賀若飛，李大健，劉宏娟，劉慧霞

（1.西北工業(yè)大學第365研究所，西安　710038；2.西安愛生技術(shù)集團公司，西安　710038）

?

無人機自主控制應用需求及研究發(fā)展分析

賀若飛1，李大健1，劉宏娟2，劉慧霞1

（1.西北工業(yè)大學第365研究所，西安710038；2.西安愛生技術(shù)集團公司，西安710038）

摘要：隨著無人機裝備的快速普及，自主控制技術(shù)越來越成為提高無人機系統(tǒng)生存能力、適應能力和任務完成能力的重要因素。通過對無人機實戰(zhàn)場景和使用需求的分析，提出近期對自主控制技術(shù)應用的重要需求是提高無人機感知能力和對故障及飛行狀態(tài)的適應性。分析了當前自主控制技術(shù)在外部態(tài)勢、內(nèi)部態(tài)勢和適應性飛行控制方面的研究和應用現(xiàn)狀。最后，根據(jù)對應用需求的分析和當前相關(guān)技術(shù)的發(fā)展應用情況的考察，提出了無人機適應性自主控制的技術(shù)框架。

關(guān)鍵詞：無人機，自主控制，適應性控制，狀態(tài)感知

0　引言

近年來，隨著無人機裝備的快速發(fā)展和應用，無人機技術(shù)的研究已經(jīng)越來越引起學術(shù)界和工程界的關(guān)注。其中無人機自主控制技術(shù)作為無人機與有人機區(qū)別的關(guān)鍵技術(shù)，更是成為無人機技術(shù)中的研究熱點。

目前全球?qū)嶋H應用中的無人機仍處于依賴遙控和預編程飛行的階段。在美國國防部發(fā)布的最新《無人系統(tǒng)綜合路線圖2013-2038》2.4.1［2］中，明確提到“當前國防部的無人系統(tǒng)使用遙控方式，只有在極端情況下，如數(shù)據(jù)鏈失聯(lián)，才進入自主模式，即執(zhí)行提前編程好的指令集?！痹撐?.6“自主與認知行為”一節(jié)中開篇就指出當前無人系統(tǒng)的自主行為基本上仍為重復完全預編程的動作。表明美國裝備部隊的無人機的自主控制能力仍然較為基礎(chǔ)。

盡管如此，各國不僅在學術(shù)界進行相關(guān)技術(shù)的前沿研究，在工程界也都在加緊對自主控制技術(shù)，特別是適應性技術(shù)的應用研發(fā)。據(jù)公開報道，以色列空軍108部隊正在為無人機開發(fā)健康管理系統(tǒng)。英國在其驗證無人機“惡魔”上也裝載了針對機載供電系統(tǒng)和著陸裝置的健康監(jiān)測系統(tǒng)［3］。美國海軍正在與空軍聯(lián)合研發(fā)機載感知與躲避技術(shù)。同時，美國海軍還在對包括小型無人機高強度起降以及艦上高精度定位與跟蹤等艦載無人機自主控制技術(shù)進行研究［2］。

本文將從實戰(zhàn)需求分析和自主控制技術(shù)研究現(xiàn)狀兩個方面展開研究，重點探討無人機適應性自主控制技術(shù)在應用層面可能的發(fā)展方向。

1　需求分析

自主控制技術(shù)需求分析立足于無人機在應用方面的現(xiàn)狀和問題，提出現(xiàn)階段對自主控制技術(shù)較為迫切的需求。

1.1復雜戰(zhàn)場適應性

考慮一個戰(zhàn)術(shù)偵查無人機在實戰(zhàn)中運用的典型場景［1］。首先無人機從后方起飛，穿越部隊前線，規(guī)避敵方防空炮火，到某固定位置偵查或在某區(qū)域搜索移動目標，任務完成后撤離，重新回到己方陣地，最終回收。整個任務過程中，無人機要面臨可能的惡劣天氣如強風陣風，敵方炮火威脅，復雜電磁環(huán)境，回收場地不符合安全回收條件，甚至油料不足和自身設(shè)備故障等問題。表1為依賴遙控與預編程控制的無人機系統(tǒng)和具備一定適應性能力的無人機對比。

表1　戰(zhàn)場環(huán)境下無人機適應能力對比

表1中，依賴遙控與預編程控制的無人機系統(tǒng)在面對飛行意外時，基本上只能依靠操作人員的經(jīng)驗來判斷，同時由于自主控制能力的低下，系統(tǒng)能提供給操作人員的調(diào)整工具僅限于最基本的操作指令。實戰(zhàn)中，這種抗風險能力低的問題會更加突出。在表1中所列自主控制能力中，自主或輔助調(diào)整控制律和自主搜索回收場地屬于對外部態(tài)勢的適應性；優(yōu)化飛行模式，空中加油以及自主或輔助處理故障屬于對內(nèi)部態(tài)勢的適應性。這些技術(shù)都屬于無人機適應性控制技術(shù)。

1.2簡化飛行操作

應用無人機系統(tǒng)對自主控制技術(shù)的另一需求是簡化飛行操作，使其能夠更多地關(guān)注決策問題或使其能同時對多架無人機進行監(jiān)控，同時降低操作人員誤操作的風險。

隨著無人機續(xù)航能力的增強，操作人員需要長時間面對單調(diào)枯燥的監(jiān)視設(shè)備。精神疲倦易引起對飛行意外反應不及時，或在搜索時漏過搜索目標等情況，導致額外風險。這種情況下，需要無人機系統(tǒng)對底層飛行參數(shù)具備一定的監(jiān)督能力，以及對任務數(shù)據(jù)具備一定的認知能力。

在單人控制多機的情況下，對自主控制技術(shù)的需求將更加復雜。操作人員的定位將由操作者變化為監(jiān)督?jīng)Q策者，要求無人機對起飛、回收、威脅規(guī)避、目標識別等任務具備自主完成能力。由于多機同時飛行，還會產(chǎn)生對無人機防撞躲避技術(shù)，時敏的多機任務規(guī)劃協(xié)調(diào)體制以及更加精確靈活的飛控技術(shù)的需求。

1.3緊急狀態(tài)輔助

在無人機遇到緊急情況，如意外停車，舵面控制異常，開傘失敗等關(guān)系到飛行安全的重大故障和意外時，應急處理是否得當關(guān)系到飛機能否安全回收。傳統(tǒng)的應急處理主要取決于操作人員的經(jīng)驗、心態(tài)和反應等素質(zhì)。如果系統(tǒng)在此時能夠給出恰當?shù)妮o助、乃至自動操作，飛機的安全性將得到很大提升。這就需要系統(tǒng)對無人機故障或意外判斷準確，同時準備合理可靠的操作預案。

以上是在目前基礎(chǔ)上無人機應用進一步發(fā)展對自主控制技術(shù)的大致需求分析。綜合起來看，除了對無人機執(zhí)行層面如飛機性能提出更高要求以外，飛行態(tài)勢感知層面的技術(shù)成為實現(xiàn)這些技術(shù)需求的關(guān)鍵。

2　自主控制技術(shù)研究應用現(xiàn)狀

根據(jù)文獻［5］對無人機自主控制技術(shù)內(nèi)涵的分析，適應性自主控制技術(shù)支撐主要包括：外部態(tài)勢（外部資源和威脅）通信告知/部分自感知、自身態(tài)勢（平臺健康和能力）感知、機載健康管理系統(tǒng)、故障自修復、控制律重構(gòu)、面向飛行狀態(tài)的適應性控制、面向任務的可變模態(tài)控制、自主起降、大飛行包線、大過載、大機動、惡劣環(huán)境下的適應性控制。其中除了飛機基礎(chǔ)性能的提高外，這些技術(shù)主要包括對內(nèi)外態(tài)勢的感知以及應用感知信息對飛機進行適應性控制。

2.1外部態(tài)勢感知

外部態(tài)勢感知目前主要包括對風、地形地理環(huán)境和地面目標的感知［5］。

無人機機載在線風場估計技術(shù)是一個早已被廣泛研究的課題。基于地速等于風速加空速的矢量三角關(guān)系，使用簡單的單/多步長估計［4］或動力學模型和卡爾曼濾波［7-8］，飛機在平直飛行時的平面穩(wěn)態(tài)風場估計已經(jīng)有多種方法實現(xiàn)，且已經(jīng)應用于當前的無人機系統(tǒng)。由于突發(fā)陣風和空氣中小范圍紊流的存在，風場估計在實際應用中無法非常精確。

即便如此，穩(wěn)態(tài)風場估計也有利于飛機對飛行軌跡的控制。由于目前的中小型無人機的飛行速度較低，其飛行航跡受風影響很大。將風速納入導航控制律參數(shù)以及航跡生成的調(diào)整過程中，將有效提高飛機跟蹤航跡的能力。相關(guān)的研究如參考文獻［9-10］等。

對地形地理環(huán)境的感知主要為對飛機周圍地形如山地及下方地形如水面，平緩表面的感知。

對山地的感知主要來自于已有的測繪結(jié)果。飛行區(qū)域的地形是操作人員在考慮起飛、回收以及任務規(guī)劃時必須考慮的問題。在任務規(guī)劃階段，利用三維數(shù)字地圖，地面站位置和目標任務區(qū)域的信息，無人機系統(tǒng)可以給出起飛回收階段和飛行路線規(guī)劃的地形約束輔助，從而進一步實現(xiàn)自主起降。

對下方地形的感知主要是利用機器視覺技術(shù)判斷無人機下方或前下方的地形，以實現(xiàn)無人機自主回收。對滑降無人機而言，飛機的視覺感知是判斷跑道相對位置的重要手段。由于可以人為地給回收區(qū)域設(shè)置易識別的標志，這方面的難度可以被顯著降低［6］。然而，由于滑跑回收的復雜性和對控制精度的要求，一些其他的感知手段如精確的差分衛(wèi)星定位［12］，基于地面的視覺感知［13］的研究也在同步進行。對傘降方式而言，視覺感知的目的在于尋找較平整的回收區(qū)域。這方面的研究如參考文獻［14-15］等。

無人機目標感知也基于機器視覺技術(shù)的發(fā)展。這方面技術(shù)的研究和應用已經(jīng)非常廣泛，只是在工程化后的可靠性和適應性方面仍有欠缺。除了機器視覺技術(shù)本身，針對飛行與環(huán)境狀態(tài)的傳感器可靠性管理［16］也是態(tài)勢感知的一部分，即通過對飛機飛行的氣象，光線條件等環(huán)境因素的分析來估計當前目標感知結(jié)果的可靠性。目前目標感知僅止于對操作人員的提醒與輔助。

2.2內(nèi)部態(tài)勢感知

無人機內(nèi)部態(tài)勢的感知主要包括飛機健康管理和飛行狀態(tài)感知［5］。

飛機健康管理系統(tǒng)是航空界的重要研究領(lǐng)域。其內(nèi)涵和外延已經(jīng)延伸到整個飛機系統(tǒng)的方方面面。涉及到的領(lǐng)域也包括了傳感器、材料、控制、機器學習等多個學科。目前主流的無人機具備機上故障檢測（BIT）能力。但更復雜的故障預判，異常檢測和診斷仍處于研究試驗階段。目前的檢測技術(shù)中主要有兩種類型：數(shù)據(jù)驅(qū)動和模型驅(qū)動。

數(shù)據(jù)驅(qū)動技術(shù)不需要對異常或故障模式的原理有深入了解，只需要對正常和異常數(shù)據(jù)進行分析比對就能檢測出異常狀況。主流的算法包括神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡、支持向量機、模糊邏輯、回歸分析等。由于機上設(shè)備繁雜，故障類型多，所以使用數(shù)據(jù)驅(qū)動技術(shù)做故障檢測需要對每種類型單獨分析。數(shù)據(jù)驅(qū)動技術(shù)目前仍處在部分組件的應用研究階段，如對副翼偏斜、液壓閥、傳動裝置的數(shù)據(jù)異常檢測［11，17 - 18］。其瓶頸在于需要大量實際飛行數(shù)據(jù)，特別是故障和異常數(shù)據(jù)。這類數(shù)據(jù)的采集以及模型生成后的飛行驗證都是比較困難的。然而，由于機器學習理論和應用在近年來的迅猛發(fā)展，這方面技術(shù)在今后的應用將越來越廣泛。

基于模型的方法需要對設(shè)備失效和故障模式原理有清晰的了解。由于多數(shù)故障模型在設(shè)備開發(fā)時已經(jīng)同步建立并完善，因此，在實現(xiàn)時比較容易。用于診斷的一種通用模型是時標故障傳播圖（Timed Fault Propagation Graph），其被用來分析各種故障發(fā)生后的系統(tǒng)行為［19-21］。

以上兩種方法各有優(yōu)劣，更可靠的方法是將兩種方法結(jié)合起來。即將采集到的數(shù)據(jù)和已有知識結(jié)合，來判斷可能的異常事件，即專家系統(tǒng)。通過對故障樹（Fault Tree Analysis）或事件樹（Event Tree Analysis）分析生成的專家系統(tǒng)可以對結(jié)構(gòu)損傷［23］、動力系統(tǒng)［24］、燃料系統(tǒng)［25］、航電系統(tǒng)［26］等進行檢測和診斷。

無人機健康管理系統(tǒng)技術(shù)門類繁多，技術(shù)路徑廣泛。許多技術(shù)都是在應用中逐漸發(fā)展完善的。長時間的實踐積累才是面向應用的健康管理系統(tǒng)的基礎(chǔ)。這方面的發(fā)展將是一個不斷進步又相當漫長的過程。

飛行狀態(tài)感知主要是對正常飛行狀態(tài)的感知和確認。這種感知方式將零散的傳感器數(shù)據(jù)整合在一起，生成對操作人員更友好的信息，特別是在起飛和回收階段。狀態(tài)感知技術(shù)還可以與任務規(guī)劃數(shù)據(jù)結(jié)合，感知與任務相關(guān)的飛行狀態(tài)［22］。從目前無人機的發(fā)展方向看，飛行感知單元將逐步發(fā)展成為未來機載信息系統(tǒng)的基礎(chǔ)［1］。

2.3適應性控制系統(tǒng)

適應性控制系統(tǒng)是無人機感知到內(nèi)外部態(tài)勢變化后在執(zhí)行層面產(chǎn)生反應的機構(gòu)。

適應性控制系統(tǒng)主要面對的問題之一是增強飛控系統(tǒng)的容錯性，即容錯控制系統(tǒng)。其中分為被動容錯和主動容錯。被動容錯控制即所謂健壯系統(tǒng)（Robust System），已經(jīng)有很多成功工程應用。然而被動容錯控制系統(tǒng)仍屬于反射性的適應行為，無法真正與故障檢測和診斷系統(tǒng)配合［28］。與之相比，主動容錯控制通過獲取故障信息，對飛控系統(tǒng)的參數(shù)甚至結(jié)構(gòu)進行調(diào)整，從而達到適應性飛行的目的［29］。目前，一定程度的容錯控制系統(tǒng)在美國波音公司的X-36，X-40A，X-45和T-33型無人機等測試平臺上已經(jīng)進行過成功測試［30-31］。

適應性控制系統(tǒng)還包括面向飛行狀態(tài)和飛行任務的動態(tài)控制等。這方面的控制一方面依賴于對態(tài)勢的精確感知，另一方面依賴于機器學習和參數(shù)估計方法的引入，如神經(jīng)網(wǎng)絡、模糊邏輯、貝葉斯估計、專家系統(tǒng)等，達到對飛行控制參數(shù)的動態(tài)調(diào)整［27，32］。從而使飛行器能在較為抽象和面向任務的飛行模式中飛行：如低空高速突防模式，高空巡航模式，長航時巡航模式等。

總體來說，適應性控制系統(tǒng)還處于研究驗證測試階段。沒有大規(guī)模應用的原因在于目前還沒有較可靠的故障檢測和態(tài)勢感知技術(shù)與之配合。同時參數(shù)可變乃至結(jié)構(gòu)可變的控制系統(tǒng)本身仍處于研究階段。

3　無人機適應性自主控制技術(shù)框架

總結(jié)以上對無人機外部感知技術(shù)，內(nèi)部感知技術(shù)以及適應性控制技術(shù)的分析，在現(xiàn)有無人機飛行管理系統(tǒng)的基礎(chǔ)上，具備一定適應性自主控制能力的無人機系統(tǒng)在機載和地面設(shè)備中應有一信息處理層，用于處理原始數(shù)據(jù)，指導適應性飛控系統(tǒng)以及進行決策操作輔助。

本文中分析的感知和自主控制技術(shù)框架如圖1所示。為了突出自主控制模塊，其中省略和簡化了部分在傳統(tǒng)無人機系統(tǒng)中已經(jīng)應用的成熟模塊，如傳統(tǒng)的導航和任務管理模塊等。

圖1　無人機適應性自主控制技術(shù)框架

相比目前主流的無人機系統(tǒng)，操作人員仍然具備底層的數(shù)據(jù)獲取和飛行控制權(quán)限。不同的是，原始數(shù)據(jù)會經(jīng)過機載和地面的感知單元處理，更易于操作人員判斷。多數(shù)時候，操作人員只需要關(guān)注這些信息。操作人員對飛機的指令也更趨于抽象和面向任務。飛機根據(jù)指令規(guī)劃航路并進行適應性飛行。

圖1展示的無人機自主控制框架基本上覆蓋了第2節(jié)中分析的無人機自主控制技術(shù)需求，同時其中所列技術(shù)模塊都已有相當?shù)难芯?，具備一定的實驗測試基礎(chǔ)，可以考慮在未來的無人機發(fā)展中逐步應用完善。

4　結(jié)論

無人機適應性自主控制技術(shù)在目前我國的無人機發(fā)展中有現(xiàn)實的、迫切的應用需求。本文在分析了無人機適應性自主控制技術(shù)現(xiàn)實需求的基礎(chǔ)上，考察了相關(guān)技術(shù)的研究發(fā)展現(xiàn)狀，提出了旨在實現(xiàn)對故障和飛行狀態(tài)具備一定適應性的無人機自主控制技術(shù)框架。對近期及中期的無人機應用技術(shù)發(fā)展具有一定參考意義。

參考文獻：

［1］THEIBING N，KAHN G，SCHULTE A. Cognitive automationbased guidance and operator assistance for semi-autonomous mission accomplishment of the UAV demonstrator SAGITTA ［M］. Deutsche GesellschaftfürLuft-und Raumfahrt-Lilienthal-Oberth eV，2013.

［2］United States Department of Defense.Unmanned systems integrated roadmap，F(xiàn)Y2013-2038［M］.United States Department of Defense，2013.

［3］LAWSON C P，MONTERZINO G A. Design manufacturing integration and flight testing of a health monitoring system for a prototype unmanned airborne vehicle［J］.Proceedings of the Institution of Mechanical Engineers，Part G：Journal of Aerospace Engineering，2014，228（7）：997-1009.

［4］屈耀紅，凌瓊，閆建國，等.無人機DR/GPS/RP導航中風場估計仿真［J］.系統(tǒng)仿真學報，2009，21（7）：1822-1825.

［5］陳宗基，魏金鐘，王英勛，等.無人機自主控制等級及其系統(tǒng)結(jié)構(gòu)研究［J］.航空學報，2011，32（6）：1075-1083.

［6］YANG W S，SEBASTIAN A. An onboard monocular vision system for autonomous takeoff，hovering and landing of a micro aerial vehicle［J］.Journal of Intelligent & Robotic Systems，2013，69（1-4）：499-515.

［7］BREZOESCU A，CASTILLO P，LOZANO R. Wind estimation for accurate airplane path following applications［C］//Unmanned Aircraft Systems（ICUAS），2013 International Conference on. IEEE，2013：869-874.

［8］PETHICH J，SUBBARAO K. On-board wind speed estimation for uavs［C］//AIAA Guidance，Navigation，and Control Conference，2011，10.2514/6.2011-6223.

［9］SUJIT P，SARIPALLI S，SOUSA J. Unmanned aerial vehicle path following：A survey and analysis of algorithms for fixed-wing unmanned aerial vehicless［J］.Control Systems，IEEE，2014，34（1）：42-59.

［10］RATNOO，A，SUJIT P B，et al. Optimal path following for high wind flights［C］//18th IFAC World Congress，Italy：Milano，2011：12985-12990.

［11］BALABAN E，BANSAL P，STOELTING P，et al，A diagnostic approach for electro-mechanical actuators in aerospace systems［C］//Aerospace Conference，2009 IEEE，2009：1-13.

［12］SMIT S J A. Autonomous landing of a fixed-wing unmanned aerial vehicle using differential GPS［D］. Stellenbosch：Stellenbosch University，2013.

［13］ZHANG Y，SHEN L，CONG Y，et al. Ground-based visual guidance in autonomous UAV landing［C］// International Societyfor OpticsandPhotonics，2013，9067：doi：10.1117/12.2052977.

［14］SHEN Y F，RAHMAN Z，KRUSIENSKI D，et al. A vision-based automatic safe landing-site detection system ［J］. Aerospace and Electronic Systems，IEEE Transactions on，2013，49（1）：294-311.

［15］WARREN M，MEJIAS L，YANG X，et al. Enabling aircraft emergency landings using active visual site detection［C］//FSR2013 the 9th International Conference on Field and Service Robotics，Brisbane，Australia，2013：167-181.

［16］RUSS M，SCHMITT M，HELLERT C，et al. Airborne sensor and perception management：Experiments and Results for surveillance UAS［C］// In AIAA Infotech@ Aerospace Conference 2013，Boston，MA. 2013，10.2514/6.2013-5144.

［17］FREEMAN P，BALAS G J. Analytical fault detection for a small UAV［C］// AIAA Infotech@Aerospace（I@A）Conference 2013，Boston，MA. 2013，10.2514/6.2013-5217.

［18］RASHIDY H，REZEKA S，SAAFAN A，et al. A hierarchical neuro-fuzzy system for identification of simultaneous faults in hydraulic servovalves［C］// American Control Conference，2003. Proceedings of the 2003，2003，5：4269.

［19］HOWARD L. An algorithm for diagnostic reasoning using TFPG models in embedded real-time applications［C］// AUTOTESTCON Proceedings，2001. IEEE Systems Readiness Technology Conference，2001：978.

［20］PADALKER S，KARSAI G，BIEGL C，et al. Real-time fault diagnostics［J］.IEEE Expert，1991，6（3）：75-85.

［21］OFSTHUN S C，ABDELWAHED S. Practical applications of timed failure propagation graphs for vehicle diagnosis［J］. Autotestcon，IEEE，2007，250（3）：876-880.

［22］THEIBING N，SCHULTE A. Intent-Based UAV mission management using an adaptive mixed-initiative operator assistant system［C］// AIAA Infotech@ Aerospace Conference 2013，Boston，MA.2013，10.2514/6.2013-4802.

［23］LOPEZ I，SARIGUL K N. A review of uncertainty in flight vehicle structural damage monitoring，diagnosis and control：Challenges and opportunities［J］.Progress in Aerospace Sciences，2010，46（7）：247-273.

［24］ELSAADAWI AM，KALAS AE，F(xiàn)AWZI M. Development of an expert system to fault diagnosis of three phase induction motor drive system［C］// Power System Conference，2008. MEPCON 2008. 12th International Middle-East，2008：497.

［25］LONG H，WANG X. Aircraft fuel system diagnostic fault detection through expert system［C］// Intelligent Control and Automation，2008.WCICA 2008. 7th World Congress on，2008：7104.

［26］CHEN J，CHEN X. Research on embedded airborne electronic equipment fault diagnosis expert system［C］// Information Engineering and Computer Science（ICIECS），2010 2nd International Conference on，IEEE，2010：1-5.

［27］FENG G. A survey on analysis and design of model-based fuzzy control systems［J］.Fuzzy Systems，IEEE Transactions on，2006，14（5）：676-697

［28］ESPERON M M，PHILIP J，JENNIONS IK. A review of Integrated Vehicle Health Management tools for legacy platforms：Challenges and opportunities［J］. Progress inAerospace Sciences，2013，56：19-34.

［29］ZHANG Y，JIANG J. Integrated active fault-tolerant control using IMM approach［J］. Aerospace and Electronic Systems，IEEE Transactions on，2001，37（4）：1221-1235.

［30］CHAMBERS J R. Partners in freedom：contributions of the langley research center to U.S. military aircraft of the 1990s ［M］. NASA，2000.

［31］DUCARD GJJ. Fault-tolerant flight control and guidance systems：practical methods for small Unmanned Aerial Vehicles［M］. Springer，2009.

［32］STENGEL RF. Toward intelligent flight control［J］. Systems，Man and Cybernetics，IEEE Transactions on，1993，23 （6）：1699-1717.

Requirement and Development Analysis of UAV Autonomous Control Technology

HE Ruo-fei1，LI Da-jian1，LIU Hong-juan2，LIU Hui-xia1
（1.No.365 Institute，Northwestern Polytecnical University，Xi’an 710038，China；2. Xi’an ASN Technology Group Co.Ltd，Xi’an 710038，China）

Abstract：By the fast development of UAV industry，the autonomous control technology is becoming an important factor for the improvement of UAV survival ability，adaptive ability and mission accomplishment ability. This paper analyzes the practical scenario and requirement of UAV usage and proposes that the recent important requirement for autonomous control technology of UAV is the improvement of the UAV situation perception and the adaptation to failure and flight status. This paper analyzes the current research application of the autonomous control on the external situation perception，internal situation perception and adaptive flight control. Finally，according to the analysis of the requirement and current technologies，this paper proposes a technology framework for the UAV adaptive autonomous control.

Key words：UAV，autonomous control，adaptive control，situation perception

中圖分類號：V323.3+2

文獻標識碼：A

文章編號：1002-0640（2016）05-0001-05

收稿日期：2015-03-05修回日期：2015-05-07

作者簡介：賀若飛（1982-），男，陜西西安人，博士，助理研究員。研究方向：無人機自主控制和導航控制技術(shù)。