人工智能在直升機飛行控制的應(yīng)用與展望

南京航空航天大學(xué)自動化學(xué)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(xiàn)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(fù)雜的數(shù)據(jù)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(jìn)行對比，展現(xiàn)出人工智能方法的優(yōu)越性。再通過展現(xiàn)人工智能近些年來在直升機飛行控制領(lǐng)域的發(fā)展現(xiàn)狀及已有成果，向讀者呈現(xiàn)人工智能在直升機飛行控制領(lǐng)域的應(yīng)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(lǐng)域的發(fā)展進(jìn)行展望。

直升機具有操縱復(fù)雜，空氣動力學(xué)模型具有階次高，強非線性，強耦合性，不確定性等復(fù)雜性，以及具有飛行模態(tài)多、飛行環(huán)境復(fù)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(jì)初斯坦福大學(xué)的Pieter Abbeel等人就已經(jīng)提出，運用大量飛行數(shù)據(jù)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，使其能夠在不同的飛行情況下選取相應(yīng)的控制器，然而此時的神經(jīng)網(wǎng)絡(luò)并沒有在控制環(huán)路內(nèi)。Eric N.Johnson和Suresh K.Kannan直升機外環(huán)校正指令需要平移動力學(xué)模型，但是這些模型帶有誤差，訓(xùn)練神經(jīng)網(wǎng)絡(luò)可以消除模型誤差。但是這種自適應(yīng)只能改善姿態(tài)動力學(xué)的跟蹤性能。直至今日，學(xué)者們還在致力于研究出一個應(yīng)用廣泛，智能化高的飛行控制系統(tǒng)，減輕駕駛員操縱負(fù)擔(dān)，甚至可以逐步取代駕駛員的地位。

1 智能控制應(yīng)用

傳統(tǒng)PID控制是一種簡單易于實現(xiàn)的控制方法，但參數(shù)設(shè)置的好壞直接影響實驗結(jié)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(xiàn)了控制智能化。目前，大量應(yīng)用在直升機飛行控制領(lǐng)域的方法有：人工神經(jīng)網(wǎng)絡(luò)、支持向量機、遺傳算法、粒子優(yōu)化算法等。

2 智能技術(shù)在直升機飛行控制領(lǐng)域的發(fā)展現(xiàn)狀

國內(nèi)外已有大量學(xué)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(jié)果。

2.1 自適應(yīng)法

自適應(yīng)控制方法的特點就是系統(tǒng)能根據(jù)控制偏差自我調(diào)節(jié)控制器內(nèi)部參數(shù)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(shù)情況下使發(fā)生自轉(zhuǎn)的直升機安全著陸。劍橋麻省理工學(xué)院的Cirish Chowdhary等人，為了解決系統(tǒng)在預(yù)期的操作域之外操作，自適應(yīng)元件會變得無效的問題，研究了參數(shù)數(shù)量隨數(shù)據(jù)而增長的自適應(yīng)元和基于高斯過程的自適應(yīng)元，其具有良好的閉環(huán)性能，并且不需要任何關(guān)于不確定域的先驗知識。北京航空航天大學(xué)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(xiàn)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(shè)計了一種基于二型模糊邏輯和自適應(yīng)控制理論的控制器，用于解決在有結(jié)構(gòu)和非結(jié)構(gòu)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(jié)果部分自適應(yīng)是通過基于李亞普諾夫的自適應(yīng)來實現(xiàn)的，該自適應(yīng)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(yīng)控制和自適應(yīng)滑模控制進(jìn)行了比較。數(shù)值結(jié)果表明，在存在不確定性的情況下，該方法具有較好的表現(xiàn)和魯棒性。

2.2 自學(xué)習(xí)方法

支持向量機是機器學(xué)習(xí)的一種，旨在對已有神經(jīng)網(wǎng)路的不足加以改進(jìn)。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(jié)合神經(jīng)網(wǎng)絡(luò)的優(yōu)點，提出了基于人工神經(jīng)網(wǎng)絡(luò)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(shù)據(jù)映射，對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最后實現(xiàn)神經(jīng)網(wǎng)絡(luò)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(xué)習(xí)的方法。這種新型控制器應(yīng)用于一架F-16飛機模型進(jìn)行故障實驗，在實驗中進(jìn)行在線調(diào)整。結(jié)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(jìn)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(rèn)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(dǎo)致災(zāi)難性的墜毀。所以，他們使用原始圖像輸入來訓(xùn)練端到端深度學(xué)習(xí)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(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)由大量的處理單元通過適當(dāng)?shù)姆绞交ミB結(jié)構(gòu)，是一個大規(guī)模的非線性自適應(yīng)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(yīng)神經(jīng)網(wǎng)絡(luò)設(shè)計，重點討論了網(wǎng)絡(luò)架構(gòu)和改變自適應(yīng)增益對性能的影響。賓夕法尼亞州立大學(xué)研究生院的Venkatakrishnan V.Iyer開發(fā)了一種對使用矢量推力導(dǎo)管螺旋尾槳(VTDP)的復(fù)合直升機的偏航控制器。控制器的設(shè)計是基于直升機上現(xiàn)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(jīng)網(wǎng)絡(luò)，使反饋線性化。目前控制器的功效已經(jīng)在直升機操作中進(jìn)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(jīng)網(wǎng)絡(luò)的直升機智能飛行系統(tǒng)。仿真結(jié)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(dāng)面對擾動氣流時，智能系統(tǒng)對于航向，速度等參數(shù)的控制均優(yōu)于駕駛員的操作。荷蘭代爾夫特理工大學(xué)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(yīng)用于MBB Bo-105直升機上，而神經(jīng)網(wǎng)絡(luò)就是該控制器的函數(shù)逼近器，IDHP被證明能夠可靠地學(xué)習(xí)直接控制俯仰角和高度，而無需離線學(xué)習(xí)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(yīng)變化。結(jié)果表明，當(dāng)提供適當(dāng)?shù)膮⒖夹盘枙r，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(jù)一些啟發(fā)式信息，選擇最佳的一個或者多個分支進(jìn)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(jié)合了狀態(tài)反饋控制和線性二次調(diào)節(jié)器(LQR)，使一個小型六自由度直升機模型跟蹤一個預(yù)定的軌跡。采用自適應(yīng)粒子群優(yōu)化技術(shù)對LQR控制的加權(quán)矩陣和匹配擾動的投影矩陣進(jìn)行了優(yōu)化。仿真結(jié)果表明了控制器在實現(xiàn)特定控制目標(biāo)的有效性。國立中正大學(xué)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(yīng)用先行二次調(diào)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(quán)矩陣進(jìn)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(jìn)行對比。結(jié)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(diào)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(shè)計為直升機飛行控制系統(tǒng)提供了最佳響應(yīng)。

3 技術(shù)未來展望

3.1 提高智能性

（1）實現(xiàn)高智能的飛行輔助

當(dāng)下的人工智能大多數(shù)僅僅用在優(yōu)化控制系統(tǒng)的一個環(huán)節(jié)上，實現(xiàn)人們理想中的飛行輔助還需進(jìn)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(xiàn)全方面智能安全評估

目前人工智能技術(shù)只能單一的對直升機進(jìn)行故障檢測。更進(jìn)一步的有通過訓(xùn)練人工智能對直升機槳葉的應(yīng)力進(jìn)行分析，實現(xiàn)對目前飛行的安全性的評估，進(jìn)而實現(xiàn)應(yīng)力調(diào)節(jié)。

（3）智能環(huán)境感知

未來可以利用先進(jìn)的探測設(shè)備亦可以是機器視覺等感知技術(shù)與人工智能控制系統(tǒng)相結(jié)合的方式，實現(xiàn)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(wǎng)絡(luò)，構(gòu)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(shè)計出更多模式下的協(xié)同作戰(zhàn)方案。

3.3 實現(xiàn)無人大型直升機

隨著人工智能深入發(fā)展，可開展有關(guān)于大型無人直升機飛行控制系統(tǒng)的設(shè)計與優(yōu)化。當(dāng)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(hù)我方安全的前提下，提高我軍的作戰(zhàn)能力。

3.4 實現(xiàn)特定任務(wù)、乃至特定的復(fù)雜任務(wù)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(shè)計出一個可以自動跟蹤目標(biāo)、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(xiàn)在惡劣條件下的救援，作戰(zhàn)等高危險性任務(wù)。

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