無(wú)人機(jī)異常行為研究進(jìn)展與展望

王少波，馬文來(lái)，杜玉杰，郝 偉

(1.山東理工大學(xué) 交通與車(chē)輛工程學(xué)院，山東 淄博 255000;2.濱州學(xué)院 飛行學(xué)院，山東 濱州 256603)

近年來(lái)，無(wú)人機(jī)以體積小、可垂直起降、可定點(diǎn)懸停等優(yōu)點(diǎn)在農(nóng)林植保[1-2]、航空攝影[3]、物流運(yùn)輸[4]、海上搜救和武警支援[5]等民用、軍事領(lǐng)域得到越來(lái)越廣泛的應(yīng)用。然而，隨著無(wú)人機(jī)任務(wù)復(fù)雜度不斷提升、外部干擾不斷增多，加上飛行環(huán)境、無(wú)人機(jī)本體結(jié)構(gòu)以及控制性能等存在一定的差異，無(wú)人機(jī)出現(xiàn)異常行為的現(xiàn)象不斷增多，比如無(wú)人機(jī)在運(yùn)行過(guò)程中脫離預(yù)設(shè)運(yùn)行軌，給無(wú)人機(jī)本體、地面人員及周?chē)h(huán)境等造成嚴(yán)重的危害。因此，對(duì)無(wú)人機(jī)異常行為進(jìn)行研究，明確異常行為發(fā)生原因，對(duì)異常行為進(jìn)行針對(duì)性檢測(cè)，已經(jīng)迫在眉睫。

無(wú)人機(jī)異常行為這一概念，目前尚無(wú)明確定義。針對(duì)其他研究對(duì)象的異常行為，文獻(xiàn)[6]介紹了異常行為的一般概念，是指違反規(guī)則或他人期望，并引起非議或懲罰或危險(xiǎn)的行為。文獻(xiàn)[7]則對(duì)船舶異常行為進(jìn)行了定義，是船舶在駕駛?cè)藛T的操控之下以航行和避讓為目的所采取的行為方式及其規(guī)律。

因此，異常行為可定義為違反既定的規(guī)定或是使用者操控者的期望，在一定程度上造成危險(xiǎn)或是不可控的行為。對(duì)于無(wú)人機(jī)異常行為，主要指無(wú)人機(jī)的操控、運(yùn)行過(guò)程中或是與地面基站進(jìn)行交互時(shí)產(chǎn)生的違反運(yùn)行規(guī)律以及脫離預(yù)設(shè)指令的非正常行為。通常情況下，引起無(wú)人機(jī)異常行為的原因主要包括自然環(huán)境、地理位置的改變、操控者的不恰當(dāng)操作以及無(wú)人機(jī)本身傳感器、執(zhí)行器、通信故障等。本文通過(guò)查閱相關(guān)文獻(xiàn)，對(duì)無(wú)人機(jī)異常行為的影響因素和檢測(cè)方法進(jìn)行了總結(jié)，并對(duì)未來(lái)的發(fā)展方向進(jìn)行了展望。

1 無(wú)人機(jī)異常行為的影響因素

1.1 無(wú)人機(jī)異常行為的內(nèi)部影響因素

無(wú)人機(jī)正常運(yùn)行應(yīng)具備的基本特性表現(xiàn)為穩(wěn)定、精確、具備環(huán)境感知功能等，通常需要的硬件配置主要有飛行控制器、傳感器以及執(zhí)行器等。無(wú)人機(jī)在運(yùn)行過(guò)程中，上述提到的硬件配置均存在發(fā)生異常行為的可能，統(tǒng)稱(chēng)為內(nèi)部因素，是無(wú)人機(jī)出現(xiàn)異常行為的主要因素。

(1)飛行控制器異常。無(wú)人機(jī)飛行控制器相當(dāng)于無(wú)人機(jī)的大腦，通過(guò)讀取無(wú)人機(jī)機(jī)載傳感器的數(shù)據(jù)，并對(duì)其進(jìn)行處理之后控制無(wú)人機(jī)運(yùn)行。無(wú)人機(jī)飛行控制器發(fā)生異常的主要表現(xiàn)通常包括作動(dòng)器或操縱面的卡死、松浮、偏差和損傷等[8-9]，具有隨機(jī)性、不易確定性、并發(fā)性等特點(diǎn)[10]。無(wú)人機(jī)飛行控制器發(fā)生異常的原因主要包括設(shè)計(jì)問(wèn)題、制造問(wèn)題以及人為因素等。設(shè)計(jì)問(wèn)題是指設(shè)計(jì)過(guò)程中設(shè)計(jì)開(kāi)發(fā)者的任一失誤而導(dǎo)致的飛行控制器的故障；制造問(wèn)題是指在制造過(guò)程中，任一道工序的失誤如系統(tǒng)的材料缺陷、系統(tǒng)設(shè)計(jì)偏差等[11]。

(2)傳感器異常。無(wú)人機(jī)機(jī)載傳感器通常包括姿態(tài)測(cè)量單元、全球定位系統(tǒng)、激光雷達(dá)、機(jī)載攝像機(jī)等。傳感器在無(wú)人機(jī)的運(yùn)行過(guò)程中能及時(shí)地將飛行過(guò)程中遇到的問(wèn)題反饋給無(wú)人機(jī)，對(duì)于事故的避免以及運(yùn)行過(guò)程中無(wú)人機(jī)的實(shí)時(shí)狀態(tài)都起到了很好的監(jiān)測(cè)功能。文獻(xiàn)[12]對(duì)無(wú)人機(jī)傳感器的異常行為進(jìn)行了歸納總結(jié)。傳感器異常通常包括完全異常、偏置異常、漂移異常、乘性異常、周期性異常、離群數(shù)據(jù)異常等幾種類(lèi)型，文獻(xiàn)[13-16]重點(diǎn)對(duì)無(wú)人機(jī)傳感器偏差異常進(jìn)行了研究。文獻(xiàn)[17]重點(diǎn)對(duì)傳感器卡死異常、常值漂移異常和恒增益異常進(jìn)行了研究。文獻(xiàn)[18]對(duì)無(wú)人機(jī)傳感器異常中所涉及的加速度計(jì)、陀螺儀和磁羅盤(pán)等異常行為進(jìn)行統(tǒng)計(jì)分析。文獻(xiàn)[19]重點(diǎn)對(duì)加速度計(jì)和陀螺儀的異常表現(xiàn)及產(chǎn)生原因進(jìn)行了分析。文獻(xiàn)[20]對(duì)定高飛行下的無(wú)人機(jī)傳感器異常進(jìn)行了研究，在200 s時(shí)使傳感器輸出卡死于0°，由此對(duì)傳感器卡死異常進(jìn)行分析。

(3)執(zhí)行器異常。無(wú)人機(jī)執(zhí)行器包括電機(jī)、螺旋槳、機(jī)翼、舵面等。文獻(xiàn)[21]提到無(wú)人機(jī)的執(zhí)行機(jī)構(gòu)主要是舵機(jī)與舵面；文獻(xiàn)[22]提到了無(wú)人機(jī)的舵面故障可以分為完全失效和部分失效兩類(lèi)。完全失效指舵面對(duì)控制指令沒(méi)有做出響應(yīng)，包括舵面卡死與舵面漂浮兩種；部分失效指能對(duì)控制指令做出響應(yīng)，但是未達(dá)到預(yù)期的效果，主要指舵面損傷，當(dāng)舵面損傷時(shí)，舵面的控制效能減弱，舵面控制通道的增益損失。文獻(xiàn)[23]同時(shí)考慮了空速管傳感器堵塞和升降舵、油門(mén)桿部分失效等執(zhí)行器異常。

文獻(xiàn)[24]將無(wú)人機(jī)執(zhí)行器的故障分為了偏差故障、穩(wěn)定性故障、震動(dòng)故障和卡死故障等，通常包括齒輪磨損、傳動(dòng)桿變形、電機(jī)燒壞、電壓異常、閥門(mén)結(jié)垢、傳動(dòng)桿結(jié)垢等。文獻(xiàn)[25] 針對(duì)無(wú)人機(jī)執(zhí)行器控制效率損失對(duì)系統(tǒng)耦合性的影響，設(shè)計(jì)了一種基于觀測(cè)器的魯棒自適應(yīng)容錯(cuò)控制方法。文獻(xiàn)[26]指出無(wú)人機(jī)旋翼?yè)p傷老化后，力矩輸出電機(jī)出現(xiàn)磨損故障導(dǎo)致執(zhí)行器輸出力矩與期望力矩有所不同。文獻(xiàn)[27]通過(guò)對(duì)無(wú)人機(jī)執(zhí)行器異常進(jìn)行研究，針對(duì)性地提出兩種故障模型：執(zhí)行器加性異常模型和執(zhí)行器乘性異常模型，上述兩種異常均對(duì)無(wú)人機(jī)的動(dòng)力學(xué)特性產(chǎn)生顯著影響。

針對(duì)上述無(wú)人機(jī)異常行為，執(zhí)行器異常通常是指無(wú)人機(jī)物理結(jié)構(gòu)的損壞，這在無(wú)人機(jī)運(yùn)行過(guò)程中是最為致命的，將會(huì)直接導(dǎo)致無(wú)人機(jī)損壞甚至墜毀。此外，由于傳感器發(fā)生異常后，會(huì)使一些元器件發(fā)生損壞，進(jìn)而影響到無(wú)人機(jī)執(zhí)行器，使其發(fā)生異常，因此，無(wú)人機(jī)執(zhí)行器異常通常會(huì)與傳感器異常聯(lián)系在一起進(jìn)行研究。

1.2 無(wú)人機(jī)異常行為的外部影響因素

無(wú)人機(jī)在運(yùn)行過(guò)程中，除了必需的硬件設(shè)施之外，還需要操作人員、遙控手柄以及地面基站的相互協(xié)作。因此，除了前面提到的無(wú)人機(jī)硬件設(shè)備的故障之外，上述因素發(fā)生異常也會(huì)導(dǎo)致無(wú)人機(jī)的運(yùn)行異常，統(tǒng)稱(chēng)為外部影響因素。

(1)操控人員異常操作。無(wú)人機(jī)的操控人員所負(fù)責(zé)的任務(wù)主要包括在無(wú)人機(jī)運(yùn)行前檢查無(wú)人機(jī)是否有損壞；觀察無(wú)人機(jī)運(yùn)行航線是否與規(guī)劃的航線存在差異；注意無(wú)人機(jī)的遙控手柄的電量；同時(shí)觀察風(fēng)力的影響，以便能時(shí)刻做出判斷。因此，無(wú)人機(jī)的操控人員可能出現(xiàn)的異常行為主要是無(wú)人機(jī)在運(yùn)行前對(duì)無(wú)人機(jī)的觀察不充足、導(dǎo)致問(wèn)題沒(méi)有及時(shí)地反饋、無(wú)人機(jī)遙控手柄異常等，造成無(wú)人機(jī)在運(yùn)行過(guò)程中出現(xiàn)異常。

(2)地面基站通信異常。無(wú)人機(jī)在運(yùn)行過(guò)程中，需要將位置信息與運(yùn)行過(guò)程中可能發(fā)生的異常信息傳輸給地面基站，同時(shí)地面基站接收信息，并將有關(guān)航線的信息傳輸給無(wú)人機(jī)，在GPS的作用下，做好航線規(guī)劃，使無(wú)人機(jī)能順利完成任務(wù)，及時(shí)返航。因此，地面基站主要負(fù)責(zé)無(wú)人機(jī)的通信信息的相互傳送，通信異常主要包括無(wú)人機(jī)接收不到地面基站發(fā)出的信號(hào)、無(wú)人機(jī)傳送回的信號(hào)地面基站未接收以及地面基站通信信號(hào)的減弱，使無(wú)人機(jī)接收到的信號(hào)不明確，這些均會(huì)導(dǎo)致在無(wú)人機(jī)在運(yùn)行過(guò)程中發(fā)生異常行為[28-31]。

2 無(wú)人機(jī)異常行為檢測(cè)方法

針對(duì)無(wú)人機(jī)運(yùn)行過(guò)程中可能發(fā)生的飛行控制器、傳感器、執(zhí)行器等引起的異常行為的檢測(cè)方法，國(guó)內(nèi)外眾多專(zhuān)家學(xué)者進(jìn)行了研究。

2.1 飛行控制器異常行為檢測(cè)方法

針對(duì)無(wú)人機(jī)飛行控制器異常行為檢測(cè)，文獻(xiàn)[9]指出無(wú)人機(jī)飛行控制系統(tǒng)常用的檢測(cè)方法是擴(kuò)展卡爾曼濾波器(Extended Kalman Filter,EKF)，文獻(xiàn)[32-34]均對(duì)基于EKF的異常行為檢測(cè)方法進(jìn)行了研究：文獻(xiàn)[32]設(shè)計(jì)自適應(yīng)EKF算法解決攻角傳感器故障問(wèn)題,文獻(xiàn)[33]基于EKF對(duì)空速管異常進(jìn)行了檢測(cè),文獻(xiàn)[34]基于EKF對(duì)無(wú)人機(jī)執(zhí)行機(jī)構(gòu)異常進(jìn)行了檢測(cè)。文獻(xiàn)[23]提出一種基于等價(jià)空間的非線性飛行控制系統(tǒng)快速故障檢測(cè)的方法，對(duì)無(wú)人機(jī)空速管及升降舵進(jìn)行了仿真實(shí)驗(yàn)驗(yàn)證。文獻(xiàn)[35]通過(guò)分層濾波算法對(duì)無(wú)人機(jī)飛行控制器異常進(jìn)行建模分析，可以精準(zhǔn)地查找到異常所發(fā)生的具體坐標(biāo)，可以有效地縮減查找時(shí)間，提升異常檢測(cè)速率。文獻(xiàn)[36]是自適應(yīng)容錯(cuò)控制的檢測(cè)方法，該方法可實(shí)現(xiàn)部分故障自主維護(hù)和自適應(yīng)故障隔離與重構(gòu)，提高檢測(cè)效率。文獻(xiàn)[37]中提出結(jié)合移動(dòng)平均技術(shù)的動(dòng)態(tài)主成分分析(PCA)模型，適用于動(dòng)態(tài)系統(tǒng)。

綜上所述，針對(duì)無(wú)人機(jī)飛行控制系統(tǒng)的異常行為檢測(cè)均是在無(wú)人機(jī)動(dòng)力學(xué)數(shù)學(xué)模型的基礎(chǔ)上進(jìn)行分析，通過(guò)分析故障成因、故障形式以及故障發(fā)生程度，進(jìn)而構(gòu)建檢測(cè)模型，并應(yīng)用于實(shí)例中對(duì)模型進(jìn)行仿真驗(yàn)證。

2.2 傳感器異常行為檢測(cè)方法

針對(duì)無(wú)人機(jī)傳感器異常行為檢測(cè)，文獻(xiàn)[38]提到一種基于徑向基(RBF)神經(jīng)網(wǎng)絡(luò)和最小二乘算法(OLS)的多傳感器異常行為檢測(cè)方法，并通過(guò)實(shí)例證明該方法適用于無(wú)人機(jī)傳感器異常檢測(cè)。文獻(xiàn)[39]基于最小二乘支持向量機(jī)(LS_SVM)和主元分析法(PCA)對(duì)小型無(wú)人機(jī)傳感器異常進(jìn)行了診斷，結(jié)果表明該方法的有效性。文獻(xiàn)[40]通過(guò)LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的傳感器數(shù)據(jù)與實(shí)際數(shù)據(jù)作差值，將所得結(jié)果輸入LSTM分類(lèi)器，通過(guò)結(jié)果的正負(fù)判定異常。文獻(xiàn)[41]提出用于復(fù)雜系統(tǒng)的多重故障診斷的分層多重模型濾波技術(shù)，該方法在確定單一故障后，可以繼續(xù)使用上一組單個(gè)的新濾波器來(lái)診斷下一故障，提高了檢測(cè)效率。文獻(xiàn)[42]采用基于小波的方法對(duì)無(wú)人機(jī)傳感器異常行為進(jìn)行檢測(cè)，可在時(shí)域和頻域中準(zhǔn)確定位信號(hào)特征的小波變換來(lái)識(shí)別輸出信號(hào)中傳感器異常狀態(tài)的發(fā)生時(shí)刻。文獻(xiàn)[43]將小波方法和梯度提升決策樹(shù)(GBDT)結(jié)合，對(duì)傳感器異常行為進(jìn)行檢測(cè)，既提高了故障的可分性，又提高了故障分類(lèi)的精度。文獻(xiàn)[44]則將小波方法和多核支持向量機(jī)結(jié)合，可以有效地提取信號(hào)的特征以及故障點(diǎn)，與單核支持向量機(jī)相比故障檢測(cè)的精度提升至少10%。

通過(guò)對(duì)無(wú)人機(jī)傳感器異常行為檢測(cè)的文獻(xiàn)進(jìn)行查閱得知，無(wú)人機(jī)傳感器發(fā)生異常可能性較大，基于小波的方法可識(shí)別錯(cuò)誤信號(hào)，便于找到異常點(diǎn)，提高異常檢測(cè)速率。

2.3 執(zhí)行器異常行為檢測(cè)方法

針對(duì)無(wú)人機(jī)執(zhí)行器異常行為檢測(cè)，文獻(xiàn)[45]基于魯棒卡爾曼濾波算法，提出了基于創(chuàng)新序列的故障隔離算法，解決了傳感器/執(zhí)行器的故障檢測(cè)和隔離問(wèn)題；文獻(xiàn)[46]在考慮執(zhí)行器故障和外部干擾的情況下，提出了基于自適應(yīng)增強(qiáng)狀態(tài)卡爾曼濾波器(AASKF)和自適應(yīng)三級(jí)卡爾曼濾波器(AThSKF)的執(zhí)行器異常檢測(cè)方案。該方案可以在對(duì)異常進(jìn)行檢測(cè)和隔離的同時(shí)，對(duì)無(wú)人機(jī)外部干擾進(jìn)行估計(jì)。文獻(xiàn)[47]針對(duì)無(wú)人機(jī)執(zhí)行器異常，提出一種基于線性矩陣不等式的自適應(yīng)容錯(cuò)控制器的設(shè)計(jì)方法，結(jié)合實(shí)例驗(yàn)證該方法可以實(shí)現(xiàn)控制器的在線調(diào)節(jié)。文獻(xiàn)[25]設(shè)計(jì)了自適應(yīng)模糊狀態(tài)觀測(cè)器對(duì)執(zhí)行器異常進(jìn)行估計(jì)。文獻(xiàn)[48] 將線性二次型(LQ)技術(shù)應(yīng)用于四旋翼無(wú)人機(jī)執(zhí)行器異常行為檢測(cè)，并在Qball-X4上進(jìn)行了驗(yàn)證。文獻(xiàn)[49]采用自適應(yīng)兩階段線性卡爾曼濾波算法對(duì)執(zhí)行器異常進(jìn)行識(shí)別和隔離。文獻(xiàn)[50]將執(zhí)行器加性故障與乘性故障視為一種不確定性故障，基于自適應(yīng)反演滑模控制算法，設(shè)計(jì)了容錯(cuò)控制器。文獻(xiàn)[51]同文獻(xiàn)[50]一樣，針對(duì)無(wú)人機(jī)非線性模型，考慮外界干擾以及執(zhí)行器故障，設(shè)計(jì)了線性故障觀測(cè)器實(shí)現(xiàn)了對(duì)無(wú)人機(jī)執(zhí)行器異常行為的觀測(cè)。文獻(xiàn)[52]設(shè)計(jì)了在線故障估計(jì)方法，取代故障重構(gòu)觀測(cè)器，較好地實(shí)現(xiàn)了無(wú)人機(jī)執(zhí)行器異常下的容錯(cuò)控制。

通過(guò)對(duì)無(wú)人機(jī)執(zhí)行器異常行為檢測(cè)的文獻(xiàn)進(jìn)行查閱得知，無(wú)人機(jī)執(zhí)行器異常發(fā)生的頻率相對(duì)傳感器以及控制器異常來(lái)說(shuō)較多，在無(wú)人機(jī)執(zhí)行機(jī)構(gòu)異常的檢測(cè)研究之中，魯棒卡爾曼濾波算法應(yīng)用較多，其首要目標(biāo)是穩(wěn)定性和可靠性，而卡爾曼濾波算法對(duì)于連續(xù)變化的系統(tǒng)較為實(shí)用。無(wú)人機(jī)執(zhí)行器在執(zhí)行任務(wù)過(guò)程中對(duì)可靠性以及穩(wěn)定性的要求較高，并且在運(yùn)行過(guò)程中，數(shù)據(jù)的傳輸是實(shí)時(shí)更新的，所以兩種方法的結(jié)合對(duì)無(wú)人機(jī)執(zhí)行器異常的檢測(cè)非常適用，對(duì)運(yùn)行的安全性有進(jìn)一步的保障。

3 結(jié)論及展望

研究表明,無(wú)人機(jī)發(fā)生異常行為的原因主要有內(nèi)部因素和外部因素。對(duì)于無(wú)人機(jī)異常行為檢測(cè)的研究方法主要包括卡爾曼濾波算法、等價(jià)空間方法和自適應(yīng)觀測(cè)器方法等。無(wú)人機(jī)異常行為檢測(cè)過(guò)程通過(guò)預(yù)測(cè)檢查及實(shí)驗(yàn)?zāi)M進(jìn)行診斷，建立相關(guān)模型來(lái)模擬無(wú)人機(jī)異常行為，進(jìn)而通過(guò)飛行實(shí)驗(yàn)進(jìn)行驗(yàn)證，得到異常行為檢測(cè)結(jié)果。通過(guò)對(duì)無(wú)人機(jī)異常行為相關(guān)研究進(jìn)行梳理，得出以下關(guān)鍵問(wèn)題。

(1)無(wú)人機(jī)復(fù)合異常行為高精度實(shí)時(shí)在線診斷技術(shù)。目前無(wú)人機(jī)異常行為估計(jì)主要集中在相對(duì)單一異常行為的估計(jì)，且精度低、實(shí)時(shí)性差，難以滿足實(shí)際需求，對(duì)于多種復(fù)合無(wú)人機(jī)異常情形，缺少針對(duì)性研究。為此，亟須在無(wú)人機(jī)異常行為診斷方面開(kāi)展一系列系統(tǒng)研究，突破異常行為檢測(cè)的快速、精細(xì)化、智能化檢測(cè)。

(2)無(wú)人機(jī)異常行為后的快速魯棒控制策略。當(dāng)前針對(duì)無(wú)人機(jī)異常行為的容錯(cuò)控制方法主要包括線性控制、滑模控制、自適應(yīng)控制、魯棒控制等，但大部分缺少實(shí)際應(yīng)用例證。因此，亟須在對(duì)異常行為精確估計(jì)的基礎(chǔ)上，同時(shí)考慮外部干擾的影響，為設(shè)計(jì)快速、魯棒、智能容錯(cuò)控制策略，提高控制算法的適應(yīng)性和針對(duì)性，使其能夠?qū)崿F(xiàn)無(wú)人機(jī)在異常行為下的穩(wěn)定、安全控制。