系统的能力和关键技术成熟度得以不断的提高。且在技术推动和市场拉动的双重作用下，无人机系统正逐步进入一种良性循环的迭代发展模式：一方面，无人机系统在各种传统的经典任务场景中表现得越来越熟练和出色，逐渐实现了“能飞到能用”的跨越;另一方面，无人机系统能力的提升拓展了其应用领域，在原有需求之外不断涌现出更多新的和潜在的应用场景，且来自新需求的牵引反过来促进了有关技术的发展。

  在上述发展过程中，面向自主性/自主能力有一定的要求的自主控制管理系统作为无人机最重要的子系统之一，其研究和应用无疑是无人机系统不断成熟和走向实际应用的重要推动力量，对其理解和认识也在不断深化与完善。完全意义上的自主控制是无人机未来发展的必然方向和典型特征，其首要目标是支撑无人机实现自主飞行和自主完成特定任务的能力。而且，近年来人工智能技术的发展与进步也为自主控制系统智能化的“认知”和“决策”能力实现提供了新的思路和动力。

  一般而言，用于实现自主性或自主能力的控制过程都可以称为自主控制，自主控制本质上属于智能控制范畴，系统自主性的强弱取决于智能水平的高低。作为自主性实现的重要手段，智能控制学科在基础理论方面取得了长足的进步，其应用领域不断拓展。但时至今日，客观地说，智能控制仍然不成熟，这在很大程度上归因于关于“智能”的研究本身，智能科学这一充满挑战性的领域至今还没取得根本性突破，仍有大量的核心问题需要探索和研究。

  无人系统是智能控制技术最重要的应用载体和研究方向，随着电子技术、计算机技术和控制技术的发展，以无人机为代表的无人系统自20世纪90年代起出现了爆炸式的发展。无人系统与生俱来固有的自主性需求，结合智能控制等先进控制技术发展，催生了自主控制相关概念的出现。自那时起，关于无人系统自主控制的研究在英美等发达国家开始逐渐得到重视，自主控制系统及有关技术也成为无人系统自主性实现最重要的支撑。进入21世纪，国内也针对自主控制技术展开了持续的广泛深入讨论和研究，并在工程实际中开展了无人机平台自主控制有关技术的飞行演示验证工作。

  关于无人机智能化与自主控制，国内行业内的多位院士对此都有重要的相关论述。吴宏鑫院士曾精确指出：“自主运行是目的，而智能控制与其他各种操控方法是实现自主运行的手段。”樊邦奎院士也曾指出，对于先进无人机要实现3个层面的智能化：“单机飞行智能化、多机协同智能化和任务自主智能化”。包为民院士曾指出：“无人系统智能自主控制是无人系统平台、AI和智能控制的深层次地融合，其控制理论和技术具有前沿性、基础性和综合性，是支撑无人系统未来发展的核心领域之一。”赵煦院士也精确指出：“要逐步突破无人机自主控制技术，就必须提高无人机系统的智能化水平。无人机自主控制的智能化大多数表现在3个方面，即飞行的智能、决策的智能和集群的智能。无人机飞行的智能化是实现无人机决策智能和集群智能的基础，集群协同的智能化是实现无人机全自主这一终极目标的重要方法。”可见，无人机系统期望具有的是“基于自主的智能”，即智能化本质上是为了更好地实现面向任务的自主化，主要技术方法则是自主控制。

  无人机自主控制能够理解为非结构化环境、非预设态势、非程序化任务等各种不确定条件下的“高度”自动控制，其最为主要的特性是：在无人干预的情况下，面对不确定性，实时或近实时地解决复杂的优化控制问题。换言之，无人机自主控制意味着在没有人工/外部干预的条件下，无人机可以通过在线环境/态势的感知和信息处理，自主生成优化的控制与管理策略，规避各种障碍和威胁，完成各种特定任务，并具有快速且有效的动态任务适应能力。无人机自主控制所面临的挑战大多数来源于运行环境、任务及无人机系统自身的复杂性、不确定性和动态性。

  对于无人机自主控制系统，迄今尚未有一个明确的定义，而且自主控制系统的内涵和认识也随着应用场合、技术发展和时间的推移不一样。但是从功能分解与系统实现的方面出发，通常认为无人机自主控制管理系统一般由无人机任务管理系统、飞行管理系统、控制执行系统和感知与通信系统等子系统组成，基于信息实施无人机的决策、管理与控制功能，在动态和不确定环境下完成复杂任务。不同无人机自主控制管理系统的功能配置和任务应用配置使得无人机具有不一样的自主控制能力，来适应不一样的自主性要求，完成不同的任务。其基本功能是将系统的感知、规划、决策和行动等各模块有机地结合起来。它的作用包括：把各个子系统连接成一个整体，包括各个部件的接口规范、通信协议和数据流程;统一管理、调度各个子系统，控制它们功能的发挥，按总体工作模型进行协调工作，使各子系统步调一致地完成总体任务;提供面向不确定性的智能化处理机制，在授权范围内且无外界人工干预的情况下，实现自主的决策、管理与控制。

  对于无人机系统而言，由于面向不同用户的不同平台、不同任务场景等对自主性的要求不同，所以其自主控制系统实现的需求也不完全一样。但是仍旧能从宏观的方面出发，研究和分析无人机自主控制管理系统的能力需求，从而为技术探讨研究提供重要的参考和借鉴，指导工程实践中无人机自主控制系统的开发与设计。

  截至目前，国内已有很多专家和学者针对无人机自主控制系统所应具备的能力开展了深入的研究，并形成了若干较为完善的观点。北京航空航天大学王英勋研究员认为自主无人机应具备4种基本的能力：安全能力、感知能力、决策能力和协同能力;国防科技大学朱华勇教授［15］认为未来无人机系统自主控制的技术需求大多数表现在以下4个方面的能力实现：全面的环境感知与智能战场态势认知能力，复杂条件下的自主导航、规划与控制能力，人机智能融合与学习适应能力，以及多平台分布式协同能力;航空工业沈阳所范彦铭研究员基于无人机自主行为方式，认为系统一定要有3种主要能力：独立自主信息获取能力、独立自主信息处理与决策能力、独立行为执行能力。北京航天自动控制研究所马卫华研究员、柳嘉润研究员等认为航天智能控制管理系统的能力特征可归纳为5个方面：感知与理解能力、运动与控制能力、学习与适应能力、规划与决策能力、沟通与协同能力。针对智能控制管理系统，吴宏鑫院士则精确指出其应具备以下若干方面的能力：感知和认知的能力、在线规划和学习的能力、推理决策的能力、多执行机构协调操控的能力。

  对上述各种观点进行归纳总结，显而易见，无人机自主控制系统的能力需求和无人机自主性的体现是高度统一的，可从以下若干方面出发进行简要分析。

  首先，倘若基于OODA循环实现，由于“机上无人”且“人在回路上”，所以对于无人机自主控制系统而言，则很自然地期望所有环节最好都能由无人机系统来自主完成，并形成控制闭环。这样一来，为实现自主的OODA循环，一定要有相应的感知认知能力、评估判断能力、规划决策能力和控制执行能力等。

  其次，考虑无人机在实际使用中，除了无人机自身外，其应用场景的主要元素一般还包括有自然环境、遂行任务、敌对力量、友方力量和操作/使用者等。无人机自主控制系统的实现必须考虑上述各方面元素的影响，尤其是一定要通过己方力量的交互、融合与协同实现面向飞行和任务的有效资源管理、调度与控制。因此除了上述OODA循环实现所必备的能力外，无人机自主控制系统还应具备相应的人机融合能力、多机协同能力等。

  此外，除自主控制功能实现应具备的基本能力外，还期望无人机自主控制系统具备一定的面向故障的容错修复能力，以及更具智能化的学习进化能力。

  综上所述，无人机自主控制系统的主要能力需求可以概括为8项，分别是：感知认知能力、评估判断能力、规划决策能力、控制执行能力、人机融合能力、多机协同能力、故障容错能力、学习进化能力。

  感知是获取外界信息的手段，认知是通过所感知事物形成知识/认识。感知认知能力是无人机自主控制系统实现的基础。尤其在复杂和不确定条件下，只有具备相应的感知认知能力，无人机才能获取足够且正确的飞行/任务环境信息、自身运动和系统状态信息，以及操作指令和任务目标信息等，支撑自主控制系统所期望功能和性能的实现。

  感知认知的对象是各种来源的相关信息，所以，相应地，感知认知能力能够理解为针对信息的获取、识别/甄别和基于信息的建模等相关能力。其中，感知能力侧重于前端信息的收集和获取，一方面解决信息“有无”的问题，另一方面还要从各种信息中分辨和提取出有用的信息，解决“好坏”的问题;认知能力则更加侧重于后端信息的处理和理解。感知能力可认为是认知能力的基础，与感知能力相比较，认知能力更复杂也更抽象，同时含有某些特定的程度的主观色彩，例如可以基于感知信息，建立关于环境/威胁/任务等具有一定偏好的认知模型等。

  无人机自主控制管理系统的评估判断能力是感知认知能力的延伸，在基于感知认知获取相应的信息并建立认知模型后，需要对敌我态势/意图、环境/敌方威胁、自我健康等做出有效评估和判断。

  从数据融合的方面出发，评估判断能力属于高层次数据融合的范畴。显然，评估判断能力的强弱直接影响自主控制系统的运行，误评和误判可能会带来灾难性的后果。典型的评估判断能力是态势评估能力和威胁估计能力。其中，态势评估是基于“敌方+我方+环境+任务”等多种信息，实现反映战场/竞争/运行状态趋势的多层视图融合;威胁估计需要综合威胁主体、行为、能力、意图、态势、事件等多因素，做到“感知-理解-预测”，属于更高层级的融合。

  规划与决策能力也是自主控制系统智能化的重要体现。无人机要减少人的实时控制参与，增强自主控制能力，就必须在不确定的情况下自己做出规划与决策，这一能力的强弱体现了“预先设定”和“随机应变”的巨大区别。

  面向目标和任务的规划与决策能力，其实现依赖于人的经验、智能操控方法和软硬件的支持，实施的主要是根据来源于数据链传递的信息、本源数据库有关数据、感知认知获取的相关信息及评估判断的结果。在无人机自主控制管理系统中，典型的规划决策能力体现包括轨迹规划、任务规划、战术机动决策等。

  对无人机自主控制系统而言，控制执行要面向无人机机动飞行，是基于规划与决策的结果改变自身位置和运动状态的能力。其通常与被控对象紧耦合，不仅要实现某些特定的程度的快速性、敏捷性和机动性，而且对控制精度、稳定性、鲁棒性等属性也有相应的要求。

  控制执行能力的优劣不仅取决于控制模态和控制算法的设计，也依赖于有效的传感装置与执行机构。例如，对于未来的无人作战自主飞行器而言，为了兼顾机动性和隐身性等要求，可能会采用变体构型等先进设计，所带来的复杂性、非线性和不确定性对于系统的控制执行能力是巨大的挑战。

  在无人机的实际使用中，离不开人的参与，且应始终贯彻“以人为中心”的原则。所以尽管绝大多数时间“人在回路上”，人机融合能力仍是自主控制系统所必不可少的。通过人机融合能力的实现，无人机和操作使用者之间、无人机和有人系统之间才能建立起沟通与协作的桥梁。

  人机融合能力可理解为智能系统技术与平台控制技术的有机结合，其实现涉及人机接口、人机分工、人机协同等有关技术领域。美国空军也在《自主地平线》等重要报告中精确指出人机共生/共融是自主系统的未来重要发展方向。

  面向日益复杂的任务和应用环境，无人机系统的使用模式已经逐步由单平台发展为更灵活的多平台（有人/无人、无人/无人）协同操作方式，因此，自主控制系统也必须根据实际任务需求建立相应的多机协同能力。

  具备多机协同能力的无人机系统，能够实现单一无人平台所不能完成的一些复杂任务，例如协同感知、协同攻击、协同干扰等。要实现这一能力，一定要解决复杂性、分布性、异构性等问题，这对与之相关的通信、信息处理、管理和调度提出了一系列的挑战。

  容错能力即自动/自主处理故障的能力，无人机自主控制系统应针对突发的系统故障、战损等，具备某些特定的程度的容错甚至修复能力，从而能自主处理飞行中的故障，为任务的执行提供有效的保障。

  要想具备故障容错能力，在无人机自主控制系统中必须建立故障/错误的实时检测、隔离、恢复和预测等相应功能，主要通过主动容错和被动容错有关技术实现。例如，常见的容错手段包括故障检验测试/诊断/隔离、系统冗余/备份、自修复/重构控制、系统降级处理等。

  学习进化能力是自主控制系统高度智能化的重要体现之一，是指可通过自主的学习、修正和不断进化，提高系统相关性能的能力。其中，学习是指对已有经验和信息做处理、加工和提炼，形成自身所掌握的知识;进化则是指自身知识的不断迭代优化和提升。

  随着AI和机器学习技术的进步，无人机自主控制系统有望逐步具备某些特定的程度的学习和进化能力，尤其是面向某些特定的任务场景，如自主空战决策等领域，数年前美国的ALPHA自主空战模拟系统就已展现出很强大的相关能力。学习和进化能力的工程化实现为期不远，很值得期待。

  需要强调的是，无人机自主控制系统的上述8项能力需求并不是彼此独立的，而是相互渗透、相互作用和相互促进的关系，应该在系统的研究、设计和实现过程中予以统一考虑。所提及的前4项能力依次递进，前者是后者的基础，后者是前者的目的;在前4项能力的基础上，才能实现面向任务的人机融合能力和多机协同能力;故障容错能力和学习进化能力的具备则可以更逐步提升前6项能力。只有上述多方面能力的协调发展，才能达成并促进自主控制管理系统的实现和进步。

  无人机的自主控制系统是一个大型、复杂且面向不确定性的系统，它由多个子系统组成，各子系统之间既有联系也相互独立，因此尽可能模块化设计并独立控制，防止一个子系统的故障影响其他子系统，然而它又是一个整体，应保持各子系统之间的统一管理与操作，其设计的优劣必然的联系到系统整体性能的发挥和智能水平的高低。

  自主控制系统的基本功能是实现无人机的飞行控制与管理，它是无人机机载系统中的飞行和安全关键系统。参考有人驾驶第四代战斗机的综合飞行器管理系统相关概念和定义，一般可认为无人机自主控制管理系统在物理结构上由任务管理系统（Mission Management System，MMS）和飞行器管理系统（Vehicle Managenent System，VMS）两大主要部分所组成。顾名思义，MMS主要面向任务的执行管理，而VMS主要面向飞行功能的实现和保障。

  为便于理解，可将MMS和VMS对应到智能控制管理系统的功能分层递阶结构中，其中，MMS处于顶层，VMS位于底层。在功能划分上，VMS主要承担协调层和执行层的相关功能，而 MMS主要实现组织和决策层的作用。因此，基于上述组成和结构，无人机自主控制系统常常要实现以下主要功能。

  任务管理的实现是基于任务目标，依托机载MMS达成可变自主权限的任务决策和管理，主要包括以下功能模块：可变自主权限的判断（由任务控制站授权）;任务排序、分配;本机任务规划和实时重规划;任务解释;任务流程和任务执行管理;系统监视和异常处理;任务载荷管理与控制;敌我识别与目标定位;机站通信等。

  飞行管理功能归属于智能控制系统分层结构中的协调层，主要作用是管理和导引无人机以最优的方式自动化地实现飞行计划，同时也可直接接受指令导引。飞行管理的主要功能包括：导航解算（包括综合导航、相对导航）;飞行阶段管理;飞行性能管理;航线管理（含航迹规划与重规划）;机动轨迹生成;制导（含四维制导、加油制导、编队制导、舰载起降制导等）;编队协同等。

  控制与执行主要是指传统意义上的飞行控制与综合控制功能，根据飞行管理生成和航迹指令对无人机和动力进行协调控制，实现无人机平台的速度控制和姿态控制，从而确保实现高精度的航迹跟踪，达成任务所需的平台飞行状态。其主要功能包括：控制模态选择;广义操纵面控制（含气动、矢量、进气道、滑行纠偏装置等）;发动机全权限数字控制;综合飞/火/推控制;边界保护和极限状态抑制;自修复重构控制等。

  平台设备管理主要完成无人机上与任务管理、飞行管理和飞行控制直接相关的传感器及任务设备（如导航、大气数据、雷达、链路等）的工作状态故障监控、控制与管理等工作。其主要功能包括：运动学/动力学传感器管理;伺服系统管理;通信链路管理;能源管理（含辅助动力、燃油、电气、液压等）;起落架/刹车系统管理等。

  健康管理主要用来监控、预测机载传感器、执行机构、发动机和机体等，实现其健康状态和故障的诊断、缓解、修复和检验，并将结果进行记录和发送报告，其主要功能包括：BIT;余度管理;故障检测、诊断、隔离和预测;数据记录与发送等。

  与有人驾驶飞机飞行控制系统相比，先进无人机的自主控制系统无疑要复杂得多。从当前技术水平和发展现状来看，无人机控制系统的“自动化”已经解决了飞行自动控制的问题，但是还远未解决智能自主控制的问题。对于其关键技术，国内外相关研究和综述不少，可重点参考美国国防部在2012年发布的经典文件《The Role of Autonomy in DoD Systems》，其总结了无人系统自主性相关的六大核心技术，分别是感知、规划、学习、人机交互、自然语言理解和多智能体协同，并基于认知层次视图给出了技术现状和挑战，至今对自主控制关键技术的分析和提炼仍具有很强的指导意义。

  基于已有研究和实践不难发现，自主控制尚未解决的核心问题绝大多数集中于决策层、组织层和协调层。因此，面向实际飞行和任务场景，结合能力需求，自主控制系统的关键技术可以归纳如下。需要说明的是，以下所述各关键技术并不是相互独立的，它们之间存在密切的联系，甚至在局部有所交叉和融合，在研究、应用和实践中应整体予以考虑。

  无人机自主控制系统体系架构的主要任务是把各个子系统连接成一个整体，统一管理调度各个子系统，使各子系统步调一致地完成总体任务，其设计的优劣直接关系到无人机系统整体性能的发挥和智能水平的高低。

  自主控制技术的作用对象和应用场景较以往自动控制系统更为复杂和动态，从效能的角度出发，未来无人机的工作方式将涵盖单机行动和多机协同的模式。在设计系统架构时应对诸多要素进行综合考虑，其中包括将整个机群的使命分解为每架无人机的具体目标、在线任务计划、在线优化编队的任务航线、轨迹的规划和跟踪、编队中不同无人机间相互的协调、在兼顾环境不确定性及自身故障和损伤的情况下实现重构控制和故障管理等。因此需要设计合理的系统架构，妥善解决软、硬件功能划分和系统内各要素的协调问题，确保复杂系统的灵活、开放、可配置。

  针对这样的要求，当前广泛接受的解决方案是采用分层递阶式的设计模式，将系统分为任务、决策、执行等多个功能层次实现，以便保证任务和决策等高层功能的设计与底层控制执行等限制解耦。在保证层间输入输出关系固定的基础上，每层功能设计可以采用灵活的形式。无人机自主控制系统体系架构设计中，可以选择集中式或分布式的通信/决策逻辑，并利用通用总线来连接各个子系统。

  正确可靠、及时有效的信息是自主控制系统进行规划、决策、管理和控制的前提。多源不确定信息的采集、处理与融合技术不仅直接支撑无人机感知能力的实现，也是其他各种能力实现的基础，在信息复杂、高度对抗、任务多变的使用环境中发挥着不可或缺的重要作用。

  通常情况下，多源信息采集、处理与融合过程可简单描述为首先通过多种来源的传感器或信息交互途径获得相关信息，然后依据某种准则对获取的信息进行组合与处理，实现对所获数据信息的结构化表示，从而获得平台自身、环境、目标、态势、威胁等相关的可用信息。所以对无人机自主控制系统实现而言，前端的多源信息采集、处理与融合技术严格来说是一个技术领域，范围较广，主要涉及以下相关子技术：先进传感器实现技术（如时间/位移、导航/定位、探测/检测等传感器）;传感器信号处理技术（校正、补偿、降噪、时空同步等）;自主导航、定位与授时技术（含相对导航）;非结构化未知环境感知与建模技术;目标检测、识别、跟踪技术;敌/我行为理解和意图识别技术;信息交互与共享技术;态势评估/威胁估计技术等。

  多源信息采集、处理与融合技术所面临的挑战主要来自信息的不确定性，即在复杂、对抗条件下获取的信息可能是非结构的、不完整的、含有噪声的、非同步的、不可预见的，甚至是欺骗的。此外，所获取信息的数据形式往往也呈现出高维、海量、动态等特征，对无人机机载条件下采集、处理与融合技术的实时性也提出了很高的要求。

  自主控制的重要特征之一就是可在不确定条件下求解复杂的规划与决策问题，无人机自主控制系统的在线实时规划与自主决策技术主要面向飞行管理和任务管理相关功能的实现。

  规划本质上是已有能力和目标代价之间的优化折中，无人机自主控制系统中的规划问题主要是指任务规划，一般包括任务优先级排序、多任务分配、航迹规划、任务载荷规划、通信拓扑规划，以及针对系统保障和应急的预案规划等。通常情况下，规划可以分为离线的全局规划，以及在线实时的重规划。目前研究比较多的是航迹规划技术和任务分配技术，均取得了一系列不错的成果，并逐步走向工程应用。

  决策实际上是一个在可行方案中的选择过程，需要基于所获信息和已有知识，进行有效的推理、评估和预测，从而得到最终的结果。无人机自主控制系统中的决策主要指自主行为决策，如自主空战中的战术机动决策等。

  在线实时规划和自主决策技术的挑战一方面来自环境及任务的复杂性和不确定性，另一方面来自于系统应用规模扩大所带来的复杂性。例如，在面向无人机协同或集群控制的分布式决策中，每个智能体在进行决策时，不仅需要考虑环境和智能体自身的模型，而且需要考虑其他智能体可能采取的策略，从而使问题具有高度复杂的策略空间，而且随着个体数量和规划问题规模的增加，其复杂性呈指数增长，很快变得难以求解。

  高精度/鲁棒/自适应/容错控制与执行技术属于传统飞行控制领域的范畴，主要应用于分层递阶结构的执行层。其中，高精度的指令跟踪控制技术是无人机实现飞行和任务的必要保障，尤其是在一些特定的任务场景中，如着陆/着舰、空中加（受）油、编队飞行、避障飞行等，控制精度对任务的执行将起到决定性作用;鲁棒控制技术主要针对被控对象中存在的不确定性（如结构不确定性和参数不确定性等），用于保证系统的鲁棒稳定性和鲁棒性能;自适应控制技术则可以面向控制对象的大范围动态变化，提供满意的飞行品质，传统飞行控制中多采用线性控制方法加上增益调参策略予以解决，未来的主要研究和发展方向包括面向大包线飞行的非线性自适应控制技术、面向任务变化的任务自适应控制技术，以及面向变体飞行器的大可变构型自适应控制技术;容错控制技术是系统容错能力实现的基础，容错要体现在故障的自主诊断能力和系统在线运行过程中针对故障的重构能力，因此容错控制技术的主要研究内容包括故障检测/诊断/隔离、自修复重构控制等。

  此外，高可靠、高带宽、高功重比的控制执行机构也是无人机自主控制系统实现的关键，需要针对相应的伺服作动技术展开深入研究，如电液伺服阀技术、直接驱动阀技术、液压密封技术、电静液伺服作动技术、机电伺服作动技术、作动器耐久性综合评价与验证技术等。

  协同是面向任务的高级智能活动，在任务复杂/艰巨，且执行个体能力有限的情况下，可通过个体之间的协同与合作有效完成复杂任务。面向任务的自主协同控制是无人机高级自主能力的体现。无人机的自主协同控制技术主要解决多无人机以及人和无人机之间的协作行为控制，实现有人-无人平台协同任务以及多无人平台间的协同任务。其面临的挑战除了来自各种不确定性，同时还需要解决处理分布式协同决策、管理与控制的难题。现阶段，面向任务的自主协同控制相关研究主要集中两个方向：有人-无人协同控制技术和编队协同控制技术。

  在有人-无人协同控制技术方向上，主要问题首先是如何实现人-机系统的能力匹配，需要通过可变权限的自主控制，使得控制的权限在飞行员、辅助系统、自主系统之间动态转移。同时需要解决人-机合作行为控制的问题，主要包括：人为干预/意图的数学建模与推理判断，合作行为控制器的基本结构设计及其多回路控制稳定性分析等。

  在编队协同控制技术研究方向上，主要的研究内容包括队形设计与保持、队形动态调整与变换、编队飞行控制、编队重构控制、编队防撞/避障等。例如，在编队飞行控制中，常见的实现方法包括：Leader-Follower方法、基于行为的方法、虚拟结构法、一致性方法等。

  无人机自主控制系统的发展途径基本上是以传统的制导、导航与控制（GNC）系统为基础，借鉴已有的技术基础和工程实践经验，针对无人机任务和环境的复杂性、动态性和不确定性，并考虑相应的人机交互实现，在其各项功能上进行面向自主性要求的拓展。在这一螺旋迭代、渐进发展过程中，无人机自主控制系统呈现出以下较为典型的技术特征和趋势。

  无人机自主控制系统不仅要实现无人机平台的自主飞行，而且需要结合所执行的任务，面向各种不确定性，实现任务自适应自主飞行。更进一步，随着参与飞行和任务无人机数量的增加，还需要实现多无人机协同任务自适应自主飞行。显然，控制的要求已不再是单一的飞行控制，目标也随着飞行和任务的不同变得多样且可能互相制约。因此无人机自主控制系统无疑是一个多结构、多尺度、多模式混合的复杂大系统，具有离散符号和连续动力学混杂的典型特征，而且除控制外，还涉及感知、信息交互、决策、管理等多方面内容。

  早在30 多年前，关肇直和许国志两位先贤针对当时流行的大系统热就明确地指出：“系统规模大不是问题的实质，从理论上讲规模大的线性系统与规模较小的线性系统并无本质上的差异，问题在于非线性，而特别值得研究的是上层由运筹学决定而下层由动力学确定的复杂系统。”无人机自主控制系统作为一个典型的事件驱动与时间驱动的混合动态系统，正属于上述复杂系统的范畴。

  无人机自主控制系统作为一种典型大规模复杂智能化系统，功能要素多、逻辑关系多、层次结构复杂，同时系统对周期、成本、维护性、通用性、扩展性等都有较强的要求，所以其实现通常采用开放式层次化的控制系统架构。自主控制系统的实现一般按照智能控制系统IPDI原则，建立系统的层次划分架构，且在各层次之间采用标准接口。这种开放式的系统架构具有诸多优点，不仅便于不同系统部件之间的互连、互通和互操作，而且便于硬件和软件的移植和重用，也便于系统功能的增强和扩充。采用开放式层次化系统架构，不仅可以提高系统的冗余和重构能力，而且可以用最低的生命周期费用达到所要求的任务性能和保障性，并为系统功能的扩展和性能改进奠定基础。

  此外，开放式系统架构不仅涉及各种相关硬件，也涉及软件。软件开放系统、软件可重复使用、软件可变规模与硬件的开放性同样重要，也是降低系统全寿命周期费用、缩短研制开发周期的重要措施。例如，近年来由美国海军航空系统司令部发起，广受关注的“未来机载能力环境”（FutureAirborne Capability Environment，FACE）标准，就是一种典型的开放式软件架构策略，通过在已安装好硬件的军用航电平台上建立软件通用操作环境，使 FACE 组件应用在不同平台上可被重新部署，从而实现跨平台的可移植性和重用性。

  标准的模块化设计是系统实现结构简化和综合化的基础，也是实现系统可重构的基础。对于自主控制系统，一方面基于开放式系统架构，另一方面结合面向功能实现的标准模块化设计，实际上更多的是采用所谓“模块化开放式系统架构（Modular Open System Approach，MOSA）”思想，可视为是综合模块化航电（Integrated Modular Avionics，IMA）设计思想的扩展和延伸，其实现准则最重要的包含：建立MOSA使能环境、采用模块化设计、设计关键接口、使用开放式标准和验证一致性。

  开放式系统中的标准化模块能有效地将各子系统集成到更大的系统中，使需求和应用相适应，从而提升系统集成能力、缩短系统研发周期、节约系统维护成本，确保系统能够与其他所有相关系统实现互操作。在无人机自主控制管理系统的设计实现中，根据MOSA思想，同时结合软件使能控制（Software Enabled Control，SEC）中的开放式控制平台（Open Control Platform，OCP）技术，采用标准化的物理/逻辑接口，将系统的各种功能进行模块化分解与积木式集成，在可扩展的框架下实现多个不同的可配置应用，从而更好地满足系统开放性、可扩展、可配置、便于维护/升级等要求。此外，结合低成本可消耗的需求，近年来美军大力推进的“马赛克战”也同样是上述系统实现思想的延伸和发展。

  与有人驾驶飞机相比，由于机上无人，无人机（尤其是现代先进无人机）的设计约束相对更少，从飞行包线、机动性、敏捷性等角度出发，无人机可挖掘的潜力比有人驾驶飞机要大得多，这种潜力的有效释放很大程度上依赖于优秀的控制算法和控制策略。此外，在有人驾驶飞机的飞行控制律设计过程中，出于安全性、继承性等考虑，实际操作中往往趋于保守，使得多变量、非线性控制技术的工程化应用进展相对缓慢。

  现代先进无人机作为一类典型的强非线性的多输入多输出系统，随着任务和使命要求的不断发展，其复杂程度和控制要求也在不断提高，用于实现无人机飞行的控制算法设计也趋于复杂，呈现出多模态、多约束、多准则的典型特征。为了在整个飞行包线内保证系统稳定，且具有良好的动/静态品质，多变量、非线性控制技术有机会率先在无人机领域得到应用。而且近年来，国内外通过各类小型无人机的相关试验验证与应用，关键技术的成熟度得到了很大提升，并在逐步走向工程化实用［47-52］。

  多变量、非线性控制技术在无人机领域的研究和应用主要有两个方向，分别面向如何使用和如何评价的问题。前者更关注的是多变量、非线性控制技术如何有效用于无人机控制对象，后者［53］侧重基于多变量、非线性的无人机飞行品质评价体系建立与评价方法研究。

  由于系统自身及其应用的复杂性，在无人机自主控制系统的实现过程中，越来越多地需要以控制为核心，一体化地考虑所涉及的多方面相关领域，实现系统能力和性能的综合提升，具体体现在以下典型方向。

  在综合飞行器管理、航电系统综合化等技术发展趋势下，导航、制导与控制一体化是解决无人机系统面向功能、性能、可靠性等多约束优化问题的一种低成本有效手段，已在微小飞行器、战术导弹等小型无人飞行器上得到了广泛应用。柴天佑院士［54］也曾明确指出，导航制导一体化控制系统是运载工具自动化系统的重要发展方向。

  导航、制导与控制一体化系统一般通过采用通用的开放式系统架构及模块化计算机，从而实现计算处理能力共享，资源利用率高;同时可增强系统构件、软件的复用性，使系统易于升级和维护，且降低系统成本;此外，一体化的设计减小了系统的体积与质量，为任务设备腾出更多的有效载荷。

  一方面，随着主动控制技术的发展和随控布局设计思想的应用，飞行器的设计理念已从被动走向主动，更多地将气动、结构和控制进行综合一体化考虑。例如在飞机结构设计中，不再以增加结构质量为代价来提高结构刚度，进而回避气动弹性问题，而是可以通过在机翼上布置多个控制面，通过主动控制系统驱动其联合偏转，提高机翼控制气流的能力，进而主动调节结构气动弹性效应，从而减轻结构质量，优化飞机性能。

  另一方面，先进布局无人机越来越多地采用各种创新的控制效应，包括各种多元、混合、异构的控制作用。例如，主动气流控制、射流矢量喷管、灵巧材料变形控制、连续气动控制面等，这些创新控制作用与常规气动控制面结合使用，可以满足未来新气动布局飞行器的控制性能要求。这些新型控制效应的实现，同样需要对气动、结构、动力和控制进行一体化综合考虑。

  基于分层递阶控制的观点，飞行控制系统的控制功能从底层不断向高层移动，从常规控制拓展为决策、管理与控制的一体化综合，对于有人驾驶飞机主要体现为智能辅助决策控制功能的实现，对于无人机则体现为具有处理不确定性能力的自主控制系统实现。

  面向飞行和任务中的不确定性，要求自主控制系统从一体化的角度系统地去设计和分析其中的决策、管理与控制各环节，系统地考虑决策、管理与控制的体系架构、机制和实现途径。需要在满足决策、组织、协调、执行的一致性功能要求基础上，针对信息、事件和数据层阶性的多尺度、多分辨率特征，进行深入全面的考虑和研究，以便突破全局性、系统性和多目标、多约束的设计、优化、开发、综合、试验、验证和评估等诸多关键性问题

  在网络化的信息环境下，面向任务的协同越来越重要，包括有人-无人的协同和无人智能体之间的协同。无人机自主控制系统的控制对象也从单一的飞行器平台对象拓展为大量互联和互操作的异构物理与信息系统，因此系统体现出控制、计算与通信一体化的明显特征。

  分布式计算、通信与传感环境下的飞行器控制系统中，分布的计算单元基于分布的指令和传感信息计算控制规律，通过分布的执行器控制分布的对象，以达到系统的控制目标，这些分布的活动是借助于分布的通信交互联系，以及共同的任务协同而构成一个完整的大系统。例如，在多无人机编队或者任务协同中，通信拓扑的变化、通信延迟的波动，都会对控制系统的性能产生明显的影响，需要结合控制要求，系统地对分布式计算/传感/通信等环节进行一体化考虑，从而获取高品质的系统控制功能和性能。

  无人机系统的发展日新月异，相应自主控制系统的功能和性能也日益完善和强大，所提供的自主能力水平不断提升，正在实现“自动”向“自主”的逐步跨越。本文主要基于系统实现，针对无人机自主控制系统的基本能力需求、基本功能组成、核心关键技术、典型特征和未来发展等主要内容，对相关研究和认识进行了简要的梳理和论述，以期在工程实践中厘清思路，有助于自主控制管理系统设计与实现相关工作的开展。限于篇幅和作者有限的认识水平，很多重要内容并未展开进行论述，尤其是一些关键技术理论研究、技术细节和实施途径等，有待在后续研究工作中有针对性地进一步梳理与完善。

  展望可预见的未来，从军事应用角度出发，以认知/决策为中心的体系化智能作战对无人机的运用及自主控制管理系统的发展提出了更高的要求。“自主系统”、“智能化”作为未来无人机的核心要素体现在美国国防部、美空军、美陆、北约的众多重要报告文献中。尤其是在“后网络化”时代，认知优势和决策优势在作战中的地位越来越重要，使得美军近年来在包括无人机的作战运用中，强调“认知中心战”、“以决策为中心的马赛克战”等新理念。因此，无人机自主控制管理系统未来研究与应用的重点应更多地集中于面向不确定性的智能化“认知”和“决策”两个主要方向上，需进一步面向无人机实际运行环境和承担的任务，开展有的放矢的工程化应用研究。

  声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

  的外形设计更为紧凑、体积更小，肉眼和雷达都难以发现，从而也降低了损失率。在现代的高科技战争中，

  协同作战的通信基础，可以支撑各种信息的快速交互共享，实现协同感知、协同处理、协同决策和协同打击，从而大提高

  具有功能全、体积小、重量轻、功耗低、集成度高等特点，非常适合应用于小型

  的火爆已经持续了几年时间，在今年的CES上大疆、零度智控、昊翔等厂商也纷纷亮相。国际

  市场规模达100亿美元，不过去年的裁员和破产事件也为市场笼罩一层阴云。为了可以开发出具有竞争力的