新一代智能座艙總體結構設計

吳文海， 張源原， 劉錦濤， 周思羽， 梅丹

1. 海軍航空工程學院 青島校區， 青島　266041

2. 海軍航空兵學院， 葫蘆島　125000

?

新一代智能座艙總體結構設計

吳文海1, *， 張源原1, 2， 劉錦濤1， 周思羽1， 梅丹1

1. 海軍航空工程學院 青島校區， 青島266041

2. 海軍航空兵學院， 葫蘆島125000

摘要:傳統座艙通過引入各種自動化功能，輔助飛行員完成任務，減小操控負擔。隨著戰場態勢變化的日趨繁雜，傳統座艙設計輔助飛行員的能力達到了瓶頸，亟需研究總體結構設計改進方法，提升輔助決策能力。深入分析了傳統座艙存在的問題，研究了適應新型戰機的座艙設計，并綜合運用態勢評估、故障診斷等技術，以任務為核心，對新一代智能座艙的結構及其輔助決策等級進行了設計，闡述了各系統內部結構及功能，探討了智能座艙與飛行員之間的關系轉變。最后，梳理了相關技術途徑，指明了下一步的研究重點。

關鍵詞:智能座艙； 輔助決策； 總體結構； 輔助飛行； 設計需求

座艙[1]是飛行員獲取外部態勢信息、操控飛機、執行作戰任務的工作環境。為了使飛行員能夠更有效地獲取外部態勢，更精準地操控飛機，座艙內布置了許多顯示器和操控裝置，并且引進了許多自動化技術。但是，采用傳統設計理念設計的座艙雖然能使飛行員在一定程度上能夠擺脫任務飛行中枯燥的、程序化的工作，但卻導致現代戰機內座艙信息越來越繁雜，飛行員判讀信息、適時決策和操控飛行的工作負荷越來越大；而且，傳統座艙的設計并沒有很好地改善飛行安全品質，只不過是改變了飛行員發生錯誤的方式[2]，隨著現代戰場信息的日趨繁雜，傳統座艙對飛行員的輔助能力已到達瓶頸。為此，有必要對傳統座艙設計中存在的問題進行深入分析，在現有技術條件基礎上，對座艙功能、結構進行重新設計，提升其對飛行員的輔助決策能力。

1傳統座艙設計及使用存在問題

1.1工作負荷潛在增加

傳統座艙的設計思想是通過引入各種自動化功能輔助飛行員完成任務裝訂，飛機狀態、外部環境狀態信息的獲取等任務，以減輕飛行員工作負荷。但是，在實際應用過程中，傳統座艙只是在飛行員工作量較少的情況下(例如：按航線飛行階段)起到作用，在態勢急劇變化的動態環境中所起的作用非常有限，甚至適得其反[3]。這是由于傳統座艙的設計雖然以自動化系統部分代替飛行員操控飛行，但是，飛行員必須監控系統狀態，如圖1所示。這要求飛行員在出現問題時，能夠根據現象找到系統出現問題的原因并恰當處置，而這也潛在地增加了飛行員的負荷。

所以，傳統座艙設計并沒有有效地減輕飛行員的負擔，特別是在復雜態勢下，傳統座艙只是轉移了飛行員的工作負荷，而這也導致了在復雜態勢下，飛行員更傾向于手動控制飛機，避免系統進入不當狀態。

圖1飛行員工作的變化——控制到監督
Fig. 1Pilot’s work changes from controller to supervisor

1.2理論知識要求提高

傳統座艙引入各種自動化功能之后，要求飛行員能夠熟練掌握各設備的交互方式，能夠了解系統的能力與使用限制，能夠理解系統的輸入/輸出關系，在此基礎上決定如何操控飛行。文獻[4]指出，由于飛行員不能完全掌握系統的工作原理，或多或少的導致使用問題，容易使飛行員陷入模式錯誤(Mode Error)當中。2013年韓亞空難的主要原因之一即是由于飛行員不完全清楚自動油門的工作原理，誤以為自動油門系統會維持安全降落所需的速度，致使飛機降落高度過低、速度過慢，最后撞入防波堤。而且，這一問題隨著作戰態勢的復雜程度加劇會變得更加突出。所以，在實際使用過程中，要求飛行員能夠合理地分配精力，從正確的設備上獲取正確的信息，然后正確地操控系統。但是，由于外部態勢的變化以及飛行員心理承受能力等因素的影響，飛行員很可能會失去對態勢及系統的控制能力，進而導致災難的發生。

1.3輔助決策能力較弱

隨著態勢評估、目標推理、故障診斷等技術的應用，傳統座艙能夠利用各種燈光、聲音、顯示器以不同方式提供各種飛行信息。但是，飛行員在執行任務過程中需要處理各種問題，如圖2所示[1]。在惡劣態勢下并不能將注意力完全集中于這些信息，況且飛行員需要時間理解信息，然后才能作出決策。特別是當自動化系統正在代替飛行員執行任務過程中出現告警信息時，飛行員需要時間重新掌握態勢，使得反應時間變短。此時，飛行員亟需獲得與當前任務直接相關的決策信息。所以，傳統座艙反饋給飛行員的信息質量不足以很有效地輔助飛行員快速決策。

圖2飛行員需要處理的問題[1]
Fig. 2Problem needed to be tackled by pilot[1]

1.4依賴與信任的矛盾[5]

人-人交互與人-機交互的不同點在于，人可以思考，并對其行為負責，所以可以被賦予“責任”，但是機器只能按照預設程序工作。這要求飛行員在使用傳統座艙的各種功能時，不能盲目依賴。韓亞空難的另一原因是飛行員盲目依賴自動駕駛系統，當飛行員發現降落出現問題時，沒有及時放棄降落，而最終錯失成功復飛時機。但是，如果對自動化系統缺乏足夠的信任，勢必會導致飛行員將注意力更多地分配到監控系統的狀態上，潛在地增加了飛行員的工作負荷。所以，傳統座艙的設計不能有效地解決依賴與信任之間的矛盾。

2新一代座艙設計需求分析

為了解決上述問題，綜合考慮座艙未來的應用環境，其在設計上應滿足以下幾方面的要求。

2.1智能性與交互性

座艙應具有類似于人的思考能力，能夠根據當前任務執行狀態，結合外部態勢信息進行推理，找到影響目標完成的因素，規劃應對方案，解決沖突；能夠根據態勢調整輔助決策等級，高效地完成飛行輔助決策功能。同時，應具備部分自學習能力。

交互性體現在以下兩個方面：

1) 與外界環境的交互

能夠感知外部環境，包括天氣、地形等因素，能夠感知飛機狀態，并根據外部環境、飛機狀態及任務要求恰當決策。

2) 與飛行員的交互

能夠以多種方式提供與任務直接相關的輔助決策信息。為了使飛行員能夠充分信任座艙給出的建議，要求座艙人機交互功能要完善，飛行員可以隨時查看座艙作出決策的依據，可以選擇執行或者不執行，可以選擇智能程度；同時，座艙也可以監控飛行員的行為，并可以根據態勢適時給出建議，向飛行員匯報當前系統的工作狀態及目的。

座艙的智能性是指能夠像飛行員一樣根據任務要求自動執行各項工作，避免過多模式的設置，有效減輕飛行員的工作負擔，避免模式錯誤的發生。同時，更強大的交互能力使座艙能夠提供給飛行員與任務直接相關的輔助決策信息，提高輔助決策能力，縮短飛行員思考的時間，并在一定程度上緩解了依賴與信任的矛盾。

2.2可維護性

座艙在應用過程中會碰到以下幾種情況：

1) 機型的多樣化

各機型的性能不同，決策約束不同。

2) 任務的多樣化

各種任務都有不同的規定，而這充分體現在決策的制定上，例如，在執行攻擊任務時，要求優先保證戰機安全，但在航母編隊防空中，要優先保證航母安全。

3) 武器裝備的發展

隨著武器裝備的發展，如何使用新型裝備，使用限制等約束也使得決策規則需要更改。

4) 戰術的變更

戰術是由人制定的，隨著專家對戰場規律研究的深入，戰術也是在不斷變化的。

5) 不同的飛行員

每個飛行員都有自己的操作習慣，智能座艙不僅要能監控飛行員的行為，還應能夠適應不同飛行員的操控習慣，在此基礎上提供輔助決策功能。

總之，基于以上這些原因，座艙應具有良好的可維護性，例如具有刪除/更改/擴展決策功能。

2.3可集成性

傳統座艙引入了多種自動化系統，完成不同的功能，新一代座艙的設計應能夠充分利用這些功能，信息能夠在不同功能模塊間進行交互。而且，隨著設備的不斷更新，應融合更多的功能模塊。

3智能座艙總體結構設計及其功能

智能座艙除了可以提供傳統的功能，例如給出航行諸元、任務信息之外，它還應該具有決策支持功能，決策過程中設計的知識類型復雜多變，而且實時處理要求很高，必須在規定的時間內做出相應的處理結果。否則，處理的結果將毫無意義。智能座艙不僅要具有定性的知識推理能力，而且具有定量的計算功能，并能將兩種功能有機地結合起來。顯然，這比一般專家系統的功能強。另外，專家系統的知識結構通常比較單一，限定于用規則或因果關系等形式表示某方面的專業知識。而智能座艙的知識則更為廣泛，例如增加了與領域知識庫相應的“特定決策知識”，與模型庫和方法庫相應的模型和方法知識，以及來自數據庫的數據模式中所需的知識。因此，智能座艙的知識攝取和表達更為困難和繁瑣。再者，智能座艙的推理機制不僅具有對不同結構特點的知識的推理，而且要與定量計算結果綜合起來以加強輔助決策的有效性，這就使得它的推理比一般專家系統的推理更加復雜。以上這些特點也都要求智能座艙需要著力于總體結構優化、融合多種功能，從而實現整體能力的提升。

3.1智能座艙的總體結構設計

飛行員、載機、外部環境是影響任務執行的三個要素。飛行員通過各種傳感器獲取外部環境及載機狀態信息，圍繞任務這一核心展開行動。當前學者針對上述3個要素、一個核心進行的關鍵技術研究主要集中在以下幾個方面：

1) 針對外部環境設計的態勢評估技術、威脅評估技術、信息融合技術。

2) 針對載機設計的故障診斷技術、自動控制技術。

3) 針對飛行員設計的行為監控技術、行為評估技術、人機交互技術。

4) 針對任務目標設計的航路規劃技術、任務建模技術、輔助決策技術。

為了能夠以任務為核心，有效融合上述技術，本文將座艙總體結構按照圖3所示設計為三層。第一層是對飛行員、飛機、環境狀態的感知層；第二層是將感知到的信息，結合任務信息進行分析的解釋層；第三層是綜合考量任務、目標及態勢信息的任務規劃層。

圖3智能座艙結構及數據流圖
Fig. 3Structure and dataflow of intelligent cockpit

3.2各系統結構及其功能

座艙主要由外部環境監控系統、載機狀態監控系統、飛行員狀態監控系統、態勢診斷系統、人機接口系統、任務規劃系統組成。下面詳細介紹各系統內部結構及其功能。

1) 載機狀態監控系統(Airplane Status Monitoring System, ASMS)

用于監控飛機的狀態，包括飛行高度、速度、飛行姿態以及飛機故障與否、故障程度等信息。

2) 外部環境監控系統(Environment Monitoring System, EMS)

用于獲取外界環境信息，包括影響任務執行的天氣、地形、敵我態勢等因素。例如，當飛機做超低空飛行時，需要對可能存在的危險地形進行探測和評估。

3) 飛行員狀態監控系統(Pilot Status Monitoring System, PSMS)

通過傳感器獲取飛行員的行為數據及狀態信息(例如，綜合負載、視覺負載、聽覺負載、體感負載、機動負載、執行力負載、時間壓力、精神壓力、警覺程度等)，判斷飛行員工作負荷是否超量；參考外部環境、載機狀態以及當前任務數據，判斷飛行員意圖。飛行員狀態監控系統結構如圖4所示。

4) 態勢診斷系統(Situation Diagnosis System, SDS)

圖4飛行員狀態監控系統結構
Fig. 4Architecture of pilot status monitoring system

通過接收環境數據、載機狀態數據、飛行員狀態數據，按照任務數據要求，綜合考慮飛行安全、戰斗生存、任務完成3個要素，找到與當前任務要求存在的偏差，對這些偏差數據重點監控，并將偏差數據傳送至人機接口系統顯示以及任務規劃系統，用于對當前任務重新規劃。同時，在當前飛行員意圖下，進行戰場推演，將推演結果發送至人機接口系統，供飛行員參考。態勢診斷系統結構如圖5所示。

圖5態勢診斷系統結構
Fig. 5Architecture of situation diagnosis system

5) 人機接口系統(Human Machine Interface System, HMIS)

在傳統設計基礎上，引入人工智能方法，重點提升了座艙的輔助決策能力，以降低飛行員工作負荷。人機接口系統(見圖6)應具有以下基本功能：

① 顯示管理

由于過多的數據顯示，會降低飛行員對當前執行任務所需的關鍵信息的把握，而過少數據，又不足以輔助飛行員把握當前態勢。人機接口分系統應根據當前任務和態勢，配置顯示畫面及信息。

同時，不同飛行員存在操作習慣差異，在實際飛行時，不可能完全按照任務數據進行飛行，對較小偏差持續提示也容易影響飛行員的注意力分配，所以人機接口系統應能夠綜合任務偏差數據以及飛行員歷史操作數據，智能地將相關信息提供給飛行員。

② 自適應輔助決策

人機接口系統另一重要功能是根據飛行員的狀態及任務信息，自動調整座艙的輔助等級，從而有效地減小操作次數。

圖6人機接口系統結構
Fig. 6Architecture of human-machine interface system

6) 任務規劃系統(Mission Planning System, MPS)

任務規劃系統(見圖7)由規劃控制器、戰術數據庫和任務規劃數據庫等組成，能夠完成路徑規劃、有效載荷規劃、方案評估及選擇等功能。其中，戰術數據庫包含了防御計劃、應對導彈計劃、應對敵機計劃、應對地對空導彈陣地計劃以及逃逸、規避、攻擊、探測等具體的行動選擇。任務數據庫包含了本次執行任務的所有數據及要求。同時，任務規劃系統能夠向飛行員提供任務執行的更大靈活性，它包括威脅回避、燃油管理等功能，能根據飛機的限制條件和狀態，優化燃油量和減少被敵方火力擊中的危險。在給定新的約束條件下，重新確定飛行航線，向飛行員提供可選用的替換任務計劃。它能夠監控任務的執行情況，并將之與裝訂的任務模型以及態勢診斷結果作比較，評價新數據的影響，幫助飛行員理解創建的任務方案，將任務方案按優先級排隊。

圖7任務規劃系統結構
Fig. 7Architecture of mission planning system

4智能座艙的輔助等級設計

如同過多的信息可能導致飛行員負荷過大一樣，過度地提供輔助決策能力同樣會使飛行員感到厭煩，所以，需要對智能座艙輔助決策等級進行設計。

國外已有學者對人與智能體之間的交互程度進行了劃分[6-7]，其中概括較為全面的是文獻[6]對人與自動化系統交互程度10級劃分重新進行修訂，如表1所示。但是由于飛行員執行任務過程中面臨的壓力巨大，10級劃分明顯較為繁瑣，容易分散飛行員注意力。按照“人在回路”的要求，對智能座艙輔助決策等級劃分為如下4級：

1) 受控狀態

飛行員直接分配任務給智能座艙，此時系統機械地執行分配任務，狀態與傳統自動化系統相似，飛行員可以隨時查看系統執行任務的狀態。

表1人與自動化系統交互程度

Table 1Interaction degree between human and automation

system

2) 待命狀態

飛行員在需要幫助時，選擇該模式，智能座艙根據當前任務要求以及外部態勢給出建議。

3) 顧問狀態

智能座艙根據當前態勢，直接給出建議，飛行員可以選擇執行或取消行動。

4) 接管狀態

智能座艙自動推理任務及目標，制定決策并執行，同時給飛行員匯報相應情況。為了保證“人在回路”的要求，飛行員可以隨時打斷任務進程，重新獲取控制權。該模式下，智能座艙的智能性充分得到體現。

下面以如圖8所示戰術轟炸任務為例講解輔助等級4級劃分的應用。

戰術轟炸任務的執行過程如下：①起飛爬升;②按航線飛行;③戰術飛行,警戒走廊下降高度、低空飛行、投彈、低空飛行、警戒走廊爬升；④按航線飛行；⑤進近。

按航線飛行階段飛行員的主要工作是監控飛機的狀態(各儀表的參數)、利用各種導航設備進行綜合導航、經過轉彎點時注意飛行動作的協調、同時根據天氣情況作出相應決策。該階段外部態勢變化較小，飛行員可以將智能座艙設置為受控狀態；當飛機出現故障或者發現出現敵截擊機等態勢變化情況，飛行員可以選擇待命狀態，智能座艙根據態勢信息結合任務要求給出建議。

起飛爬升以及進近階段，飛行員不僅需要監控飛機狀態，注意飛行高度、速度、航向、風速、風向、上升/下降率等信息，而且還需要收聽塔臺指揮、觀察無線電指示、對外部環境進行觀察；在下降過程中，如果出現飛機速度過大、無法看清跑道等情況，還需要準備復飛。所以，該階段飛行員的負荷顯著提升，如果此時輔助等級設置為顧問狀態，飛機在進入起飛爬升或者進近階段之后將自動根據當前態勢，直接給出建議。

戰術飛行階段，飛行員的主要精力將轉移到監控外部態勢變化的工作上。此階段需要進行低空，甚至超低空飛行，地表環境、氣象條件變化劇烈，飛行員精力消耗大，容易產生疲勞，一旦飛機出現機械故障等其他問題，飛行員難以及時處置，如果此時智能座艙的輔助等級設置為接管狀態，智能座艙將代替飛行員作出相應決策并執行，并匯報給飛行員。

圖8戰術轟炸任務過程
Fig. 8Mission process of tactical bomb mission

5智能座艙與飛行員的關系

傳統座艙與飛行員的關系如圖9所示，飛行員對各個功能模塊進行操作，使各個模塊按照設計的功能運行。

當智能座艙具有任務規劃能力之后，座艙則具有類似于人的思考的能力，而且，同樣具有分配任務的權力，此時智能座艙相當于一個電子飛行輔助人員，如圖10所示。

這時，飛行員可以按需設定智能座艙的輔助決策等級，與智能座艙進行交互，可以查詢智能座艙作出決策的依據，從而使飛行員能夠判斷出智能座艙給出建議的正確性，由于這種充分的交互性，智能座艙與飛行員之間的關系也隨之發生變化。傳統自動化系統的設計思想是替代飛行員的工作，它與飛行員之間的關系是監督式的關系，而當引入“智能”之后，由于其具有類似于人的推理能力，能對外界環境作出反應，在必要的時候輔助飛行員完成任務，從而將自身的角色轉變為“飛行輔助人員”，實現人機關系的質的飛躍，如圖11所示。

圖9傳統座艙與飛行員的關系
Fig. 9Relationship between traditional cockpit and pilot

圖10智能座艙與飛行員的關系
Fig. 10Relationship between intelligent cockpit and pilot

圖11監督到協作的關系轉變
Fig. 11Relationship from supervision to collaboration

6中國當前研究的不足與建議

首先，中國在航路規劃[8-9]、態勢評估[10-12]、故障診斷[13-15]等方面研究成果豐富，在充分考慮到實時性情況下，可以直接運用到智能座艙各系統的設計當中。但是，國內很少有學者將這些技術作為一個整體進行研究，而且，戰術決策的制定過程不是一種算法或者模型就能解決的，不同任務的側重點也不同，當前國內極少有學者對飛行任務的執行過程進行建模，從而無法實現任務狀態的監控功能，也就不能實現頂層任務的規劃，從而導致態勢診斷、威脅評估、故障診斷等方面的研究不能在工程實現中綜合運用。所以，今后的工作將重點放在飛行任務的建模上，當前流行的任務建模方法有5種，需要結合飛行任務的特點甄別選用：①活動網絡[16]；②狀態圖和活動圖[17]；③事件驅動的過程鏈模型[18]；④數據流程圖[19]；⑤Petri網[20]。

其次，美英等國開展智能座艙研究的時代較早，所以使用的相關技術較為落后，較為明顯的不足是智能座艙不具備學習的能力。隨著人工智能技術的發展，文獻[21]在總結了相關研究不足的情況下，為了彌補智能設計只能應用于設計好的領域的限制，于20世紀90年代開展了認知結構的研究[22]。旨在開發一種通用的架構[23]，通過合理的設計，使開發的系統具有與人相同的認知能力，實現人級智能體(Human-level agents)[24]。在隨后20多年的研究中，先后涌現出諸如SOAR[24]、ACT-R[25]、EPIC[26]、Clarion[27]、SAL[28]、Icarus[29]等認知結構。在這些眾多認知結構中，SOAR的應用最為廣泛。美國DARPA和大西洋司令部聯合資助的戰爭綜合演練場STOW(Synthetic Threat of War)項目當中即使用了基于SOAR-Agent的智能兵力(Soar-intelligent forces)模擬固定翼及旋翼飛行兵力完成偵察、戰斗等任務，并能與真實飛行員操控的仿真兵力進行模擬較量。文獻[30]使用SOAR模擬固定翼戰斗機完成包括起飛、著陸、搜索、救援、截擊、對地攻擊等任務，并于仿真環境中驗證了其有效性。文獻[31]將其應用于機器人的控制系統，由于SOAR開發出的Agent能夠充分與外界環境進行交互，從而能夠實現在未知環境下控制機器人的目的，該文獻設計的機器人實現了室內搜索、室外導航功能。文獻[32]將SOAR與傳統控制技術結合應用于無人機的任務管理系統，使無人機能夠根據動態變化的外部環境和自身的狀態調整任務，最后在仿真環境中驗證了該方法的可行性。從上述文獻的研究成果可以看出，認知結構技術的成熟程度較高，可用性較強，能夠移植到智能座艙的設計當中。

最后，應強化飛行員行為及其特點的研究。不同飛行員有不同的操控特點。例如，在按航線飛行階段出現航跡偏離時，過轉彎點共有如圖12所示的3種方式：①修正航跡到原航線，再向轉彎點飛行；②直接向轉彎點飛行；③退出原航線加入下一條航線。

不同的飛行員在面對相同環境時可能會選擇不同的飛行方式，所以，智能座艙應該能夠在綜合考慮飛行手冊、飛行任務的標準數據、飛行員行為特點、推理出的飛行員意圖基礎上給出輔助決策信息。

圖12飛行員的備選方案
Fig. 12Alternative plans of pilot

7結論

1) 討論了傳統座艙設計及其在使用過程中存在的問題，并分析了智能座艙的設計需求。

2) 設計了智能座艙的總體結構及其輔助決策等級。

3) 探討了智能座艙與飛行員之間關系的轉變。

4) 分析了當前研究的不足之處，指明了今后研究的重點。

參考文獻

[1]蘇建民. 飛機座艙設計人機交互技術研究[D]. 西安: 西北工業大學, 2002: 1-2.

SU J M. Research of cockpit and man-machine interactive interface[D]. Xi’an: Northwestern Polytechnical University, 2002: 1-2 (in Chinese).

[2]YANNONE R M. The role of expert systems in the advanced tactical fighter of the 1990’s[C]//Proceedings of the 1985 National Aerospace and Electronics Conference, 1985: 12-16.

[3]WIENER E L. Human factors of advanced technology(“Glass Cockpit”) transport aircraft: NASA Contractor Report 177[R]. Washington, D.C.: NASA, 1989.

[4]SARTER N B, WOODS D D. Pilot interaction with cockpit automation II: An experimental study of plots’ model and awareness of the flight management and guidance system[J]. International Journal of Aviation Psychology, 1994, 4(1): 1-28.

[5]SARTER N B, WOODS D D, BILLINGS C E. Automation surprises[J]. Handbook of Human Factors and Ergonomics 2, 1997, 2(1): 1926-1943.

[6]PARASURAMAN R, SHERIDAN T B, WICKENS C D. A model for type sand levels of human interaction with automation[J]. IEEE Transactions on Systems, Man and Cybernetics, 2000, 30(3): 286-297.

[7]TAYLOR R M. Cognitive cockpit systems engineering: pilot authorization and control of tasks[C]//The 8th Conference on Cognitive Science Approaches to Process Control, 2001: 1-10.

[8]符小衛, 李金亮, 高曉光. 威脅聯網下無人作戰飛機突防作戰航跡規劃[J]. 航空學報, 2014, 35(4): 1042-1052.

FU X W, LI J L, GAO X G. Defense penetration path planning for UCAV based on threat netting[J]. Acta Aeronautica et Astronautica Sinica, 2014, 35(4): 1042-1052 (in Chinese).

[9]馬冠軍, 段海濱, 劉森琪, 等. 基于MAX-MIN自適應蟻群優化的無人作戰飛機航路規劃[J]. 航空學報, 2008, 29(增刊): S243-S248.

MA G J, DUAN H B, LIU S Q, et al. UCAV path planning based on MAX-MIN self-adaptive ant colony optimization[J]. Acta Aeronautica et Astronautica Sinica, 2008, 29(Sup.): S243-S248 (in Chinese).

[10]段海濱, 丁全心, ?？〗? 等. 基于并行蟻群優化的多UCAV任務分配仿真平臺[J]. 航空學報, 2008, 29(增刊): S192-S197.

DUAN H B, DING Q X, CHANG J J. Multi-UCAVs task assignment simulation platform based on parallel ant colony optimization[J]. Acta Aeronautica et Astronautica Sinica, 2008, 29 (Sup.): S192-S197(in Chinese).

[11]王玉惠, 韓占朋, 陳哨東, 等. 防空態勢評估系統分析及新型評估模型研究[J]. 南京航空航天大學學報, 2014, 46(4): 558-566.

WANG Y H, HAN Z P, CHEN S D, et al. Analysis and modeling of threat evaluation system in air defense operations[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2014, 46(4): 558-566 (in Chinese).

[12]馬延豪, 張耀中, 張瑩. 基于影響網絡的態勢估計[J]. 火力與指揮控制, 2014, 39(6): 90-93.

MA Y H, ZHANG Y Z, ZHANG Y. Situation assessment based on influence net[J]. Fire Control & Command Control, 2014, 39(6): 90-93 (in Chinese).

[13]肖冰, 胡慶雷, 霍星, 等. 執行器故障的撓性航天器姿態滑模容錯控制[J]. 航空學報, 2011, 32(10): 1869-1878.

XIAO B, HU Q L, HUO X, et al. Sliding mode fault tolerant attitude control for flexible spacecraft under actuator fault[J]. Acta Aeronautica et Astronautica Sinica, 2011, 32(10): 1869-1878 (in Chinese).

[14]李業波, 李秋紅, 黃向華, 等. 航空發動機氣路部件故障融合診斷方法研究[J]. 航空學報, 2014, 35(6): 1612-1622.

LI Y B, LI Q H, HUANG X H, et al. Research on gas fault fusion diagnosis of aero-engine component[J]. Acta Aeronautica et Astronautica Sinica, 2014, 35(6): 1612-1622 (in Chinese).

[15]熊智, 邵慧, 華冰, 等. 改進故障隔離的容錯聯邦濾波[J]. 航空學報, 2015, 36(3): 929-938.

XIONG Z, SHAO H, HUA B, et al. An improved fault tolerant federated filter with fault isolation[J]. Acta Aeronautica et Astronautica Sinica, 2015, 36(3): 929-938 (in Chinese).

[16]SANDERS W H, MEYER J F. Reduced base model construction methods for stochastic activity networks[J]. Selected Areas in Communications, 1991, 9(1): 25-36.

[17]BOOCH G, DOUGLASS B, CERNOSEK G. Unified modeling language for real-time systems design[M]. 1996: 1-10.

[18]AALST W M P. Formalization and verification of event-driven process chains[J]. Information and Software Technology, 1999, 41(10): 639-650.

[19]STEVENS W, MYERS. G, CONSTANTINE L. Structured dsign[J]. IBM Systems Journal, 1974, 13(2): 115-139.

[20]PETERSON J L. Petri nets theory and the modeling of sytems[M]. 1981: 1-21.

[21]KELLEY T D, LONG L N. Deep blue cannot play checkers: the need for generalized intelligence for mobile robots[J]. Journal of Robotics, 2010, 2010: 1-8.

[22]NEWELL A. Soar: a cognitive architecture in perspective[M]. 1990: 1-15.

[23]ERNST G, NEWELL A. GPS: a case study in generality and problem solving[M]. 1969: 1-21.

[24]LANGLEY P, LAIRD J E, ROGERS S. Cognitive architectures: Research issues and challenges[J]. Cognitive Systems Research, 2009, 10(2): 141-160.

[25]ANDERSON J R, LEBIERE C. The atomic components of thought[M]. 1998: 1-25.

[26]MEYER D E, KIERAS D E. A computational theory of executive cognitive processes and multiple-task performance: part 1. Basic mechanisms[J]. Psychological Review, 1997: 104(1): 3-65.

[27]SUN R. The CLARION cognitive architecture: extending cognitive modeling to social simulation[M]. 2006: 1-22.

[28]JILK D J, LEBIERE C, O’REILLY R C, et al. SAL: an explicitly pluralistic cognitive architecture[J]. Journal of Experimental & Theoretical Artificial Intelligence, 2008, 20(3): 197-218.

[29]LANGLEY P, MCKUSICK K, ALLEN J. A design for the Icarus architecture[J]. SIGART Bulletin, 1991: 2, 104-109.

[30]JONES R M, LAIRD J E, NIELSEN P E, et al. Automated intelligent pilots for combat flight simulation[J]. AI Magazine, 1999, 20(1): 27.

[31]HANFORD S D, JANRATHITIKARN O, LONG L N. Control of mobile robots using the soar cognitive architecture[J]. Journal of Aerospace Computing, Information, and Communication, 2009, 6(2): 69-91.

[32]GINETTI P, DODD T, THOMPSON H. Simulation of a soar-based autonomous mission management system for unmanned aircraft[J]. Journal of Aerospace Information Systems, 2013, 10(2): 53-70.

吳文海男， 博士， 教授， 博士生導師。主要研究方向： 精確制導與飛行控制。

Tel.： 0532-51833632

E-mail: 109889354@qq.com

Received： 2015-05-11; Revised: 2015-06-24; Accepted: 2015-08-11; Published online: 2015-09-3011：50

URL： www.cnki.net/kcms/detail/11.1929.V.20150930.1150.018.html

Overall architecture design of new generation intelligent cockpit

WU Wenhai1, *, ZHANG Yuanyuan1, 2, LIU Jintao1, ZHOU Siyu1, MEI Dan1

1. Qingdao Branch, Naval Aeronautical Engineering Institute, Qingdao266041, China 2. Navy Flight Academy, Huludao125000, China

Abstract:Traditional cockpit assists pilot to complete missions and reduce their burden by introducing a variety of automated functions. With the increasingly severe changes of battlefield situation, the ability of traditional cockpit to assist pilot reaches the bottleneck and gives rise to the research of new design of overall architecture to improve assisting decision ability. The problem of traditional cockpit is analyzed, the cockpit adapted to the new fighter is discussed and its overall architecture and decision support grades are designed centered on the mission by integrating many technologies under research such as situation assessment and fault diagnosis. The internal structure and functions of each system are designed and the changing relationship between pilot and cockpit is discussed. Finally, the current shortage of research is pointed out to show the key work of future study.

Key words:intelligent cockpit; decision support; overall architecture; navigation aiding; design requirement

*Corresponding author. Tel.： 0532-51833632 E-mail:109889354@qq.com

作者簡介：

中圖分類號：V223.1

文獻標識碼：A

文章編號：1000-6893(2016)01-0290-10

DOI：10.7527/S1000-6893.2015.0231

*通訊作者.Tel.： 0532-51833632E-mail: 109889354@qq.com

收稿日期：2015-05-11; 退修日期: 2015-06-24; 錄用日期: 2015-08-11; 網絡出版時間: 2015-09-3011：50

網絡出版地址： www.cnki.net/kcms/detail/11.1929.V.20150930.1150.018.html

引用格式： 吳文海， 張源原， 劉錦濤， 等. 新一代智能座艙總體結構設計[J]. 航空學報, 2016, 37(1): 290-299. WU W H, ZHANG Y Y, LIU J T, et al. Overall architecture design of new generation intelligent cockpit[J]. Acta Aeronautica et Astronautica Sinica, 2016, 37(1): 290-299.

http://hkxb.buaa.edu.cnhkxb@buaa.edu.cn