無人駕駛飛行器(UAV)就是通常所說的無人機。從軍事應用到全球業餘愛好者的青睞,再到最近越來越多重要的民間應用,無人機取得了令人印象深刻的發展和進步。根據BI Intelligence的報告(Meola,2017),與2016年的85億美元銷售額相比,無人機在2021年的銷售額有望超過120億美元,這意味著複合年增長率(Compound Annual Growth Rate,CAGR)將達到可觀的76%。國際無人機系統協會(Association for Unmanned Vehicle Systems International,AUVSI)在其2013年的經濟影響報告(AUVSI,2013)中指出:“在整合發展的第一個三年裡,美國將產生7萬多個工作崗位,對美國的經濟影響超過136億美元。這個效果將持續增長到2025年,預計會帶來10萬多個就業機會,產生820億美元的經濟收益。”
2017年秋天,美國運輸部部長Elaine LChao表示(US Department of Transpor-tation,2017):“無人機駕駛員專案將通過在當地政府、美國聯邦航空管理局(Federal Aviation Administration,FAA)和無人機個體運營商之間建立新的合作夥伴關係,加速無人機安全地融入我們的領空。這類新的夥伴關係將使當地社會團體嘗試新技術,在統一和安全的空域下提供服務,例如派送包裹、在緊急事件中使用無人機探查等。”“統一和安全的空域”一詞是關鍵推動因素。NASA在開發美國國家空域系統(National Airspace System,NAS)研究活動中的UAS(Unmanned Aerial System,無人機系統)解決方案方面加快了步伐,並處於領先地位(NASA,2016):
●技術挑戰DAA:UAS檢測與避碰操作的概念和技術。旨在建立檢測與避碰(Detect And Avoid,DAA)的運行和技術標準,使得採用此類標準的具備通信、導航和監視能力(Communication,Navigation and Surveillance,CNS)的UAS功能可以同IFR指令保持一致,並成為載人和無人飛行器空中交通中檢測、避碰的必要標準。
●技術挑戰C2(Command and Control):UAS指揮控制。旨在開發一套連接衛星(衛星通信)與地基指揮控制系統的運行概念和技術標準,使得採用此類標準的各種具備通信、導航和監視能力的UAS功能可以支援IFR指令標準並同它保持一致,並且支持現在已經分配的保護頻譜。
●演示活動:系統集成與運行(Systems Integration and Operationalization,SIO)。旨在演示採用集成了DAA、C2和最先進飛行器技術的無人機系統在NAS內的穩定操控能力,以這種演示認證的方式展示FAA無人機系統的集成策略及運行程式。
無人機需要攜帶載荷從一地飛至另一地,在綜合空域中實現最佳操控需要有效的路徑規劃方法,也需要隔離保障來確保飛行安全。按照FAA的規定,常用的電動多旋翼無人機平臺品質通常不超過55磅1磅約合0453 6千克。——編輯注,續航時間相對較短,因此採用高效的方法來充分利用無人機的飛行時間非常重要,尤其是空域存在如機場、市中心等雜亂的禁飛區時。第4章詳細描述存在其他移動或固定障礙物的情況下,對在國家空域中飛行的單個UAV和協同飛行的UAV進行路徑規劃的優化演算法的開發過程。解決這個NP難路徑規劃問題時,建議採用一種常用的基於混合整數線性規劃(Mixed-Integer Linear Programming,MILP)的優化方法。
隨著國家空域裡無人機數量的增長,存在潛在的空中碰撞安全隱患,要解決該項安全問題必須採用系統的結構化方法,將無人機整合到非隔離空域中。安全空域要求中最重要的一個組成部分是“衝突檢測和消除”(Yang等,2016)。第5章討論了採用遺傳模糊邏輯方法解決機場合作研究項目(Airport Cooperative Research Program,ACRP)(2017)中描述的飛行器衝突解脫的準則。該準則的目標是獲得飛機不產生衝突的軌跡,使得機動總代價最小化。該章提出了一種獨特的架構,該架構包含神經元的隱藏層和提供最終輸出的模糊推理系統(Fuzzy Inference System,FIS)層。由一種名為EVE的人工智慧程式訓練該系統,訓練完成後,就可以使用一組測試場景評估其能力。EVE訓練人工智慧本質上是一種遺傳“模糊樹”,設計目標是訓練大型智慧系統。EVE已經得到大量應用,包括飛行器控制(Ernest等,2016)。它把適應度函數每一次評估的功效最大化,以實現這種高性能和極限擴展。由於EVE是專門用於優化大型“模糊系統”的學習系統,因此它可以遞迴地應用於自身。EVE經過幾代的反覆運算、優化,未來將成為解決大規模無人機隔離保障問題的理想訓練器。