浅析无人机系统自主控制的关键技术

2016-02-10高启坤

中国军转民 2016年12期

关键词：体系结构控制策略关键技术

■ 李栋李明高启坤

浅析无人机系统自主控制的关键技术

■ 李栋李明高启坤

将无人机系统自主控制的关键技术划分为体系结构、感知与认知、规划与控制、协同与交互部分。本文重点介绍了这些技术，并指出了今后可能发展的方向。

1.引言

近年来，随着各种新技术的不断应用，无人机系统的复杂性及功能的自动化程度等日益增加。由于作战环境的高度动态化、不确定性以及飞行任务的复杂性，使得规划与决策成为无人机面临的新的技术挑战，各种基于程序化的自动控制策略已经不能满足未来先进多功能无人机对复杂作战环境下的多任务的需求，自主飞行控制能力的提高成为未来无人机飞行控制系统发展的主要目标。

对于无人机系统自主控制关键技术的划分，目前还没有形成统一的标准。AGARD报告（Mission planning systems for tactical aircraft，AGARD-AR-313，1992）认为通信、协调、目标识别与分配、冲突消解是自主控制研究的难题；SAB报告（UAV technologies and combat operations，SABTR-96-01，1996）认为人机接口和直接控制的缺失是战术无人机首要解决的问题；美国学者Churchman和Chandle等认为相对于人机接口、通信和目标识别，决策是实现自主最为困难的问题，不确定环境中快速在线的重规划是自主控制的关键问题；美国学者Clough认为自主控制的关键问题在于态势感知、决策分析和通信协同；美国国家研究委员会认为规划与决策、传感与感知、监控与诊断、网络与协同等是无人系统的关键技术；Valavanis等人认为时空建模技术、智能分层控制、嵌入式计算、网络化通信、传感器和感知技术等是实现无人机系统自主控制的关键问题。结合国内外学者对无人机自主控制的研究现状，本文给出一种自主控制关键技术的划分方式，将关键技术划分为：体系结构、感知与认知、规划与控制、协同与交互。这种划分方式思路清晰，便于学术上的讨论与研究。

2.无人机自主控制的关键技术

2.1 体系结构

无人机系统自主控制系统主要任务是把各个子系统连接成一个整体；统一管理调度各个子系统，使各子系统步调一致地完成总体任务，其设计的优劣直接关系到无人机系统整体性能的发挥和智能水平的高低。自主控制体系结构可分为三类：

2.1.1 分层递阶式结构

分层递阶式结构由Saridis提出，包括组织级、协调级和执行级。分层递阶式结构遵循“感知-思维-行动”的基本规律，层次向上，智能增加，精度降低；层次向下，智能降低，精度增加，较好地解决了智能和控制精度的问题，其缺点是缺乏高度智能性的实时反应能力。

2.1.2 包容式体系结构

包容式体系结构由Brooks提出，模拟了动物反应式行为的特点，采用“感知-动作”结构。该结构强调了单元的独立、并行工作，缺少全局的指导和协调，对于长远的全局性的目标跟踪缺少主动性，目的性较差。

2.1.3 分布式体系结构

分布式体系结构主要采用多智能体系统(Multi-Agent System，MAS)的形式。这种结构具有自适应、自组织和良好的协调性能，通过协调方式完成繁杂的整体操作，可产生一般分层递阶式或包容式结构难以达到的灵活性和智能性，但是MAS结构需要智能体之间紧密联系，由于没有中央处理机制，难以有效处理系统冲突。

2.2 感知与认知

无人机系统任务由在安全区域执行侦察监视任务向在高危区域执行主流作战任务的方向发展，必须解决复杂环境感知与认知技术，实现战场态势理解与生成，研究内容包括：

2.2.1 非结构化环境感知

非结构化环境感知将实现自然环境目标与敌我目标的感知与识别，提高无人机系统战场态势的理解。恶劣气象条件决定了环境感知与识别任务的艰巨性，而复杂高对抗的环境状况进一步加大了无人机系统实现高可靠、强实时环境感知的难度。需重点解决以下问题：面向复杂环境的拼阵摄像、大范围图像拼接处理、面向无人机系统的高速视觉计算、开放环境下的目标检测与识别、多传感器信息融合的威胁估计与态势评估等。

2.2.2 复杂环境认知与学习

环境认知技术使无人机系统具备信息收集和环境认知能力，能够感知、识别、理解其所处的战场环境，是无人机系统实现高层次自主的基础。借鉴人类认知过程突破认知信息处理技术，对无人机系统发展极为重要。需重点解决以下问题：人类生物视觉的环境认知机理、仿生物视觉的目标识别、复杂环境认知算法、基于认知的学习和推理方法、高效的环境建模手段等。

2.3 规划与控制

规划与控制技术主要解决无人机面对复杂环境的不确定性，如何实现自主行为，提高无人机系统的作战效能。研究内容包括：

2.3.1 实时规划，重规划与监督控制

实时规划,重规划与监督控制主要解决无人机系统执行任务过程中任务计划的实施，并且根据突发状况进行动态任务重规划等问题，提高无人机系统作战响应的实时性。需重点解决以下问题：对抗环境下自动任务规划技术(包括航线、传感器、武器载荷以及通信规划)、快速动态任务重规划技术、智能任务管理和监督控制技术、任务状态监视与告警管理等。

动态重规划：动态重规划是一个独立自主的动态决策过程。当UAV收到新的传感器信息、命令、情报或不可预料事件发生时，就要进行实时动态重规划，以最优的方式完成对预先任务规划的更新，生成新的任务计划。由于环境和系统的不确定性，动态重规划应具有相当程度的智能。动态重规划主要包括控制策略选择和实时航迹规划两部分，若根据控制策略能够直接得到所要采取的行为，实时航迹规划这一步可以省略。

其中，控制策略选择是在设定的规则库中，进行最优决策，有效地协调或融合不同策略之间的冲突或竞争，得到最恰当的控制策略。控制策略选择主要有两种机制：竞争协调和合作协调。竞争协调机制根据有限状态机当前状态来进行行为选择，这种方法简单并且在大多数情况下十分有效，但仍存在一些问题。合作协调机制具有一定的适应性，实现方法之一是把不同的行为所提供的备选方案赋予固定的不同权值，最终生成一个控制命令；另一种方法就是分级转换并采用模糊规则来执行融合操作。

实时航迹规划对算法时间有严格的限制，规划中不仅要考虑各项约束和地形环境的限制，还要考虑和预先任务规划之间的关系。涉及到的约束条件有：地理或物理障碍物；静态或动态威胁；油耗指标；时间要求；UAV性能指标；目标特性等。考虑到实时性和不确定性，在上述诸多约束条件下进行航迹规划是一个难度很大的多维多模优化问题。实时航迹规划方法包括最优式规划方法和启发式规划方法。最优式规划方法包括人工势场法、动态规划、A*算法、基于计算几何和图论的方法等。启发式规划方法主要有遗传算法、神经网络、模糊逻辑和概率路标图法等。最优式规划方法可获得最优解，但算法时间随问题难度爆炸式增长；启发式规划方法计算速度较快，但不一定能保证解的最优性。

2.3.2 多机协调规划与控制

多无人机协调规划与控制必须对多无人机在实际环境中运行时所面临的感知、执行、通信以及环境动态变化等非理想情况，甚至可能遇到的失效等极端情况进行充分考虑与处理。需重点解决以下问题：多无人机任务分配与协调、多任务冲突检测与消解、多无人机协同航路规划、编队运动协调规划与控制、集群自组织等。

2.3.3 机载智能自主控制

实现机载智能自主控制将为无人机系统的实战使用奠定基础。智能自主控制是指无人机不依赖外界指令和设备支持，在不确定的环境中仅依靠自身的控制设备完成所规定的任务的关键能力。需重点解决以下问题：自主飞行控制、感知与回避、自主行为决策、故障预测与自修复控制、任务自适应控制等。

2.4 协同与交互

协同与交互技术主要解决多无人机，以及人机之间的协作行为，实现有人，无人平台协同作战、多无人平台协同作战，研究内容包括：

2.4.1 协同作战系统技术

协同作战系统主要实现无人机与有人机、任务控制站、指控系统的互联互通互操作，支持有人/无人系统协同执行各种任务。需重点解决以下问题：开放式实时协同体系结构、跨平台信息分发、多平台多源数据时空一致性、资源管理调度、多种协同支持机制等。

2.4.2 人机系统综合技术

人机系统综合技术促使人和计算机二者的智能进行有效融合，实现高效的人机协同，提高无人作战系统的可用性和整体作战效能。在高度自主的无人机系统中，人仍然需要提供高层目标。需重点解决以下问题：无人机平台间交互、无人机系统间交互、人机功能动态分配、战术态势/平台状态/任务协同综合显示、脑机接口等。