基于輔助決策的無人機指揮控制系統分析與應用

中國直升機設計研究所

基于輔助決策的無人機指揮控制系統是實現無人機智能化的一個重要發展方向，本文詳細闡述指揮控制領域的輔助決策基本理論，并根據無人機的不同功能和應用場景，分析輔助決策在無人機指揮控制系統中的應用方法和思路，可為無人機智能化指揮控制系統設計提供參考。

無人機指揮控制系統作為無人機系統的重要組成部分，主要作用是實現無人機的飛行控制和管理，更好地監視無人機平臺的飛行狀況，并對無人機進行遙控操作。隨著人工智能技術不斷發展，無人機指揮控制系統的研究偏向于利用無人機機載傳感器獲取各類信息，從而實現智能輔助決策，更好地控制無人機在各種復雜環境下完成精細化任務。

人工智能技術發展迅速，為無人機自主飛行提供了全新思路，美國率先提出自主作戰的概念，明確將自主性作為評價無人機能力的重要指標。但是人工智能技術需要大數據、超級計算能力等技術提供支撐，同時受現有技術支撐及應用場景等條件限制，片面依靠人工智能技術實現無人機自主控制顯然不現實。針對無人機指揮控制系統的特性，應重視智能化系統輔助人類行動，提高人類決策效率，降低人為失誤。因此，基于輔助決策的無人機指揮控制系統成為智能無人機領域的一個重要研究課題。

輔助決策基本理論

決策是指嚴格遵循一定的決策程序和正確的決策原則，依靠專家和智囊組織，運用科學決策方法，采用先進信息處理技術和手段，進行綜合、全方位決策。決策任務在現代戰爭和非戰行動中呈現出多樣性、復雜性、協同性等特征，對輔助決策系統的敏捷性、智能性、適應性等能力提出了更高要求，先進系統工程、信息系統、運籌優化等技術正在為輔助決策系統提供更新的理論支撐和技術支持。目前支撐輔助決策的理論基礎主要有三種，即基于模型、基于知識和基于數據的理論。

基于模型的理論

模型反映了實際問題最本質的特征和量的規律。通過人為設定參數，建立目標函數和約束條件，分析模型中參數精確程度對最優解的影響，有效指導決策者作出最終決策。在指揮控制領域，目前研究最多的模型是神經網絡和遺傳算法模型。神經網絡數學模型如圖2所示，其中Ij為輸入，Wj為神經元連接權，F(x)為作用函數，Oi為輸出，神經網絡學習是通過一定的學習算法或規則對權值進行調整，不同的學習規則也讓神經網絡產生了不同的分支，如BP神經網絡、RBF神經網絡等。而遺傳算法是基于對生物遺傳和進化過程的計算機模擬，通過模擬生物在自然環境下的遺傳和進化過程而形成一種自適應全局優化概率搜索算法，簡單來說，即在遺傳和進化過程中進行選擇、交叉、變異機理的模仿，完成問題最優解的自適應搜索過程，遺傳算法基本模型如圖3所示。

基于知識的理論

基于知識的輔助決策主要采用專家系統來實現，專家系統是指一個具有大量知識和經驗，并能利用其推理的計算機系統。它將人類專家的專業理論知識和解決問題的特殊經驗以計算機語言的形式存儲于計算機，利用這些知識來模擬人類專家的推理和處理各種復雜問題。一般來說，專家系統沒有統一的結構，但需要兩個核心模塊即知識庫和推理機。知識庫負責存儲總結的專業知識和歷史經驗，而推理機根據當前知識庫中的知識，按不同的推理方法推理得到某些結論，從而達到輔助決策的目的。

基于數據的理論

圖1 人工智能技術需要大數據、超級計算能力等技術提供支撐。

圖2 神經網絡基本模型。

圖3 遺傳算法基本模型。

圖4 專家系統將人類專家的專業理論知識和解決問題的特殊經驗以計算機語言的形式存儲于計算機。

大數據技術的意義不在于掌握龐大的數據信息，而是對這些數據信息進行專業化處理，并以合適的形式展現出來，達到支撐輔助決策的目的。基于數據的分析決策過程主要由四個步驟構成，依次為數據采集與預處理、數據存儲、數據分析處理和數據展現。最后通過適當的方式輔助操作人員做出決策。

圖5 無人機指揮控制系統典型組成。

輔助決策在無人機指揮控制系統的應用思考

廣義指揮控制系統既包含指揮控制的主體，又包含指揮控制的客體。無人機指揮控制系統通常稱為地面控制站，既是無人機狀態信息顯示的終端，也是指揮控制和管理的終端，其典型組成如圖5所示。整個過程可以用“原始數據—信息—處理—評估—決策—執行”來描述。輔助決策是無人機指揮控制系統的重要一環，隨著人工智能技術的迅速發展，輔助決策系統被賦予更多的功能和內涵。

國外從20世紀70年代已提出輔助決策支持系統，希望借助計算機，基于模型庫、數據庫、知識庫和方法庫等系統，為決策人員提供幫助。基于該模式，美軍研制了聯合作戰計劃和執行系統(JOPES)、戰區級作戰方案評估系統(CEM)、計算機輔助任務規劃系統(CAMPS)、聯合任務規劃系統(JMPS)、參謀計劃與決策支持系統(SPADS)等一系列指揮控制輔助決策系統。21世紀以來，美國先后啟動可視化數據分析、深度學習、高級機器學習概率編程等大量基礎技術研究項目，探索從文本、圖像、聲音、視頻和傳感器等不同類型多源數據自主獲取信息、處理信息、提取關鍵特征和挖掘關聯信息的相關技術。相比國外，國內無人機指揮控制領域的輔助決策系統發展較為緩慢，目前人工智能技術已在語音識別、圖像識別和自然語言處理等領域取得突破，國內智能化控制研究掀起了新一輪高潮，但是輔助決策系統在無人機指揮控制系統的具體應用尚待深入研究。

前文已簡要闡述指揮控制領域常用的輔助決策理論方法。但是，無人機指揮控制系統不僅需要完成無人機平臺、任務載荷等系統的指揮和控制，還需要根據環境信息、無人機性能、任務載荷性能等條件約束，對任務進行合理分配及航線規劃，使無人機在最短時間內完成任務或付出最低代價。因此，單純依靠某一種方法無法完成指揮控制系統的輔助決策，綜合多種方式才能達到有效輔助決策的目的。以下根據無人機不同功能和應用場景，對輔助決策應用展開分析。

飛行控制輔助決策

無人機是一個綜合系統，包括動力、通信、導航、飛行控制管理、任務載荷、電氣等系統，這些分系統眾多重要飛行參數需要在指揮控制系統的界面得以體現，而無人機操控員需要根據這些參數的變化發出相應指令，這對操控人員的專注度和反應敏捷度提出了很高要求。如何減輕操控人員的工作負擔，基于專家的系統和基于數據的原理可以提供解決方案，輔助決策系統將成為無人機指揮控制系統發展的重要方向。

對于無人機平臺而言，專家系統中的知識應包括理論上準確的飛行狀態參數數據信息，比如無人機系統中燃油溫度的值域范圍、發動機轉速的值域范圍等參數，還包括無人機試飛人員的經驗數據，因為有些飛行參數的數值雖然在值域范圍內，但卻出現了問題或故障征兆，經驗豐富的操控人員通常能捕捉到這類敏感信息。簡要流程如圖6所示，實時飛行遙測數據進入專家系統后，與專家系統中的飛行參數理論庫和模糊經驗庫同時進行規則匹配，依賴神經網絡或遺傳算法等優化算法得到自適應權重后，做出相應結論，最后以適當方式在界面中顯示，輔助操控人員做出決策。

圖6 專家系統簡要執行流程。

無人機產品在長期研制和試驗過程中積累了大量數據，包括航空電子、飛行、任務載荷等數據。無人機數據具有重要應用價值，通過分析可實現輔助操控、故障預測等支持。但是目前無人機指揮控制系統對數據的處理分析尚存不足，對數據缺乏了解和缺少應用需求，導致大量數據只能是單純的存儲，并未挖掘其潛在價值。

無人機飛行數據的應用可以從兩方面展開。一是對已有飛行數據進行分類分析，建立不同飛行階段的控制特征模型，如起飛、航線飛行、降落等各飛行階段，確立特征模型與飛行參數的關系，挖掘分析不同飛行階段指令操控的關聯性，并以合適的方式對操控員進行提示，為操控員提供輔助決策，從而減少其操控負擔；二是分析整理歷史數據中各子系統的故障，重點分析故障發生前系統參數隨時間的變化趨勢，找到故障發生前的一些規律，通過這些規律輔助操控人員進行故障預測，為操控人員多贏得一些處置時間。

任務規劃輔助決策

無人機任務規劃是無人機系統的一項核心關鍵技術，它不僅包括基本的航線規劃，還需完成對任務區域內威脅的分析和評估，確定無人機武器配置、起飛架次、飛行路徑等。無人機任務規劃是多約束條件下的策略求解問題，需要考慮任務需求、環境信息、平臺性能等多種影響因素。

以航線規劃為例，基于輔助決策的無人機航線規劃系統的目標是，采用合適的算法和方法，充分考慮飛行環境中既定及可能出現的約束條件，在飛行約束條件下，合理構建航線目標函數和飛行效能評估函數。這里的約束條件既包括無人機平臺約束條件，如最大距離、最大拐彎角、飛行高度等約束條件，還應包括地理地形等外部環境的約束條件。在這些函數變量的約束下，然后根據不同的飛行任務，確定初始航線，經過神經網絡或遺傳算法不斷優化航線，使目標函數中的安全系數達到最高。對于復雜態勢下的多無人機任務規劃，則需要在優化算法中加入任務系統調度、環境態勢評估模塊等，綜合各類約束條件得到無人機任務規劃問題的最優解。

智能無人機是未來發展的必然趨勢，而基于輔助決策的無人機指揮控制系統能夠有效提高其決策效率，減少人為失誤，是實現無人機智能化的重要基礎。本文詳細介紹了輔助決策的基本理論，并結合當前無人機指揮控制系統的發展現狀，提出將輔助決策用于飛行控制和任務規劃。隨著人工智能算法不斷優化，輔助決策模型和理論必定能在無人機指揮控制系統設計領域一展所長。