仿生變構型飛行器智能控制技術：進展與展望

郭雷，王恩美，盧昊，王陳亮，郭克信，3，余翔，喬建忠

仿生變構型飛行器智能控制技術：進展與展望

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 自動化科學與電氣工程學院，北京 100191；2.北京航空航天大學杭州創新研究院，浙江 杭州 310051；3.北京航空航天大學航空科學與工程學院，北京 100191）

仿生變構型飛行器是一種為適應環境和任務的變化而具備動物外部構型變化能力的新型飛行器，變構型的動態飛行特征給控制系統設計帶來了一系列挑戰。飛行器仿生變構型的過程是一種飛行器“眼、耳、腦、體、翼”等多器官協調的智能行為，控制系統設計的主要目標是在“感知—決策—反饋—執行”全控制回路的框架下解決“為何變”“如何變”等智能行為的設計問題，賦予飛行器（特別是無人飛行器）在復雜干擾和不確定環境下強自主、強適應、強生存等智能能力。結合近年來智能控制和仿生技術的發展，從仿生智能的視角梳理變構型飛行器控制技術的研究現狀和存在問題，指出仿生變構型飛行器設計需要完成從“方法論”“系統論”設計到“環境/任務/系統一體化”設計亦即“行為論”設計的跨越；進一步提出了機理與數據混合驅動建模、多維信息仿生感知、智能自適應變形決策、變形與飛行一體化控制、全回路安全控制等前沿科學問題，并給出了可能的解決思路。

變構型飛行器；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世紀初萊特兄弟發明的現代飛機，無不體現人們對翱翔天空的孜孜追求。飛行器技術本身就是仿生技術發展的標志性成果。

傳統飛行器大多采用固定構型，在大空域、寬速域、復雜多樣化任務環境下的適應性、安全性和智能化程度不足。與此對應，自然界的飛行動物可根據任務、環境和自身狀態靈活改變外形，以獲取高低空、高低速優化配置的飛行能力，實現在惡劣自然環境和天敵威脅下的機動規避。近年來，受仿生學的啟發，在仿生技術和材料、機構、防熱等技術發展的推動下，變構型飛行器引起了研究人員的高度關注［1-4］。

仿生變構型飛行器是指一類能夠實時感知外部環境和態勢，并結合飛行任務和自身狀態主動仿照動物外部構型變化而改變形態，旨在獲取最佳氣動外形以實現高效飛行的智能飛行器。變構型需求基于環境和任務的改變而動態調整，飛行器通過變構型實現更強的適應性和智能性。因此無人仿生變構型飛行器是一種智能性更強的無人系統。仿生變構型飛行器成為目前航空航天領域最具基礎性、戰略性、前沿性和交叉性的高新技術之一，具有廣闊的軍民兩用前景。

系統變構型的需求主要來源于環境和任務方面，主要表現在：1）空域、速域、氣流和陣風等飛行環境和氣象因素變化，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、風險和機會時飛行任務和目標的變化，包括在實現規避、覓食和尋偶等機動能力時構型的變化。不同于固定構型飛行器，變構型飛行器通過構型變化來改善氣動特性、增強操縱和控制能力以適應環境變化，并滿足多樣化任務需求。變構型飛行器的變形機制呈現多樣性，例如固定翼飛行器有翼展伸縮、頭部彎曲、前后掠轉變、撲翼、柔性翼、可折疊作業機構等變形機制，旋翼飛行器有傾轉旋翼、翼架變構、可折疊抓取機構等變形機制［2-6］。

飛行生物通過不同器官在環境感知、任務規劃、變形決策、肌肉調動與執行等多環節的有機協作并經反復學習與進化，才實現智能變形飛行，這是一個復雜的多器官協調和神經元決策的過程。迄今為止，其中的生物學奧妙也未能得到充分的揭示和發現。“道法自然而又超越自然”，變構型飛行器特別是無人變構型飛行器要實現安全、高效、智能飛行，除了需要探索智能材料、變形機構、氣動布局等“看得見”的技術之外，還需研究涵蓋“感知—決策—反饋—執行”全回路的智能操控系統這一“看不見”的神經元解譯和行為控制技術。控制系統作為變構型飛行器的“眼、耳、腦、體、翼”的操縱和協調者，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”是指根據環境、目標、本體的感知信息判斷變形機制執行的時空窗口；“如何變”是指飛行過程中的變形決策，即根據感知信息選擇某種指標并決定哪個部位變形及相應的變形量；“怎么飛”是指動態環境與任務下的軌跡規劃，根據感知結果并結合構型變化引入的性能提升規劃出可行的優化飛行軌跡；“怎么控”是指變構型飛行過程中的變形伺服控制與姿態控制。變構型飛行器的控制問題已經不僅僅局限于先進控制方法的設計，也已超越了控制系統的設計，而是包含了控制行為的設計。

對于飛行器而言，由于材料、機構、傳感器和執行器的能力受限，體現神經元協調和實現過程的智能操控能力顯得更為關鍵，成為目前變構型飛行器所面臨的一個關鍵科學問題。飛行器對于環境和態勢的適應能力體現在風速風向、大氣密度、溫度濕度等環境信息和天敵、食物、巢穴、配偶等態勢信息的獲取和感知；飛行器連續構型變化和大飛行包線特征，導致飛行器本身存在動基座變質心、氣動/結構強耦合、快時變強非線性、多通道強約束、多干擾強不確定等問題。飛行器變構型的過程實質上是從一個平穩態到另一個平穩態的變化過程，籍此過程達到適應環境和任務變化，增加實時性和機動性、節省能量等目的。變構型導致的質心偏移、氣流異常以及升阻力變化都嚴重制約控制系統的性能，甚至威脅飛行安全［2］。這些因素給變構型飛行器控制系統的精確性、快速性、適應性和安全性提出了極為苛刻的要求，使得傳統面向固定構型飛行器的控制方法難以適用。在復雜不確定動態任務和環境下，實現具備強適應、強自主、強生存特征的智能控制，是仿生變構型飛行器研發中需要解決的核心問題。

本文結合近年來國內外科技發展趨勢，從仿生智能的視角梳理變構型飛行器控制技術的研究現狀，探討一些挑戰性難題以及可能的解決思路，以推動仿生變構型飛行器技術的發展，服務于國防和國民經濟建設。

1　研究現狀

1.1　面向控制的飛行器動力學建模

變構型飛行器智能控制面臨的挑戰之一在于其動力學難以建模，主要體現在結構與飛行力學間的強耦合性、大空域寬速域下的氣動差異性、任務/環境變化等因素造成的不確定性等。與此同時，變構型飛行器廣泛使用的輕質柔性材料也使得飛行器存在不容忽視的彈性模態。傳統建模方法包括參數化建模、多體建模、柔性體建模等，主要依賴于飛行器的物理機理。美國學者將機翼等效為2個鉸接梁，采用Lagrange方法得到了變構型飛行器的動力學方程，并分析了對稱變形和非對稱變形時的動力學特性［7］。我國南航研究團隊利用參數化建模得到了變形翼的有限元模型，進而分析了飛行器動力學特性和氣動彈性［8］。

為提升模型精度，機理和數據混合驅動的建模方法近年來受到關注。美國學者［9］利用低保真度模型和有限的高保真度數據來訓練神經網絡，并采用將多種保真度模型嵌入神經元的方式來加速訓練過程，可在相同數量訓練數據樣本下將飛行器建模精度提高一個數量級。瑞士學者［10］引入基于動態模態分解的數據驅動方法，提升了對變形機翼氣動/結構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。南航研究團隊提出了一種面向一體化設計的高超聲速飛行器變參代理建模方法，通過參數分類決策減小了計算量，并得到了包含飛行條件、本體特征等多參數的線性變參代理模型［11］。北航研究團隊研發了一種仿鷹空中捕捉的空中特種無人機，針對動基座、變質心等不確定性的產生機制和作用機理，提出了一種離線-在線相結合的強耦合模型建模和驗模方法，首先利用先驗信息和離線數據構造基準模型，再通過在線數據迭代進行精細化的模型修正［12］。

現有機理與數據混合驅動的建模方法在一定程度上有效刻畫了變構型飛行器的耦合和非線性特征。然而，變構型飛行器在變形賦能的同時，也引入了質心偏移、變形誤差、慣性參數時變不確定性等多源異質異構干擾。量化系統在變形賦能和多源干擾作用下的能力邊界，不僅能為控制系統設計提供依據，也可反向指導飛行器總體設計。目前該方面研究成果鮮有報道，亟需結合機理和數據混合驅動建模方法開展系統性研究。同時，強烈變構型的過程可能是一個狀態不再平衡、系統特性不再是恒定的特殊過程，傳統的動力學建模方法不再適用。

1.2　仿生信息感知技術

動物通過眼、耳、皮膚等器官感知環境和態勢，其中高精度的導航定位是實現高精度飛行控制行為的前提，變構型飛行器為實現環境-任務自適應的最優構型調節，對信息感知能力提出了更高的需求。仿生信息感知技術通過模仿動物的器官和神經，實現對空間運動信息、環境信息及目標信息的全面感知，以提高自主性、環境適應性及智能性。研究基于仿生機理的多維度信息感知技術，為“何時變”“如何變”提供決策依據，具有重要意義。

英國學者［13］指出蚊子的江氏器可以十分精確地感知氣壓變化，進而可以利用靠近壁面時的氣流變化發現并規避障礙物，基于此原理為四旋翼設計了仿生氣壓傳感器，實現基于近面效應的壁面檢測。美國學者［14-15］受動物胡須啟發設計了氣流傳感器，構建氣流-慣性里程計并應用于無人機，通過測量風速減小漂移和位置誤差。美國學者［16］使用飛蛾觸須作為氣味傳感器，引導無人機在密閉空間中自主探測規避障礙，并找到氣味源，實驗結果顯示昆蟲觸須靈敏度遠高于金屬氧化物氣體傳感器。

以視覺里程計（Visual Odometry，VO）、同步定位與地圖構建（Simultaneous Localization and Mapping，SLAM）等為代表的視覺導航技術，近年來在自動駕駛、無人機等領域得到了廣泛研究與應用［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，FLA）項目，通過視覺輔助導航技術，為衛星導航信號干擾、拒止環境下的自主導航提供了有效解決途徑［19］。

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

目前，基于仿生機理的視覺導航、偏振導航、天文導航等導航手段因具有無源性、自主性、隱蔽性和抗干擾性等獨特優勢，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自主導航的主要手段。但是在仿生科學領域仍然存在眾多未知科學奧秘，仿生傳感器如何與變構型飛行器結合，實現復雜環境下具有自適應性、自重構性、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有的分離設計模式，實現任務載荷和平臺載荷的一體化設計，完成對環境信息、目標信息和本體運動信息的“視聽共融”。

1.3　變構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，選擇任務和環境自適應的最優構型是決策關注的重點。飛行器受限于物理、信息和時空等約束，并伴有能量、速度和機動能力等指標，決策涉及約束條件、優化指標、決策方法、模型構建和求解效率等多個方面，采用合適的優化算法可縮短決策時間，提高決策效率。

現有智能決策指標以飛行器的氣動性能和操縱性能優化為主。美國學者［27］采用元啟發式優化算法搜尋低阻力系數的構型，以滿足可變厚度機翼的幾何和升力約束，并設計數據驅動控制器對機翼進行變形控制。西北工業大學研究團隊在給定任務下，以變后掠飛行器的攻角、馬赫數、后掠角等為變量生成訓練數據，建立Kriging模型，通過對飛行器進行氣動性能預測，離線解算出飛行過程中的最優后掠角［28］。國防科技大學團隊利用3自由度動力學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翼前緣總熱量作為優化目標，通過在滑翔距離和熱量目標之間折衷平衡，給出了滑翔過程中的變后掠翼模式［29］。密歇根大學研究團隊將機翼變形技術融合在軌跡規劃中，以達到節省燃料的目的［30］。受塘鵝捕魚、鴿子著陸運動規劃啟發，浙江大學研究團隊在三維軌跡的基礎上加入了對時間的規劃，增強飛行器軌跡調整能力［31］。北京航空航天大學團隊根據變形飛行器的氣動力約束，通過粒子群優化算法來改變飛行器外形［32］。受老鷹捕獵行為過程中的構型變化啟發，北京航空航天大學團隊提出了一種基于滾動時域優化的最優運動軌跡方法，完成仿鷹無人機的空中捕獲任務［33］。

現有針對飛行器智能決策的研究主要面向特定飛行任務，基于不同外形下的升力/阻力參數等氣動性能進行分析決策，且大多僅考慮機翼對稱變形，存在“預設任務、固定模式、理想環境”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，針對環境變化和任務變化等需求，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/環境自適應的智能決策方法研究。

1.4　飛行器變形與姿態控制技術

變構型的目的是為了適應環境和任務變化，特別是應對干擾、對抗、威脅和風險，因此飛行器機動控制十分重要。飛行器在變形過程中會引起氣動特性變化，構型快速變化導致的快時變和強耦合特性大幅增加了控制器設計的難度。對變構型飛行器而言，保證平衡、超快、超準的控制品質是控制器設計的主旨。

LQG、LQR、增益調度等傳統線性控制方法相繼被應用于不同變構型飛行器的姿態控制中［34-36］。美國國家航空航天局（National Aeronautics and Space Administration，NASA）研究團隊指出，當飛行器存在強不確定性時，增益調度控制在控制律切換過程中可能存在突變問題，難以保證系統的全局穩定性［37］。美國空軍實驗室研究團隊針對柔性變構型飛行器提出了一種非線性魯棒自適應控制方法，以解決參數不確定性和彈性模態干擾問題［38］。西北工業大學研究團隊利用自適應超螺旋滑模控制技術來處理變后掠翼飛行器的氣動參數和質量參數不確定性，提升了縱向運動的控制精度［39］。變構型過程涉及環境變化、目標變化和本體變化，可能導致多源干擾和不確定性的產生。針對風干擾影響下的空中目標捕獲過程，基于復合精細抗干擾策略［40-42］，北京航空航天大學研究團隊針對自主研發的仿鷹靈巧抓捕特種無人機（如圖1所示）提出了一種姿態控制方法，可補償、抑制和消納變構型抓捕過程中的質心偏移、風擾等多源干擾［12］。

圖1　北航團隊：靈巧作業無人機實現對飛行目標空中捕獲

現有針對變構型飛行器的控制研究大多考慮一些特定的工作點，難以實現大空域、寬速域、外形連續變化情形下的智能控制。此外，現有結果普遍基于變形伺服控制和姿態控制分離設計的策略，將變形帶來的附加力和附加力矩視為對姿態控制系統的干擾，較為保守。飛行器仿生變構型的目的是提高環境和任務變化的“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節能、省力、高效控制的目的，亟需開展變形與姿態一體化控制技術研究。特別地，飛行器的劇烈變構型過程對應一個不穩定的過渡過程，傳統的穩定性指標需要拓展到一個“失穩態”快速終結的時空綜合控制指標，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

現代控制理論的初心就是動物和機器的融合，控制和智能科學的研究目的之一就是賦予機器以類似生物的能力［43-44］。變構型飛行器控制技術的發展趨勢是賦予系統更高的智能性、適應性和安全性，其中仿生智能技術是需要借鑒的重要研究思路。為實現復雜任務環境下仿生變構型飛行器的智能自主控制，必須實現從“控制方法”“控制系統”到“控制行為”的理論跨越。為此，以下關鍵技術領域值得深入探索。

2.1 機理與數據混合驅動的建模與系統量化技術

仿生變構型飛行器首要特點是仿生能力，其動力學模型是典型的強耦合、強不確定、強非線性、快時變系統，變形為飛行器賦能的同時也會引入變形誤差、質心偏移等多源、異質、異構干擾。此外，在大空域、寬速域、連續變外形的條件下，仿生飛行機理尚不明確，傳統基于能量守恒的動力學機理建模面臨重大挑戰。因此，亟需融合機理和數據驅動建模優勢，開展環境、目標與變構型飛行器強耦合動力學系統建模技術研究，突破頭部彎曲/變翼展/變后掠等情形下氣動/運動耦合模擬、數據和機理混合驅動建模、參數智能辨識、系統能力量化分析等關鍵技術，建立面向控制行為的飛行器姿態/軌跡/構型/干擾一體化表征的深耦合控制系統模型。

2.2 基于環境/目標/本體多維信息的仿生感知技術

仿生變構型飛行器的控制要體現從傳統的“系統論”設計思想到“環境/目標/系統（本體）一體化”的設計思想。從控制行為的角度，變構型的前因就是環境或任務的變化，精準感知環境/目標/本體狀態信息是變構型飛行器進行變形決策的重要前提。自然界的動物經過進化，通常具備對于光線、磁場、氣味、震動、聲音等信息的獨特感知手段，使其能在復雜惡劣的生存環境中完成覓食、遷徙等活動；仿生感知技術具有無源性、自主性、隱蔽性和抗干擾等獨特優勢。針對變構型飛行器，需揭示生物多器官信息協同感知機理，通過生物、材料、光學、電子等多學科交叉，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、任務載荷和運動載荷一體化設計等關鍵技術，提升高動態、非結構化、干擾/拒止環境下飛行器的信息獲取能力。

2.3 高動態多約束下的智能自適應變形決策方法

變構型飛行器是“時間-空間-物理-能量-信息”多維約束嚴重的系統，并時常遂行高動態、多樣化、大空域、寬速域的飛行任務。結合飛行器高效飛行的環境變化、任務需求和高動態多約束的飛行特征，需開展基于感知信息的智能自適應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制和變形約束，在飛行任務包絡范圍內分析典型工作點各變形機制下的氣動性能提升和變形效費比，突破仿生外形知識庫構建和優化、事件和數據混合驅動的智能變形決策、基于感知信息的自適應外形/任務/軌跡規劃一體化等關鍵技術，實現任務和環境自適應的飛行器外形主動優化。

2.4 變構型模式下全回路智能安全控制技術

安全控制是變構型飛行器完成飛行任務的基本要求和重要保障，其主旨是在變構、損傷、故障、攻擊等異常模式下提升系統的安全和免疫智能［42-43］。變構型的目的是從一個穩定態到另一個穩定態的過程，面向變構型的構型突變、飛行器舵面損傷、變形機構故障、網絡攻擊、任務目標改變等異常模式，需開展基于感知信息的飛行器全回路智能安全控制技術研究，突破動靜混合異常事件快速診斷、風險評估與預測、柔性任務重構、制導律快速在線重構、復合安全控制、感知控制一體化等關鍵技術，實現面向多尺度耦合因素的能力推演和機制重建，賦予仿生變構型飛行器極端環境下強適應、強自主、強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

變構型往往是為了實現節省能量、減少風險以適應環境變化的目標，動物通過變構型等“綠色”控制的行為以提高生存能力［43-44］。對于環境干擾和不確定性而言，仿生控制與傳統方法的不同之處在于，要實現從干擾“消除”到“消納”和“利用”的轉變［43-44］。傳統的變形與飛行分離控制策略面臨失穩風險，且難以充分發揮變構型帶來的氣動環境優勢，限制了飛行器的敏捷機動能力，難以實現“綠色”的控制目標。為此，亟需開展復雜不確定環境下變形與飛行一體化控制技術研究，提出“時間-空間-物理-能量-信息”多約束下混合異類多執行機構動態控制分配策略，將頭部彎曲角度、展長、后掠角等變形量視為控制輸入，以變形輔助姿態控制，實現變形和飛行的有機協調控制，減少控制系統“精力”和“體力”的消耗，避免過度損害環境和浪費資源，實現“節能、節時、省心、省力”的“綠色”控制目標，完成復雜不確定環境下綠色高效的機動變形飛行。

3　結束語

仿生變構型飛行器是目前航空航天領域的重要發展方向，是實現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”等變構型飛行器的核心科學問題，總結了仿生變構型飛行器控制技術的研究現狀，闡述了從“控制方法”“控制系統”到“控制行為”設計的必要性，提出了機理與數據混合驅動建模、多維信息仿生感知、智能自適應變形決策、變形與飛行一體化控制、全回路智能安全控制等關鍵技術難題，并給出了可能的解決思路。仿生變構型飛行器屬于典型的多學科交叉軍民兩用高新技術，是一個從“方法論”“系統論”設計到“環境/任務/系統一體化”亦即“行為論”設計的跨越。建議高校、科研院所、學術機構以及相關部門開展緊密合作，促進多學科交叉融合，在仿生變構型飛行器領域開展聯合技術攻關，滿足國防和國民經濟建設的迫切需求。

［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鍵技術發展現狀及展望［J］.空氣動力學學報，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.面向一體化設計的高超聲速飛行器變參建模方法［J］.哈爾濱工程大學學報，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，張曉鷗.視覺導航技術的發展［J］.導航定位與授時，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.強干擾環境下的自主導航與控制新技術［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.一種針對質心偏移和基座浮動的帶臂旋翼無人機姿態控制方法：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，等.智能變體飛行器研究綜述與發展趨勢分析［J］.飛航導彈，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.多源干擾系統復合自主抗干擾控制技術［R］.中國科研信息化藍皮書，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.無人機安全控制系統技術：進展與展望［J］.中國科學：信息科學，2020，50（2）：184-194.

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

［44］ 郭雷，朱玉凱，喬建忠，等.無人系統生存智能與安全、免疫、綠色控制技術［J/OL］.航空學報.［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

國防基礎科研計劃（JCKY2021601B016）；浙江省博士后科研項目擇優資助（ZJ2021077）；浙江省自然科學基金（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用、先進導航與控制系統。

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

V 249

A

10.19328/j.cnki.2096?8655.2022.04.002