。運用視覺的方法作為對無人直升機的著陸的一種保障，也是不錯的選擇。

2.3 神經網絡

人工神經網絡由大量的處理單元通過適當的方式互連結構，是一個大規(guī)模的非線性自適應系統(tǒng)。Jesse Leitner等人討論了用于非線性直升機飛行控制系統(tǒng)的在線自適應神經網絡設計，重點討論了網絡架構和改變自適應增益對性能的影響。賓夕法尼亞州立大學研究生院的Venkatakrishnan V.Iyer開發(fā)了一種對使用矢量推力導管螺旋尾槳(VTDP)的復合直升機的偏航控制器。控制器的設計是基于直升機上現有的基于非線性動態(tài)逆的控制器，同時在非線性動態(tài)逆的控制器的反饋中引入神經網絡，使反饋線性化。目前控制器的功效已經在直升機操作中進行了測試，如起飛、懸停和前飛，并取得了較好的效果。中國航空工業(yè)集團公司西安飛行自動控制研究所的夏路等人為解決智能飛行控制系統(tǒng)和自動駕駛儀在面對緊急情況是的局限性提出一種基于人工神經網絡的直升機智能飛行系統(tǒng)。仿真結果表明，在外部條件穩(wěn)定的情況下，智能系統(tǒng)幾乎可以模擬駕駛員的操作，保持直升機飛行的穩(wěn)定；當面對擾動氣流時，智能系統(tǒng)對于航向，速度等參數的控制均優(yōu)于駕駛員的操作。荷蘭代爾夫特理工大學的E.van Kampen、B.Helder和M.D.Pave將增量式雙重式啟發(fā)規(guī)劃(IDHP)控制器應用于MBB Bo-105直升機上，而神經網絡就是該控制器的函數逼近器，IDHP被證明能夠可靠地學習直接控制俯仰角和高度，而無需離線學習階段。此外，控制器不依賴于受控系統(tǒng)的任何先驗知識，因此可以在線適應變化。結果表明，當提供適當的參考信號時，控制器能夠執(zhí)行兩種不同的主動機動。

2.4 優(yōu)化算法

啟發(fā)式算法是基于深度優(yōu)先算法的一種優(yōu)化推演，搜索時根據一些啟發(fā)式信息，選擇最佳的一個或者多個分支進行。因為實際問題中，不一定需要最優(yōu)解，所以避開了啟發(fā)式算法的缺點，讓啟發(fā)式算法對飛行控制起到優(yōu)化作用。Thomas Issac、Femi Thomas and Mija S J結合了狀態(tài)反饋控制和線性二次調節(jié)器(LQR)，使一個小型六自由度直升機模型跟蹤一個預定的軌跡。采用自適應粒子群優(yōu)化技術對LQR控制的加權矩陣和匹配擾動的投影矩陣進行了優(yōu)化。仿真結果表明了控制器在實現特定控制目標的有效性。國立中正大學電機工程系的Gwo-Ruey Yu和Ping-Hsueh Hsieh提出了一種兩自由度直升機最優(yōu)飛行控制方法，應用先行二次調整器（LQR）控制直升機俯仰運動，并采用粒子群算法對LQR控制器的最優(yōu)加權矩陣進行搜索。通過對比普通LQR和基于PSO算法的LQR解出的最佳增益，在兩個階躍信號命令下，帶入30度俯仰角和0度偏航角的情況進行對比。結果表明，基于粒子群算法解出來最優(yōu)增益使得系統(tǒng)的調節(jié)速度更快，顯然，基于粒子群算法的LQR優(yōu)于傳統(tǒng)的LQR。基于粒子群算法的LQR設計為直升機飛行控制系統(tǒng)提供了最佳響應。

3 技術未來展望

3.1 提高智能性

（1）實現高智能的飛行輔助

當下的人工智能大多數僅僅用在優(yōu)化控制系統(tǒng)的一個環(huán)節(jié)上，實現人們理想中的飛行輔助還需進一步研究，才能更好地克服飛行過程中紊流和地效影響。

（2）實現全方面智能安全評估

目前人工智能技術只能單一的對直升機進行故障檢測。更進一步的有通過訓練人工智能對直升機槳葉的應力進行分析，實現對目前飛行的安全性的評估，進而實現應力調節(jié)。

（3）智能環(huán)境感知

未來可以利用先進的探測設備亦可以是機器視覺等感知技術與人工智能控制系統(tǒng)相結合的方式，實現直升機對環(huán)境和自身安全性的自我判斷。

3.2 利用人工智能網絡，構建直升機群協(xié)同合作的能力

美軍直升機與無人蜂群的協(xié)同作戰(zhàn)模式為我們的未來發(fā)展提供了一個實例，我們可以在此之上實行創(chuàng)新，設計出更多模式下的協(xié)同作戰(zhàn)方案。

3.3 實現無人大型直升機

隨著人工智能深入發(fā)展，可開展有關于大型無人直升機飛行控制系統(tǒng)的設計與優(yōu)化。當直升機群協(xié)同作戰(zhàn)與大型無人直升機都發(fā)揮到一定水平時，無人直升機可以裝備更多的彈藥，可以建立大火力覆蓋的無人直升機群，在保護我方安全的前提下，提高我軍的作戰(zhàn)能力。

3.4 實現特定任務、乃至特定的復雜任務的自動執(zhí)行

未來基于對直升機飛行控制各方面的發(fā)展，可以綜合設計出一個可以自動跟蹤目標、自主飛行特定山區(qū)的直升機飛行控制系統(tǒng)，再將其運用到大型無人直升機中，便可以實現在惡劣條件下的救援，作戰(zhàn)等高危險性任務。

結束語：雖然人工智能在飛行控制領域有所滲透，但是利用人工智能所達到智能化水平離我們的預期還有一定的差距，還有許多可發(fā)現與拓展的空間。