情报学视角下航空工业颠覆性技术识别研究

王晓琦　朱玉虎　冯莉　王文升

摘要：文章分析了航空工业颠覆性技术形态特征，在此基础上提出航空工业颠覆性技术识别方法，以多旋翼无人机为研究对象，对该方法的有效性進行验证。通过SAO结构分析、Doc2vec模型、K-means++算法等情报学方法，识别多旋翼无人机领域具有颠覆性潜力的技术主题。研究结果认为，航空工业颠覆性技术具有技术发起者为在位企业、技术路线为自上而下、以应用效果作为评价标准、较强的学科耦合性等特点。多旋翼无人机领域具有颠覆性潜力的技术主题有：目标跟踪、控制算法突破、故障诊断方法和容错控制技术。

关键词：航空工业；颠覆性技术；多旋翼无人机；Doc2vec模型

中图分类号：G35文献标志码：A0引言航空工业是典型的资金、技术和智力密集型产业，是一国进行大规模研发投入、技术创新和运用的重要领域。颠覆性技术在该领域的实际应用能够指数级提升武器装备效能，并深刻改变未来战争模式。

现阶段学界已经围绕颠覆性技术的概念内涵和识别方法等主题开展了大量研究［1-5］。具体到航空工业，研究内容主要集中在颠覆性技术的变革作用和组织创新模式［6-9］。然而颠覆性技术这一概念在引入航空领域后呈现怎样的特点，如何对该行业特定领域技术进行识别，上述问题较少有研究涉猎。本文分析航空工业颠覆性技术的内涵演变和主要特征，并以多旋翼无人机为对象，对其具有颠覆性潜力的技术方向进行识别。通过上述研究，以期深入理解行业特点与颠覆性技术内涵外延的关系，形成可工程化复用的颠覆性技术识别方法，加强工业部门和航空企业对相关技术的预见、研究和整体谋划。

1航空工业颠覆性技术分析颠覆性技术概念的提出是为了解答当技术和市场发生变化时，原本处于领先的企业无法保持原有地位的原因。该概念建立在完全竞争市场上，当这一概念被引入军用航空工业领域时，其核心内涵势必随行业的特殊性质发生变化，并呈现出不同特征。

1.1行业特点分析1.1.1高度垄断性对于航空工业企业而言，进行生产活动的首要目的是保证武器装备如期交付并投入使用，其次才是实现自身盈利。为了实现上述目标，无论是发达国家还是发展中国家，都树立了极高的行业壁垒，以保证具有雄厚资本和稳定可信赖资质的成员进入，一般呈现出寡头垄断或寡头竞争的格局。在该行业中，政府和军方是公民安全的唯一购买委托人和唯一委托使用者。企业的发展战略必须与国家政治利益和国防安全战略保持一致，研制任务、生产经营目标均要受到政府和军方的介入及干预，自主发挥的空间十分有限，这种关系呈现出很强的稳定性。

1.1.2资本、技术和智力高度密集航空工业资金投入规模庞大、回报周期长、研制风险高，一般民营或私营企业没有能力也不愿在该领域进行持续大量投资，因此国有资本始终占据了绝对主导地位。同时，武器装备的设计必须满足未来战争的需求［10］。为了保持技术优势，需要持续进行技术创新、验证和应用。一型武器装备要经历论证、方案、工程研制、设计定型和生产定型等不同阶段，需要飞行器设计、结构、强度、导航、自动控制、机械、材料和计算机等多个专业人员协作完成，对相关从业人员的技术素养和专业能力要求也相应较高。

1.1.3技术试错成本高昂一型装备的研制周期较长，在项目开展过程中必然会面临以下不确定因素：一是外部威胁发生变化，装备的参数指标和效能水平与实际需求不符。如美军F-15A战斗机采用了大量先进技术，但可靠性无法得到保证。二是无法准确预测装备将在何种情况下使用。如法国和德国联合研制的虎式攻击直升机虽然具备在沙漠环境中的作战能力，但在马里作战时，由于当地沙质过细，导致发动机因过滤问题而产生磨损，难以适应当地的自然条件［11］。三是技术自身发展与装备研制无法同频共振，导致项目延迟或无法按质交付。上述因素进一步加剧了航空工业研制活动的复杂性和不确定性，使其几乎没有容错空间。

1.1.4产业集群为轮轴式航空工业在发展过程中呈现出明显的集群化特征，这有利于降低物流和劳动力成本，促进知识溢出，增强产业链弹性，提高应对外部需求变化的反应能力。同时，集群内部的各类主体存在一定的等级和层次关系，总体设计、核心部件制造、试飞鉴定等关键环节主要由大型军工机构承担，它们是决定技术水平、研制进展、竞争优势的主要因素，其他配套单位围绕核心单位和企业，进行零部件生产加工、特定技术和管理模式创新、生产配套、分包销售、服务支撑等生产活动，对核心单位和企业具有较强的依赖性［12］。

1.2航空工业颠覆性技术特点由于以上行业特点，航空工业颠覆性技术也呈现出不同于传统核心定义的特点，集中体现在以下几方面。

1.2.1技术发起者为在位企业在航空工业领域，颠覆性技术往往由大型军工机构和企业（即在位公司）发起。这些主体拥有雄厚的综合技术实力和稳定可信赖的资质，能够和军方保持更为密切的联系，这使其能够快速获取新的需求，从而及时进行调整和变革。同时，由于上述主体处于产业集群的核心位置，相关资金、人力和技术等要素会向其汇集和倾斜，使其始终保有孕育颠覆性技术的优势。

1.2.2技术路线自上而下切入在充分竞争市场中，应用颠覆性技术的产品可以比主流产品更简单、方便和便宜。它们从低端或边缘市场切入，进而占领主流市场，演化路径为自下而上。但航空工业颠覆性技术一般以高成本-高性能组合的方式切入，即需要通过资本、技术和人员的大规模持续投入，寻求技术的重大突破，达到大幅提升武器装备效能的目的。新型装备会率先在军事强国进行运用，然后逐步推行至其他国家，以自上而下的方式占领市场。

1.2.3以技术应用效果作为评价标准在一般行业中，可以从技术形态、特点和演化方式等多维度分析一项技术是不是颠覆性技术。但在航空工业领域中，由于其极低的技术容错空间，对颠覆性技术的判断都是从技术应用效果出发进行衡量的，如：是否改变作战模式和作战规则；是否指数级提高了武器装备效能；是否使原有的军事力量结构、基础以及能力平衡发生根本性的变革等。

1.2.4多学科强耦合性近年来，随着各类作战概念的推陈出新，武器装备在完成单一的作战任务外，还需要与其他多兵种装备进行协同，实施高度一体化的联合作战。然而，传统、单项技术难以带来革命性的解决方案，想要取得跨越式的技术突破，需要依靠跨多学科、多领域的复杂内在结构技术群［13］。从早期的雷达、声呐和加密通信，到近年来逐步应用的人工智能、量子、定向能和增材制造等，都是在基础科学进步的基础上，通过技术之间的重新组合、集成创新或跨领域应用的体现。

2实证研究本节在前述研究基础上，以多旋翼无人机为例进行实证研究。

无人化是未来武器装备的重要发展趋势之一，其灵活的作战模式不但能够独立完成作战任务，还能够与有人装备协同作战，通过创新作战概念，增强装备消费比，最终实现军事对抗环境下的非对称优势［14］。微机电系统、自动控制、自主飞行决策等技术的迅速发展和应用，使多旋翼无人机正逐步实现实战化应用。识别多旋翼无人机领域具有颠覆性潜力的技术方向，能够为该领域的未来技术发展提供一定的参考。

2.1方法框架本研究整体的方法框架如图1所示。该框架以情报学相关方法为主［15-19］，在现有研究基础上进行了优化，主要体现在：（1）利用CiteSpace提取多旋翼无人机领域核心文献，保证样本数据具有颠覆性潜力，提高后期识别准确性。（2）基于核心文献摘要SAO（主谓宾）结构和Doc2vec词向量模型构建文章摘要向量。（3）利用K-means++算法进行词向量聚类，将核心文献摘要按照语义信息进行类别划分，识别出核心文献中蕴含的主要技术方向。

2.2实证分析

2.2.1研究数据获取研究数据来源于Web of Science 索引数据库。综合多旋翼无人机的一般性表述和分类，关键词上下位关系和已有文献中相关检索式的编辑逻辑，编辑检索式并在Web of Science进行3轮检索和优化，确认检索式为TI=（（（“multi rotor” OR “quadrotor” OR “quadcoter” OR “hexcopter” OR “six rotor” OR “eight rotor”）AND（（unmanned OR autom* OR remotely

piloted OR nonhuman ）AND （aircraft OR “aerial vehicle”OR drone OR plane OR aerocraft* OR airplane）））OR（“UAV”）），检索范围为Web of Science核心集，数据类型为Article和Meeting，检索时间跨度为2000—2021年，检索时间为2021年10月9日，最终获取文献668篇。

2.2.2提取核心文献运用CiteSpace 5.2软件，综合运用被引频次（Top N）、中介中心性（Betweenness Centrality）和爆发性（Burst）等3个指标，提取核心文献。其中：被引频次反映了领域的基础技术，为基础文献；中心度体现技术的连接度和交叉性，为热门文献；爆发性体现技术的前沿性，为前沿文献。具体选择标准为：时间跨度内有被引记录的排名前1%的文献为基础文献，中介中心性大于0.1的文献为热门文献，系统探测出爆发性数值的文献为前沿文献。取三者的并集作为核心文献集，时间切片设定为2年，最终提取出68篇核心文献，结果如表1所示。

2.2.3关键词（SAO）提取提取68篇文献摘要的主（S）谓（A）宾（O）结构。一般认为 AO 结构表示对问题的描述，而 S 表示解决问题的方法，因此SAO 结构能够清晰地呈现出技术文本中各个组件之间的关系［20］。本文运用StanfordParser文本挖掘软件进行句法分析，通过Java编程提取SAO结构。在对结果进行人工修正后，最终确认203组有效的SAO结构，形成的结果如表2所示。

2.2.4利用Doc2vec模型嵌入SAO结构现有的 SAO 结构提取过程容易忽略结构所在句子的上下文信息［16］。因此，本文采用SAO结构嵌入向量计算过程的方式融合SAO結构之间的关系和被忽略的SAO结构上下文信息来进行更为快速地分析。本文嵌入SAO结构的基本方法是采用Doc2vec模型，由于Doc2vec模型对文档中所有词都赋予的权重一样，获得的向量具有一般性，因此本文通过增加几个基于SAO结构的更新过程，来获得SAO结构向量和摘要向量。基本参数如表3所示，具体过程如下：

（1）嵌入并更新词和句子向量。对核心文献集摘要进行划句标记处理构建语料库，采用Doc2vec模型进行训练（Doc2vec模型参数如表3所示）。获得核心文献集摘要中单词和句子的词向量表达形式。

（2）利用SAO结构更新句子向量。进一步利用2.2.3过程中提取的核心文献集SAO结构，更新句子向量，获得文献的词向量、句子向量以及FE（Function Emphasis）向量。

（3）获得SAO和摘要向量。通过识别相似的SAO结构，学习SAO结构向量，并通过一致的方式获得摘要向量。

2.2.5相似度计算与聚类作为基于划分的聚类算法，K-means算法有算法简单、收敛速度快、能有效处理大数据集等方面的优点［21］。但由于K-means算法的分类结果受到初始点的选取而有所不同，本文采用改进的算法K-means++对文档向量进行聚类。结构相似度矩阵的部分结果见表4。

采用肘部法确定最佳的聚类中心数量k值，定义如公式（1）所示：

SSE=∑^k_i=1∑_b∈CiC_t|b-m（i）|²（1）

式中：SSE为簇内误方差；Ci表示第i个簇，b为Ci的样本点，m（i）是Ci的聚类中心。SSE随k值的增加而降低，当SSE下降幅度明显趋于收敛时对应的k值为最佳值。从图2可以看出，当k=5时，SSE出现拐点，故选定k值为5进行模型训练。使用t-SNE（分布随机领域嵌入）算法对聚类结果进行降维并可视化，结果如图3所示。

2.3结果分析图3中的散点代表核心文献，不同颜色的散点组成了不同的聚类，▲表示聚类内部的中心，68篇核心文献最终被划分为5个聚类。对各聚类中文献的SAO结构进行进一步的语义解读总结出3个多旋翼机领域未来具有颠覆性潜力的技术方向。

2.3.1无人机目标跟踪

多旋翼无人机的使用场景较为复杂，如野外山地、城市道路等。在执行任务时无人机通过摄像头将采集到的图像传输到处理器中进行图像处理，输出相应的信息指令。聚类内容主要涉及目标检测技术算法优化、缩小跟踪误差等。对于目标检测算法的改进能够优化多旋翼无人机姿态估计，提高目标跟踪的精确程度。该领域取得的技术突破能够极大提升多旋翼无人机在实际应用环境中的任务执行能力和环境适应范围。具体而言：在军事领域，能够进行战场环境侦察，实现实时动态监控；在民用领域，可在灾害探测、交通管理调度等方面快速进行目标定位，缩短搜救时间，实现智能交通调度［20］。

2.3.2控制方法的突破

多旋翼无人机的控制方法是无人机设计中的关键和基础性问题，直接影响其姿态稳定性和可操作性，在聚类中具体表现为：（1）通过单个算法的优化或两种方法的组合使用来提高无人机的稳定性，涉及的方法主要有滑膜控制、自适应控制和反步控制等。（2）通过神经网络控制、模糊自适应控制、遗传算法等智能控制方法来稳定多旋翼无人机姿态，实现定点悬停，提高系统的抗干扰性和鲁棒性等，但目前部分文献仍多停留在实验和仿真阶段。

2.3.3故障诊断方法和容错控制技术

多旋翼无人机动力学特性较为复杂，需要多个传感器与执行器之间相互配合工作，这种复杂的特性使得其相较于固定翼无人机更易发生故障。因此，多旋翼无人机的系统故障诊断和容错控制技术得到学界的高度关注。聚类中涉及的故障种类主要是传感器故障和执行器故障。其中，传感器容错控制技术具有多学科交叉性，其能够使飞行器在发生故障情况下保持稳定运行，尤其对于军用无人机具有重大意义。通过分析，认为探索飞控系统智能故障诊断方法，避免外界扰动和噪声等未知输入对控制器的影响是具有颠覆性潜力的技术研究方向［22］。

3结论与展望本文探讨了航空工业颠覆性技术的内涵和主要特征，在此基础上提出了航空颠覆性技术的识别框架，对已有的技术识别方法进行了部分优化，主要体现为：提取核心文献以提高后续数据分析工作的准确性；借助Doc2vec模型嵌入SAO结构的方式，使获得的文档向量有效反映了文档中的技术要素及上下文信息。以多旋翼无人机领域为研究对象，验证了该方法的有效性和可操作性，并以多旋翼无人机为例进行了实证研究。

本研究也存在一定不足之处：没有考虑军民用航空不同行业的特点；样本数据种类较为单一，只对专业论文进行了分析，具有一定局限性和片面性；在识别过程中存在一定信息损失，可能对最后的结果产生影响。

参考文献

［1］张守明，张斌，张笔峰，等.颠覆性技术的特征与预见方法［J］.科技导报，2019（19）：19-25.

［2］王超，许海云，方曙.颠覆性技术识别与预测方法研究进展［J］.科技进步与对策，2018（9）：152-160.

［3］张佳维，董瑜.颠覆性技术识别指标的研究进展［J］.情报理论与实践，2020（6）：194-199.

［4］刘庆全，蔡小锦，宁钟.颠覆性技术研究述评与展望：基于战略生态位管理视角［J］.管理现代化，2021（3）：107-114.

［5］孙永福，王礼恒，陆春华，等.国内外颠覆性技术研究进展跟踪与研究方法总结［J］.中国工程科学，2018（6）：14-23.

［6］DOMBROWSKI P，GHOLZ E.Identifying disruptive innovation：innovation theory and the defense industry［J］.Innovations：Technology，Governance，Globalization，2009（2）：101-117.

［7］沈梓鑫.美國的颠覆性技术创新——基于创新型组织模式研究［J］.福建师范大学学报（哲学社会科学版），2020（1）：91-100.

［8］刘昊，张志强，冯志刚.北约未来军事新兴颠覆性技术规划分析及启示建议［J］.世界科技研究与发展，2021（2）：127-137.

［9］李大光.颠覆性技术将对国防安全产生深刻影响［J］.国防科技工业，2020（2）：50-53.

［10］张翚，刘金浩.设计武器装备就是设计未来战争［N］.解放军报，2021-04-23（9）.

［11］MICHEL M.Mali：les hlicoptèresfranais de l′opration “Barkhane”，les pales du dsert［EB/OL］.（2015-06-02）［2021-11-02］.https：//www.lepoint.fr/monde/mali-les-helicopteres-francais-de-de-l-operation-barkhane-les-pales-du-desert-02-06-2015-1932966_24.php.

［12］杜人淮，申月.国防工业军民融合集群化发展及实现［J］.西北工业大学学报（社会科学版），2019（1）：97-105.

［13］刘安蓉，李莉，曹晓阳，等.颠覆性技术概念的战略内涵及政策启示［J］.中国工程科学，2018（6）：7-13.

［14］胡利平，黄晓阳，梁晓龙，等.美军无人机蜂群作战研究动态及应对策略［J］.国防科技，2021（4）：17-25.

［15］钱娇.基于SAO的专利挖掘方法及在工业机器人领域的应用［D］.广州：华南理工大学，2018.

［16］黃鲁成，张璐，吴菲菲，等.基于突现文献和SAO相似度的新兴主题识别研究［J］.科学学研究，2016（6）：814-821.

［17］黄鲁成，蒋林杉，吴菲菲.萌芽期颠覆性技术识别研究［J］.科技进步与对策，2019（1）：10-17.

［18］白光祖，郑玉荣，吴新年，等.基于文献知识关联的颠覆性技术预见方法研究与实证［J］.情报杂志，2017（9）：38-44.

［19］梁欣谊.基于专利分析和SAO结构挖掘的航空航天领域3D打印技术演进研究［D］.广州：华南理工大学，2016.

［20］李继辉.多旋翼无人机的目标检测与自主避障研究［D］.北京：中国科学院大学，2020.

［21］汤艳君，苏梅，许彩滇，等.利用Doc2Vec及改进K-means聚类实现文本取证分析［J］.中国刑警学院学报，2020（4）：115-121.

［22］时晓宇.无人机飞控系统的故障诊断与容错控制技术研究［D］.成都：电子科技大学，2021.

（编辑姚鑫编辑）

Research on the identification of disruptive technologies in aviation industry from the

perspective of information scienceWang  Xiaoqi， Zhu Yuhu， Feng  Li， Wang  Wensheng

（The First Institute of AVIC， Xian 710089， China）Abstract： Analyze the characteristics of disruptive technologies in aviation industry， propose a method for identifying disruptive technologies according to the previous research. Taking multi-rotor UAV as the research object， verify the effectiveness of this method. Through SAO structural analysis， Doc2vec model， K-means++algorithm， and other means， identify disruptive technical topics in the field. The results show that disruptive technologies in aviation industry are characterized by the incumbent enterprise as the technology initiator， the top-down technology roadmap， the application effect as the evaluation standard， and strong discipline coupling. The disruptive technical topics in the field of multi-rotor UAV include target tracking， breakthroughs in control algorithms， fault diagnosis methods and fault-tolerant control technology.

Key words： aviation industry; disruptive technology; multi-rotor UAV; Doc2vec mode