贾振轩 杜韫博
近些年以来,人工智能化技术照亮了无人机自主控制的发展道路,为人们减少了复杂工作环境中的控制失误,减少了决策工作的错误概率,极大地提升了无人机的自主性及对复杂任务环境的适应力。但是,就现阶段的技术水平而言,非结构化的场景情况下无人机测定控制技术仍是一座难以逾越的高山。国内外的相关研究者们遵循着三大原则,从多机自动开发的半自主开发迈向全自主开发,从部件智能走向系统智能的联合开发,以期逐步打造出拥有强大自主能力的无人机智能化测定控制技术[1]。
无人机智能化测定控制和人工化智能技术的有效融合,可以以大量的测定控制信息数据为基石,同时借助多种现代化的人工智能计算方法使无人机能够在比较复杂的环境任务中做出智能以及有效的决定。首先,其重要的技术有:健康层面的技术管理、综合层面的识别技术以及任务计划方面的技术管理和智能管理方面的控制技术。同时无人机能根据智能化的架构来有效地学习以及使用和处理相关的数据信息,从而有效地促进无人机智能化测定控制技术的发展。另外,依据美国的空军研究所在2000 年发布的定义,根据管理控制能力可以将无人机的管理控制能力划分成10 个等级,每一个等级都代表着一种新的可能性。当人工智能元素融入传统无人机测定控制中时,可以推动其应用性能发生质的飞跃,其关键表现在以下几个方面:首先,人工智能化的技术能提供全面以及可预测可控制的数据开发能力和分析工作能力,可以从无人机相关信息数据当中精准地提取出大量未知且具有潜在价值的数据信息,从而为决策提供有力支持[2]。另外,人工智能化技术在面对人类计算能力和响应速度无法胜任的情况时,能够迅速地作出反应,同时及时地执行各种复杂的工作任务。无论是紧急任务的执行计划以及长期续航任务,或是实时区域的监控和无人机集群等,人工智能技术都能展现出良好的实施能力。其次,人类的洞察力和决策力可以和人工智能的感知以及实施能力进行全面的结合,最后高效地完成人机互动和运用的高效率。这种协同工作方式不仅让机器更加高效地完成任务,也可以让人类的能力得到了延伸和拓展。最后,运用人工智能化技术独特的学习能力,无人机可以不断地收集和优化过去任务的知识,指导自身任务能力的不断进化。这种自我学习和自我优化的能力使得无人机在未来的发展中更加灵活多变,从而适应各种复杂环境的挑战。
首先,需要聚焦于多目标无人机的数据链设备,其能够在空中绘制出复杂的图案,同时系统的主L 带内远程控制采用CDMA 的扩频多路访问对每个对象进行分段,而U 带远程控制备份频段则采用TDMA 多路访问对每个对象进行分段。此外,该航线配备的飞行终端和飞行控制机载计算机均采用飞行控制数据相关接口,连接飞控的指令与地面的指令,从而保障飞控的上报和飞行状态数据的透明传输,并且通过模拟飞控上报的方式进行测试,随后等数据融合完成后,备份链路飞行终端将其发送至飞行控制信息数据接口,系统将这部分数据作为飞行当中的状态信息数据并进行遥测以及连接。最后,把返回的信息数据和检测计算机所发出的模拟飞行控制信号展开比较,从而得到信息融合技术的检测结果。(1)打开无人机上面数据链的相关系统,将飞行终端以及天线放置在距地面站200m 的位置,同时检查地面站的发射增益,从而使控制链路远端上报的信噪比最少为10 分贝,在这个过程中,系统处于远程控制的状态,连接的状态比较稳定,链路的丢帧率是0。(2)将备用飞控终端数据接口短接[3]。(3)设置模拟飞控信号的更新速率为20Hz,同时检查地面站的发射功率以及终端开关的电源状态,同时利用返回的数据来模拟飞行器的各种状态。(4)把模拟飞控的信号帧率更改成10Hz,并且依照步骤再次开展串口的测试。一是,主连接稳定的情况下备用连接良好,接地无声和接地封闭的情况下,结果表明系统运行正常。如果备份链路空侧无法解调接收报文时,则主链路空侧发送的所有报文均外传。二是,检查主链路地面端的发射功率,通过系统的实际状态报告检查主链路的丢帧率,此时再测试备份链路的上述状态。如果发现主连接上的数据传输停止了,备份连接能够独立开展任务工作。三是,在高的丢帧率不是很稳定的情况下,对主从链进行了有关的检测,通过结果可以看出系统的整体丢帧率显著下降。
目前,无人机本身具有较高的卓越性能,其设备的可测试性、可维护性和可保障性以极高的性能,可以确保无人机在执行任务时始终保持最佳状态。同时,健康管理方面的技术可以通过智能测定控制系统主要利用现代化的传感器全方位地记录设备的关键信息参数,并利用智能分析计算方法和模型对无人机的健康状况进行精确的预测,从而实时地监控和精心管理无人机。
在工地建设的过程中,无人机的使用发挥着不可替代的作用。在工地建设的过程中可以通过无人机的摄像功能,来按照预先制定的时间表拍摄施工现场的图像进度,从而实现对施工进度的精确把控。同时,无人机还能有效监控施工过程中工人的工作行为,增强施工人员的安全意识,从而减少安全事故的发生。另外,随着全球对环保的关注度不断提升,我们国家的环保形势也日益严峻。雾霾以及扬尘等环境问题严重影响着人们的生活品质。在这样的背景下,无人机的出现为解决这一问题提供了新的思路。首先,可以通过无人机配备环境监测传感器来实时监测施工现场的PM2.5 含量以及符合行业标准的室内空气含量。一旦发现扬尘超标,无人机便会立即向相关部门发出警报,并根据监测结果对施工现场进行有效管理,最后有效地控制施工现场扬尘。因此,无人机在环保监测方面展现出了巨大的潜力和价值。
我国的无人机智能化测定控制技术正处在初步的阶段,其动态性以及不确定性等没有办法得到有效的保障,因此,要不断地创新无人机的智能测定控制技术与快速测量的技术手段。因此,对于无人机智能化测定控制技术必须全面开展研究。
面对不确定的任务环境以及比较复杂的通信环境,就需要不断研究如何使无人机成功完成避障任务和自主起降等基础控制任务,使其可以实现不确定环境下无人机的基础任务以及自动控制和多无人机协同合作的控制技术。
从单架无人机的任务和路线规划过程中,无人机的自组织任务执行需要引领无人机群体构建低成本的网络,如多目标的搜索以及跟踪和攻击等,这样才可以有效地完成自主合作的目标,最后有效地降低由于人为因素而造成的失误。
环境感知层面的图像结合技术包括单平台飞机的传感器图像结合和跨平台以及多源传感器图像的结合,其可以共同构建对环境的全面感知。此外,无人机控制系统的学习体系能够处理在比较复杂环境情况下的深层次问题,研究学习触发机制和模型计算方法,从而提高无人机适应环境的能力和独立学习以及思考的能力[4]。
总而言之,在未来智能化以及计算机化的大背景下,无人机智能测定控制技术的研究将迎来良好的发展机会。从离线规划测定控制向在线响应测定控制再到智能预测测量和控制,技术的变革日新月异。同时,未来还将有更多新技术以及新概念和无人机测定控制技术相结合,这样才能有效地推动我国无人机智能化测定控制技术的长期稳定发展。