無人機人機協(xié)作控制權(quán)限分配方法研究分析 計算機專業(yè)

摘要隨著技術(shù)的不斷發(fā)展，復雜建模和決策算法都得到了長足的進步，這兩種進步的進步又推動了無人機指揮控制系統(tǒng)的發(fā)展，使其更加完善，決策更加智能，但是部分問題依舊存在耗時長、難處理的情況，而目前啟發(fā)式的方法并不能提供滿意解，在這種情況下，就需要人、機分別完成不同的決策功能，以適當?shù)淖詣踊燃墎韺崿F(xiàn)決策過程，可以充分結(jié)合人的和自動化系統(tǒng)各自的優(yōu)勢。本文將從人機能力優(yōu)勢比較，系統(tǒng)自動化等級劃分，決策分配原則和評估準則，決策分配方法步驟等無人機人機協(xié)作控制分配相關(guān)問題進行研究，在決策分配過程中主要采用ULMADM(UncertainLinguisticMultipleAttributeDecisionMaking)方法進行不確定信息的集結(jié)和處理，進而計算得出對應的自動化等級。關(guān)鍵詞：自動化等級，無人機決策分配，人機協(xié)同，ULMADMResearchonControlRightsAllocationMethodforUAVMan-MachineCooperativeControlAbstractWiththerapiddevelopmentofglobalscienceandtechnology,theprogressofdecision-makingalgorithmandthedevelopmentofcomplexmodelingtechnologyhavepromotedtheoptimizationofdecision-makingfunctionofUAVcommandandcontrolsysteminvaryingdegrees.However,someproblemsarestilltime-consuminganddifficulttodealwith.Atpresent,meanwhile,heuristicmethodscannotprovidesatisfactorysolutions.Inthiscase,peopleandmachinesarerequiredtocompletedifferentdecision-makingfunctionswithappropriateautomationlevels.Itcanfullycombinetheadvantagesofhumanandautomationsystems.Inthispaper,therelativeproblemsofUAVman-machinecooperativecontrolallocation,suchasthecomparisonofhumancapabilityadvantages,theclassificationofsystemautomationlevels,theprinciplesandevaluationcriteriaofdecision-makingallocation,themethodandstepsofdecision-makingallocation,willbestudied.Intheprocessofdecisionallocation,ULMADMmethodismainlyusedtoaggregateandprocessuncertaininformation,andthencalculatethecorrespondingautomationlevel.Keywords：Automationlevel,UAVDecisionAllocation,Man-machinecooperation,ULMADMTOC\o"1-3"\h\u摘要 IAbstract II1緒論 11.1研究背景及目的 11.2研究意義 21.3國內(nèi)外研究現(xiàn)狀 31.4研究內(nèi)容 82權(quán)限分配方法研究 92.1人機能力優(yōu)勢比較 92.2分配原則研究 122.3權(quán)限分配評估準則 182.4自動化等級確定 222.5基于UEWAA算子和ULHA算子的多屬性決策方法 223算法的實現(xiàn)與算例 263.1算法的MATLAB實現(xiàn) 263.2控制權(quán)限的動態(tài)分配 293.3權(quán)限動態(tài)分配仿真 30總結(jié) 33致謝 34參考文獻 351緒論1.1研究背景及目的非傳統(tǒng)作戰(zhàn)飛機日前已成為各國軍事手段中的重要力量，自從20世紀初期無人機在第一次世界大戰(zhàn)中產(chǎn)生開始，軍事無人機發(fā)展演變速度很快，從一開始的無人靶機經(jīng)歷了一百多年的洗禮后，到如今的多用途的無人機，目前先進的無人機采用復合控制系統(tǒng)。在軍用級別的裝備市場中，無人機飛行速度和可靠性的要求其實要遠遠超過商用無人機，也正是由于對于性能的嚴苛要求，才有技術(shù)的不斷進步，除此之外由于無人機速度快、高度大，操作人員的操作難度也相應提升，為了減輕人類負擔，更加智能化的無人機應運而生。在改革開放以來，我國進入了經(jīng)濟發(fā)展的高峰期，各種技術(shù)，像計算機、自動化等的進步速度也到達了頂峰，無人機系統(tǒng)的智能化程度一直在上升，可以自行獨立進行的任務自然越來越多，其中包括數(shù)據(jù)信息的可視化、簡單重復性決策、飛行數(shù)據(jù)的存儲和管理、精確航跡規(guī)劃和控制等，不過仍然不可避免的有出題出現(xiàn)?，F(xiàn)在自動化技術(shù)在生產(chǎn)生活中應用的范圍越來越廣，這在降低人力成本提高生產(chǎn)效率上確實起到了舉足輕重的作用，不過同時也許會造成人的感知水平下降[1]等問題；同時，即便是在運算方面，人永遠也達不到計算機的水平，并在一些精確和平穩(wěn)控制問題的處理上遠超人類，但也不是總能為所有問題提供滿意解。人類對于行為目的和后果的把控、對于整體環(huán)境的宏觀感知和評估、對陌生事物的概念化能力、感性抽象能力和創(chuàng)造性和靈活性等方面更具優(yōu)勢。面對上述問題，如若將指揮控制系統(tǒng)部分決策功能進行拆分劃分，將其按照人與計算機的不同特點來進行分配，同時設定一定的自動化等級，對所有的決策劃分自動化等級，將人加入到系統(tǒng)的閉環(huán)回路中進行決策，人在決策中的優(yōu)勢在于經(jīng)驗性強、直覺性高等，而計算機的優(yōu)勢在于反應迅捷、不容易出錯等，若是可以將其優(yōu)點結(jié)合起來，使其互相補充，協(xié)同決策，最后產(chǎn)生的決策結(jié)果一般會優(yōu)于其任一方單獨決策。這就是所謂的決策分配。功能分配(functionallocation.FA)包括有決策分配(decisionallocation.DA)，在設計無人機智能控制系統(tǒng)的時候，這也是一個優(yōu)先級高、重要性強的繞不過去的問題[2]。在有人機/UCAV協(xié)同作戰(zhàn)方面，功能分配的主要研究內(nèi)容就是研究如何將決策功能在指揮員和無人機之間進行分配。為了將其分配的更加協(xié)調(diào)，這里通過系統(tǒng)分析，在開始作戰(zhàn)之前的準備時期，以作戰(zhàn)任務為出發(fā)點，分析功能分配需要滿足的目標，然后在這個基礎(chǔ)上，結(jié)合已有的技術(shù)能力，對人和無人機分別能夠達到的要求進行深入細致而且充分的分析研究。然后結(jié)合分析結(jié)果提出提出功能分配的初步計劃以及具體的實現(xiàn)步驟，將人和機器的功能完美的結(jié)合在一起，使人的經(jīng)驗以及判斷能力和計算機的運算能力得到最大化的融合和發(fā)揮，兩者共同決策、密切配合，產(chǎn)生一加一大于二的效果。1.2研究意義好的決策系統(tǒng)對于人機協(xié)作來的影響無疑是巨大的，人天生所具備的創(chuàng)造力加上后期經(jīng)驗帶來的推理能力倘若能與自動化系統(tǒng)的高反應、低延時、快計算等能力有機的結(jié)合在一起，會極大地激發(fā)人機系統(tǒng)的工作能力，帶來更低的功耗、更強的生存能力、更強的作戰(zhàn)能力、更強的續(xù)航能力。對于單無人機系統(tǒng)，能極大的減輕操作員的工作負荷，讓操作員將更多的精力放在更加重要的問題上，同時又保留有一定的決策權(quán)限，降低態(tài)勢感知能力下降帶來的負面影響，降低其工作疲勞與失誤操作。不僅如此，較好的決策系統(tǒng)能節(jié)省自動化系統(tǒng)的計算存儲資源，提高資源轉(zhuǎn)換利用效率，降低出錯概率，還能夠充分發(fā)揮無人機的作戰(zhàn)優(yōu)勢，一邊能夠使作戰(zhàn)人員更好的把握戰(zhàn)機，進而更加高效地完成作戰(zhàn)任務。對于少量人員操作大數(shù)量的無人機群而言，好的決策系統(tǒng)意義更加重大，這也是無人機未來發(fā)展的主要方向。不能將人和機器的配合簡單的認為僅僅是空中作戰(zhàn)平臺的互相配合，而要清楚的明白，這是無人控制系統(tǒng)和有人控制系統(tǒng)在控制系統(tǒng)層面的相互配合，是在高層面上看到的控制系統(tǒng)的深度交融。若是擁有兩種系統(tǒng)的飛機結(jié)合起來共同作戰(zhàn)的話，以下任務將成為重中之重：協(xié)同態(tài)勢感知、協(xié)同指揮決策、協(xié)同火力打擊及實時毀傷評估，具備這些特點后，系統(tǒng)將能夠完成從傳感器到戰(zhàn)斗部的空中一體化作戰(zhàn)行動。兩相結(jié)合共同作戰(zhàn)具備下述優(yōu)點：作戰(zhàn)水平得到極大的提升?？罩袛?shù)據(jù)鏈系統(tǒng)的建立能夠為有人機和無人機提供組網(wǎng)，有人機具備較強的信息獲取能力，所以可作為指揮控制中心發(fā)號施令，在對戰(zhàn)場情況進行實時的監(jiān)察和評估的同時還能夠接收到海陸空各方的態(tài)勢信息，自主控制無人機群；無人機由于具有體積小、機動性強等優(yōu)勢，能夠不知不覺的接近敵方目標，深入其內(nèi)部區(qū)域，這就無形中將偵查距離延伸到了地方后部，提高了遠程攻擊的有效性，使得戰(zhàn)斗可以波及更遠的范圍。作戰(zhàn)編隊效率提高。第一時間進入戰(zhàn)場的不再是偵察機，而是無人機。這能夠幫助地面基站人員提前將戰(zhàn)場態(tài)勢把握住，在一定的指揮結(jié)構(gòu)下，兩種飛機能夠迅速編隊，并為對方提供必要的火力支援、信息補充、決策幫助等，這在一定程度上能夠降低我方反應延時，在最短時間內(nèi)完成打擊任務。(3)編隊生存能力增加。無人機能夠執(zhí)行特殊任務，避免戰(zhàn)斗人員的損失。在無人機和有人機群編隊狀態(tài)下，能夠通過特殊的防御編隊，提高機群的防御能力，以部分無人機損失為代價，保存有人機作戰(zhàn)能力[3]。除此之外，協(xié)同電子對抗等也成為戰(zhàn)場中的有力手段。1.3國內(nèi)外研究現(xiàn)狀目前,對于有人/無人機協(xié)同作戰(zhàn),國內(nèi)外已開展大量研究工作。美軍空軍曾經(jīng)在2004的時候提出過一個軟件使能控制項目，在其中，人對無人機的控制是通過語音命令來完成的，在發(fā)生緊急狀況的時候語音語音控制能夠以最快的速度對危險做出反應；在2001的時候，美軍陸軍進行過無人控制和有人控制系統(tǒng)兩者結(jié)合的綜合項目，其研究成果在不同層面證實了地面控制站以及部隊和直升機平臺三者的協(xié)同能力；美軍海軍還提出了一種設想，在將來，以固定的人機編隊的形式，以運輸機、強擊機等有人機來指揮無人機。我國在這一方面的研究現(xiàn)在主要是在理論方面，在實踐方面還沒有大規(guī)模的應用，其現(xiàn)有的研究方向有體系結(jié)構(gòu)、決策分配等等。現(xiàn)在對于兩者的協(xié)同作戰(zhàn)，全世界范圍內(nèi)都沒有形成成熟的理論以及實踐模式，都在積極的探索研究當中，已有的探索研究在試驗驗證和算法設計方面進行的想多更多，而在系統(tǒng)的發(fā)展方面還比較小，比方說其綜合優(yōu)勢、體系結(jié)構(gòu)等等。在研究人機功能分配問題時,現(xiàn)在在世界上比較有名的幾種分配方式包括：人機能力比較分配法、Price決策圖法、Sheffield法、自動化分類與等級設計法、York法等。1.3.1混合主動控制目前關(guān)于有人機/UCAV編隊指揮控制系統(tǒng)的研究中,美國DARPA主持的自治編隊混合主動控制是一種比較吸睛的控制系統(tǒng)[4]。所謂混合主動控制(MixedInitiativeControl),就是人類指揮員和智能決策系統(tǒng)的協(xié)同控制。該工程的主要目標是通過提高UCAV的自主控制和協(xié)同控制能力,使操作員在處理當前任務的同時(如駕駛自身所在有人機),實現(xiàn)對大規(guī)模UCAV編隊的指揮控制。現(xiàn)在的無人機的數(shù)量通常都是有人機數(shù)量的三分之一到二分之一，在MICA之中，將會將這個比例擴大到三十倍。多個大學和研究機構(gòu),如麻省理工學院、卡內(nèi)基梅隆大學、華盛頓大學、Honeywell技術(shù)研究中心等都參與到MICA工程中,分別對UCAV編隊指揮控制系統(tǒng)的多項關(guān)鍵技術(shù)進行研究。MICA工程代表性的研究成果有：文獻[4]指出的為了實現(xiàn)混合主動控制，降低操作員的工作負荷，操作員的工作模式應從底層控制轉(zhuǎn)為高層控制，而“劇本界面（PlaybookInterface）”可以實現(xiàn)操作員與UCAV在不同層次上的人機交互，它通過在操作員和無人機之間共享態(tài)勢和作戰(zhàn)意圖，從而實現(xiàn)操作員對無人機編隊的有效控制。為了更好的實現(xiàn)MICA工程的目標，操作員的指揮控制方式應從“人在回路中（Human-in-the-loop）”模式轉(zhuǎn)變?yōu)椤叭嗽诨芈飞希℉uman-on-the-loop）”模式，人機交互內(nèi)容也要做出相應的改變，從向操作員提供底層狀態(tài)和數(shù)據(jù)轉(zhuǎn)變?yōu)橄虿僮鲉T提供更強的態(tài)勢感知，并且使操作員能夠理解和評估智能系統(tǒng)的決策結(jié)果，從而在必要的時候?qū)ζ溥M行干預。作者認為智能Agent技術(shù)是UCAV編隊混合主動控制人機交互界面設計的理想選擇。也有為了實現(xiàn)對半自治（Semi-autonomous）UCAV的層次化協(xié)同控制[5]，采用以決策為中心的設計（Decision-CenteredDesign）理念，通過對關(guān)鍵任務和信息需求進行分析，確定指揮員在哪些方面需要何種決策支持。文獻[6]采用人機協(xié)同決策（Human-MachineCollaborativeDecision-Making,HMCDM）[6]方法解決UCAV編隊對地攻擊混合主動指揮控制系統(tǒng)的資源分配和任務規(guī)劃等復雜問題，該方法相對單獨的人類決策或者自動化決策能夠在較短的時間內(nèi)產(chǎn)生較優(yōu)的決策結(jié)果。這個文獻同時還研究了混合主動指揮控制系統(tǒng)的決策分配方案。1.3.2人機能力比較分配法這種方法是在功能分配的概念被提出來不久之后就提出的一種分配方法，比方說MABA-MABA方法,同時是這個世界上被用的最多最廣泛的一種方法，在工業(yè)化系統(tǒng)中監(jiān)控系統(tǒng)發(fā)展的初期被廣泛使用。1.3.3Price決策圖法對于這種方法，首先從功能角度對其人機特性進行對比分析，包括效能、可靠性等等，分析以后進行評估，將其結(jié)果以復數(shù)的形式表示出來，然后根據(jù)其在決策圖中所占據(jù)的區(qū)域來做出決策[8]。如下圖1.1：圖1.1Price決策圖這個決策圖以五條直線將其劃分成了六個區(qū)域，表示六個不同的分配方案，其中第一個和第二個區(qū)域表示功能由機器來完成，第四個和第五個區(qū)域表示功能由人來完成，第三個區(qū)域表示由人和由機器來完成兩者皆可，剩下的最后一個區(qū)域，也就是第六個區(qū)域表示需要通過別的方法來重新決策分配歸屬。比起FittlsLists方法來說，雖然這種方法將如何進行功能配合的方法敘述的更加明確和具體，不過在其中的計算績效的方式上，并沒有給出說明，同時考慮客觀條件，其績效計算并不容易。1.3.4Sheffield法Sheffield法[9]最初是在Sheffield大學在研發(fā)海軍的艦艇控制系統(tǒng)的時候所發(fā)明的一種功能分配方法。使用這種方法的時候，要將一百余項鞠策準則考慮在內(nèi)，除了對人和機器的特性進行了考量之外，還將人的社會性和安全性等因素以及自動化的費用等因素考慮在內(nèi)，其流程圖如下：圖1.2Sheffield法流程圖Sheffield法有優(yōu)點也有缺點，優(yōu)點在于其考慮的內(nèi)容囊括了方方面面的因素，還有將動態(tài)靜態(tài)分配過程都考慮在其中。最初設計目標是為了在海軍艦艇中使用，因此將艦艇工作人員的功能分配也考慮在了其中；考慮的因素多且全面是其優(yōu)點，同樣也是其最大的缺點，因為考慮的因素太多，而這些因素又難以通過一個數(shù)學模型來將其聯(lián)系起來，導致了設計工作難以進行；而且使用這種方法還需要功能分配的極為精細以完全分配給人或者機器，在簡單的系統(tǒng)中還有可能，若是系統(tǒng)比較復雜的話則幾乎不可能實現(xiàn)。1.3.5自動化分類與等級設計法這種方法最初是由英國學者Parasuraman和Sheridan[10]提出的，在提出以后多被用于工業(yè)化生產(chǎn)當中。在此種方法中，將自動化控制過程分解為四個程序，分別是獲取信息、分析數(shù)據(jù)、進行決策、執(zhí)行決策。同時將自動化程度劃分為十個等級如圖：圖1.3自動化等級在確定了自動化等級以后將系統(tǒng)功能按照前面所提高的四個步驟劃分類別，然后確定各個功能的自動化程度，接下來修改完善確定自動化類型以及等級。按照下述的流程來進行：圖1.4自動化分類與等級設計流程圖1.3.6York法這種方法最初是由英國的Dearden等學者所提出的，其設計目的是為了用于海軍軍艦，而且在應用以后得到的反饋也不錯，又被推廣到了單座飛機的功能分配之中，通常按照下面的流程來進行[11]。圖1.5York法流程圖此種方法考慮到了環(huán)境可能會對功能產(chǎn)生的影響，相對來說完善程度比較高，不過人員之間的功能分配欠缺考慮。1.4研究內(nèi)容分析人與自動化系統(tǒng)各自的決策優(yōu)勢，學習多種解決多屬性決策問題的方法，不確定性語言型多屬性決策方法為重心，分析UEWAA算子的具體實施方法，根據(jù)實際情況確定劃分決策等級所要評估的原則，篩選并制定無人機人機協(xié)作的權(quán)限分配等級及評估準則體系。首先對關(guān)鍵算法進行編程驗證，然后選取特定應用場景進行實例化的仿真以檢驗方案的可行性和可靠性。1．分析比較人類決策能力與機器決策能力各自的優(yōu)勢所在。2．分析影響系統(tǒng)決策分配的主要因素，然后逐個詳細分析基于各個因素的權(quán)限分配原則并確定人機控制權(quán)限分配原則。整理并用不確定語言來描述確定人機權(quán)限分配的評估準則。3．分析多屬性決策方法，包括區(qū)間直覺模糊多屬性決策和不確定性語言型多屬性決策，由于所要進行分配的決策是用實數(shù)屬性權(quán)重值和不確定語言型屬性值來描述的方案，所以重點研究不確定擴展加權(quán)平均算子（UEWAA）和不確定語言混合集結(jié)算子（ULHA）。研究使用區(qū)間數(shù)可能度比較方法和區(qū)間數(shù)的排序理論。最后使用MATLAB編程實現(xiàn)算法。4．研究飛行員身體狀況波動或自動化系統(tǒng)資源匱乏等非正常情況下決策權(quán)限的動態(tài)分配方法。5．選擇特定的應用場景，模擬出需要進行分配的任務，對分配方法進行動態(tài)的仿真驗證，對實驗算法和計算結(jié)果進行可視化的成果展示。2權(quán)限分配方法研究2.1人機能力優(yōu)勢比較一般認知上，人類更加擅于進行富有創(chuàng)造性和啟發(fā)性的工作，面對未知情況下的歸納總結(jié)能力要遠遠超過一般自動化系統(tǒng)，而自動化系統(tǒng)則更加擅長處理需要大量計算的高精度、高準確度的問題，在存儲數(shù)據(jù)等能力方面遠遠超過人類，而未來作戰(zhàn)環(huán)境中面臨的問題既包括大批量的作戰(zhàn)數(shù)據(jù)的處理和相應，也包括未知情況下的目標判斷和決策等問題，在當前人工智能無法完全代替人類的工作的情況下，就非常迫切的需要人機有效結(jié)合，那么實際飛行中就需要對所有的任務進行合理分配，才能達到所期望的效果。在環(huán)境或者任務的復雜程度不同的時候，人和機器所表現(xiàn)出來的應對能力也不同，環(huán)境或者任務的復雜程度與人和機器之間的應對能力的相關(guān)關(guān)系如下圖2.1，人的行為規(guī)律是基于知識的，在較為復雜的環(huán)境或者任務的時候能夠表現(xiàn)出較高的可靠程度，而在復雜程度降低的時候，人的可靠程度也會降低；而計算機的行為規(guī)律是基于技巧的，越簡單的環(huán)境下，可靠程度越高。圖2.1人、機優(yōu)勢曲線對比圖在關(guān)于人機能力對比的研究結(jié)論中，最為著名的莫過于FittsList，如表2.1所示。它由人機系統(tǒng)領(lǐng)域的創(chuàng)始人之一P.M.Fitts于1951年提出，在后來的文獻中被廣泛引用。FittsList指出了人、機固有的優(yōu)勢和不足，通過兩兩對比可以決策出什么功能適合分配給人，什么功能適合分配給機。通常情況下，一方的優(yōu)勢恰好是另一方的劣勢，這種情況下看來二者可以實現(xiàn)優(yōu)勢互補，系統(tǒng)性能較單獨使用任一方也會有所提高。FittsList成為各種功能分配方法的基礎(chǔ)。表2.1FittsList人擅長于（MenAreBetterAt）機器擅長于（MachinesAreBetterAt）判別低強度的聲光信號相應速度快感知聲光模式精準程度高創(chuàng)造或運用靈活的方法執(zhí)行重復、程序性的任務可長期存貯大量信息，并能適時運用相關(guān)知識存儲或刪除方便徹底總結(jié)及邏輯推理能力計算及演繹推理能力運用判斷能力可并行處理多個復雜操作隨著計算機及自動化技術(shù)的迅速發(fā)展，以及人們對自身認識的加深，F(xiàn)ittsList的人、機優(yōu)勢分析顯示出一定的局限性，在它的基礎(chǔ)上也出現(xiàn)了一些更新。在經(jīng)過了技術(shù)高速發(fā)展以后的今天，即便上述兩種人機能力優(yōu)勢中的大部分仍然適用,但是用來概括其特點已經(jīng)不再適宜。比方說在復雜信息傳遞、經(jīng)驗學習、復雜態(tài)勢感知等等方面人具有很大的優(yōu)勢，在有人機和無人機結(jié)合的控制系統(tǒng)所具有的優(yōu)點有大多與都是由這些優(yōu)勢帶來的。在這里，綜合考慮各種因素后，總結(jié)出了有人機/UCAV編隊對地攻擊指揮控制系統(tǒng)的一些優(yōu)點所在，如下表：表2.2人機決策能力優(yōu)勢人的決策優(yōu)勢：應對靈活，適應能力強，可以自行根據(jù)情況做出調(diào)整；人擁有創(chuàng)造力，有時候可以巧妙的解決問題；視覺感知能力優(yōu)秀；能夠接收抽象的概念；隨著工作年限的提高，會不斷積累經(jīng)驗，不斷學習來提高自身水平；可以通過直覺或者邏輯對可能出現(xiàn)的意外進行判斷；交流方式豐富，語音、文字、手勢等等；模糊信息處理的能力比較強；符號推理以及空間推理能力優(yōu)秀；可以根據(jù)長時間的工作過程中積累下來的經(jīng)驗來提高決策效率；擁有良好的模式識別能力，能夠根據(jù)觀察對象的外部特征進行分類；可以通過常識來對局勢做出判斷，極大的降低出錯的幾率；在尋找最優(yōu)決策的時候，可以將其尋找范圍縮小；在尋找最優(yōu)決策的時候，若是能夠提前碰到滿意決策，則能夠前提結(jié)束尋找過程；在處理問題的時候，可以從各個角度來尋找解決方案。在解決不良結(jié)構(gòu)化問題的時候擁有優(yōu)勢；可以從宏觀的角度感知或者評估外界環(huán)境。機的決策優(yōu)勢：可以將各種信息顯示在顯示器上；存儲空間大，能夠存數(shù)的數(shù)據(jù)量多；能夠存儲很多知識或者規(guī)則；基于規(guī)則的邏輯推理能力；進行簡單、重復決策的能力；進行長時間復雜數(shù)學運算的能力；處理多變量組合問題較人具有優(yōu)勢；長時間連續(xù)工作能力；知識的并行處理能力；較快的計算速度，時間敏感的決策問題，計算速度至關(guān)重要；計算準確性高；由于按照設定的程序運行，具有較高的可預測性；對良結(jié)構(gòu)化問題的處理；長遠來看，具有較高的效費比；惡劣環(huán)境下的決策活動。2.2分配原則研究2.2.1基于認知模型的權(quán)限分配原則圖2.2人的三層決策模型如圖2.2人的處理模式根據(jù)其復雜程度分為三個層次[12]：(1)．基于知識的行為：這是最為復雜的處理模式，對于處理任何還沒有實現(xiàn)自動化的問題都需要采用這種方法，常常用于處理新的或者是不尋常的情況。這種模式的最大特點是行為中的規(guī)劃的調(diào)度，這是根據(jù)目標和問題本身，結(jié)合知識、經(jīng)驗的一個創(chuàng)造性的過程。(2)．基于規(guī)則的行為：這是用來處理常見態(tài)勢的模式，是經(jīng)過訓練的、高度自動化的行為序列。該模式由一系列組合的態(tài)勢－行動對（即規(guī)則）組成，處理問題的方法為，精確及時完成態(tài)勢評估，然后根據(jù)評估結(jié)果采取相應的對應措施。(3)．基于技能的行為：是一種類似條件反射的模式。該模式不涉及認知過程，對于已知的激勵可實現(xiàn)高度自動化的響應。將其擴展至無人機操縱系統(tǒng)，從認知學角度而言，人和計算機智能系統(tǒng)可以采取不同的行為模式應對系統(tǒng)受到的外部激勵。環(huán)境和任務的不確定性小，問題的各種情況基本上都可以預測到，異常情況少，則可以抽取問題的特征，分析其內(nèi)在規(guī)律，采用形式化的方法讓agent處理問題。環(huán)境和任務的不確定性大，則無法窮盡問題的可能情況，必須根據(jù)知識現(xiàn)場生成合適的應對方法，則系統(tǒng)必須依賴人的思維能力來處理系統(tǒng)的不確定性。故而對人的認知模型進行遷移得到如圖2.3所示的無人機系統(tǒng)的行為模型。圖2.3無人機系統(tǒng)行為模型從系統(tǒng)的控制行為而言，其控制模式是一種基于技能行為。如果無法獲得定量模型，而是采用模糊控制，人工智能的方式解決問題，其控制模式則是基于規(guī)則的行為。在這種模式中，人的經(jīng)驗和智能通過計算機的形式化方法得以發(fā)揮。最后，如果問題的不確定性和動態(tài)變化特性只有人根據(jù)經(jīng)驗和智慧現(xiàn)場分析才能得到解決，則應該采用認知學的方法，借助于控制科學的思想而不是方法，由人主動的干預問題的解決過程，指導計算機智能系統(tǒng)形成相應的對策。2.2.2基于系統(tǒng)本身因素的權(quán)限分配原則無人機系統(tǒng)組成中的人和計算機各自都具有一定的制約因素，這些因素會在決策過程中產(chǎn)生影響，尤其是對于要進行分配的任務和計算機而言，需要考慮更多限制因素。具體分析如下。功能自身約束優(yōu)先級別：某一個任務的相對重要程度或威脅程度。該任務相對與整個任務而言，是關(guān)鍵環(huán)節(jié)還是次要環(huán)節(jié)？順序約束：功能之間的先后依存關(guān)系。該任務的完成在何種程度依賴于其他任務的完成？時間約束：功能的時間特性。某一特定的任務是與固定的機會相關(guān)還是與固定的時間調(diào)度相關(guān)？空間約束：功能的空間特性。功能的執(zhí)行效果是否取決與特定的場所或地點？代理體能力約束結(jié)構(gòu)的理解：代理體是否具有合適的知識或者知道怎樣完成該功能（自動化系統(tǒng)進行的運行方式）？信息的獲?。捍眢w為完成某一任務能否獲得足夠的信息（良好的情景感知）？資源的獲取：代理體是否具有足夠的信息處理能力（如存儲能力，計算能力）或物質(zhì)能力（如空閑的機動面）來完成功能？執(zhí)行的能力：代理體是否能夠執(zhí)行一系列動作來完成功能？代理體能否及時的以指定的精度做出響應？團隊機構(gòu)約束（僅對于多無人機系統(tǒng)）共享的精神模型：相互協(xié)作代理體之間是否具有共同的或一致的對于問題域的理解，如共同的假設，共享的合理性？信息的耦合：每一個代理體是否有足夠的信息知道其他代理體在執(zhí)行何種任務，或如何執(zhí)行任務？性能和資源的互補性：代理體團隊的性能和資源能否滿足整個工作域的需求？授權(quán)機制：關(guān)于功能分配的動態(tài)決策是如何進行的（如，是集中管理還是采用多數(shù)表決的方法）？如何解決沖突問題？2.2.3根據(jù)操作員因素的權(quán)限分配原則自動化對于人的能力同時具有積極和消極兩方面的影響。功能分配在有效的發(fā)揮自動化提供給人帶來的各種益處的同時，還應該避免自動化所產(chǎn)生的消極影響。自動化對于人的工作表現(xiàn)的影響主要表現(xiàn)在以下幾方面：精神上的工作負擔自動化應該讓人在工作過程中維持合適的精神上的工作負擔。設計良好的系統(tǒng)中，一方面，計算機完成了大部分瑣碎的例程化的工作，人可以集中精力處理高層的復雜事件，另一方面，人始終處于適度的興奮狀態(tài)，既對任務的執(zhí)行情況保持敏感，又不會過于勞累。相反，設計不當?shù)南到y(tǒng)中，人需要消耗過多的精力處理各種小問題，從而負擔過重；或者人的工作負擔處于一種幅度很大的跳躍狀態(tài)，在平常時期無所事事，在非常時期卻極度緊張，如此往復，人容易感到疲勞，并且由于平常時期過于輕松而造成對系統(tǒng)狀態(tài)的陌生，導致在處理緊急情況時需要花費更多的精力和時間才能處理問題，甚至是無法處理問題。自動化系統(tǒng)保持人合適精神負擔的關(guān)鍵途徑之一為良好的人機界面。從已有的設計成功范例中提取的經(jīng)驗包括：自動化可以完成對于原始數(shù)據(jù)的預處理，以可視化的方式進行顯示；對數(shù)據(jù)的排序、統(tǒng)計、檢索；對關(guān)鍵信息的報警、提示；按照優(yōu)先級對信息進行顯示；提供操作者定量的原始數(shù)據(jù)等等。情景感知操作員和UCAV保持一致的正確的情景感知是兩者協(xié)作完成任務的基礎(chǔ)條件之一。智能系統(tǒng)的自動決策功能可能會降低操作員對系統(tǒng)和工作環(huán)境某些動態(tài)特征的感知程度。在決策過程中，當其他agent控制系統(tǒng)狀態(tài)時，人對于環(huán)境和系統(tǒng)狀態(tài)的感知程度將會低于人自己完成決策時對環(huán)境和系統(tǒng)狀態(tài)的感知程度。同時，在動態(tài)變化的環(huán)境中，如果智能系統(tǒng)持續(xù)的重復的進行自動的制定決策和執(zhí)行動作，那么操作員將不能有效的介入決策過程，也難以維持對環(huán)境全景的掌握。這種現(xiàn)象在操作員對決策過程而言只是起監(jiān)視作用的系統(tǒng)中最為常見。因此，情景感知是操作員和UCAV都必須完成的功能，UCAV必須提供給操作員足夠的信息以保證操作員對環(huán)境和系統(tǒng)狀態(tài)的掌握，操作員根據(jù)多方面綜合信息獲得的態(tài)勢評估結(jié)果應該上傳到UCAV系統(tǒng)中；UCAV在進行智能決策時，應該存儲足夠的決策過程結(jié)果和中間信息，操作員根據(jù)這些信息了解UCAV的意圖，操作員應該主動的介入到UCAV的決策過程之中，保持對整個態(tài)勢的掌握。依賴性如果智能系統(tǒng)是非常可靠的但不是絕對可靠的，操作員往往會對智能系統(tǒng)產(chǎn)生依賴性，不會監(jiān)視智能系統(tǒng)的信息來源和執(zhí)行過程，那么當智能系統(tǒng)失效時，操作員將無法及時的檢測到系統(tǒng)失效的來源和原因。這種對智能系統(tǒng)的過分信賴而產(chǎn)生的依賴性在操作員在多任務環(huán)境中尤其明顯。技能水準下降如果制定決策的功能一直由智能系統(tǒng)執(zhí)行，那么隨著時間的推移，操作員完成這項任務的能力就會降低。總之，自動化帶來的潛在代價－降低態(tài)勢感知程度，依賴性，技能水平下降－總結(jié)起來，就是自動化會在一定的程度上導致操作員對環(huán)境和系統(tǒng)狀態(tài)的“置身事外”（Out-of-the-loop）。在功能分配時，應該避免這些負面影響不會發(fā)生，保證人能夠在系統(tǒng)運行過程中一直對系統(tǒng)狀態(tài)和外部環(huán)境保持足夠的“敏感度”，即始終“設身處地”（Inside-the-loop）。2.2.4其他分配原則1．智能系統(tǒng)的可靠性智能系統(tǒng)的可靠性對于智能系統(tǒng)的能否充分發(fā)揮全部功效是非常關(guān)鍵的。智能系統(tǒng)的可靠性將影響人對智能系統(tǒng)的信任程度。過低的可靠性將降低操作員對系統(tǒng)的信任程度，從而導致系統(tǒng)效能的降低，自動系統(tǒng)將無法得到充分使用甚至被關(guān)閉。最明晰的例子是不可靠的報警系統(tǒng)，過于頻繁的報警或者是漏報次數(shù)太多，人無法相信這樣的報警系統(tǒng)，那么該報警系統(tǒng)實際上就已經(jīng)失效了。如果信息處理系統(tǒng)的可靠性很高，則可采用較高層次的自動化程度。同時，構(gòu)造高可靠性的系統(tǒng)必須依靠相當復雜的機制進行保證，那么系統(tǒng)的構(gòu)造成本與功能之間的協(xié)調(diào)以及適當?shù)膹碗s程度，都是自動化層次選取必須考慮的因素。2．決策和行動的代價不同的功能在不同的環(huán)境下，由人完成還是自動完成可能產(chǎn)生不同的效果，需要不同的資源，需要不同的代價。功能分配應該綜合功能特點、環(huán)境參數(shù)以及人和計算機系統(tǒng)的特點，使實現(xiàn)功能的代價最小。以下為具體的分配原則：（1）實現(xiàn)例程化的工作即使失敗對系統(tǒng)整體的影響較小，可采用較高層次的自動化水平；（2）在時間高度緊迫的情況下，操作員沒有足夠的時間采取對策，則可采用較高層次的自動化水平；（3）對于風險較高的任務，若在決策階段采用了較高層次的自動化，那么操作員應該有機會了解最終決策結(jié)果甚至是擁有否決權(quán)，從而提供“錯誤陷阱”機制，防止智能系統(tǒng)采取錯誤的行動。3．系統(tǒng)集成的難度，系統(tǒng)效率與系統(tǒng)安全之間的協(xié)調(diào)，制造成本等。2.2.5分配原則的確定根據(jù)以上分析的內(nèi)容最終確定一下五條分配原則：1．比較分配原則比較就是關(guān)于人與機器自動化系統(tǒng)特性的分析比較。在分析比較的基礎(chǔ)上，確定各個功能的優(yōu)先分配，即適合人來實現(xiàn)的功能就分配給人來做，適合自動化系統(tǒng)完成的任務就分配給機器來做。當某一功能需要人、機配合來完成時，則表明這一功能的分析尚需往更細的層次分解。人機系統(tǒng)的設計者在充分認識系統(tǒng)的目標和任務要求后，必須能很好把握當時的技術(shù)發(fā)展水平，清楚地了解和分析人、機各自的優(yōu)缺點，才有可能為實現(xiàn)其目標進行決策，選擇出最佳的人、機結(jié)合模式。2．剩余分配原則剩余分配原則是指一項功能如果采用技術(shù)上能夠?qū)崿F(xiàn)的自動化操作可以完成，就可以排斥人的作用。首先把盡可能多的決策功能分配給自動化操作完成，剩余的功能才分配給人。這一條原則在實際分配決策時可以和第一條原則結(jié)合在一起來考慮。3．經(jīng)濟分配原則系統(tǒng)的一項功能是分配給人或機器還需要從經(jīng)濟角度來考慮。這里的經(jīng)濟概念是指系統(tǒng)研制、生產(chǎn)、使用及維護全壽命周期的總費用，其中特別強調(diào)使用的效率。對于人而言，則包括他的選拔、培訓等費用。系統(tǒng)的有些費用在設計階段是不易直接衡量的，只能通過預測的方法來分析比較。因此，究竟是使用人經(jīng)濟，還是設計、生產(chǎn)制造、運行維護機器來實現(xiàn)該功能經(jīng)濟，都要深入分析考慮。4．宜人分配原則決策功能分配在考慮人的能力限制的前提下，盡可能多地多發(fā)揮人的技能。這意味著既要使系統(tǒng)中人類操作者不要在完成任務、作業(yè)后疲憊不堪，也不要讓其長時間感到無事可做，工作警覺性變差。5．彈性分配原則隨著現(xiàn)代科學技術(shù)的發(fā)展,尤其是計算機、自動化和人工智能技術(shù)的發(fā)展,出現(xiàn)了很多不同類型的人機接口，能夠根據(jù)不同的需求選擇不同的人、機操作界面完成系統(tǒng)功能。。彈性分配的基本思想有兩個：一個是由人自己決定參與系統(tǒng)行為的程度；另一個是智能機器根據(jù)任務的難易和操作者的工作負荷及態(tài)勢感知水平來調(diào)整系統(tǒng)功能的分配。彈性分配原則又稱為動態(tài)分配原則。上述1～4屬于靜態(tài)決策分配（StaticDecisionAllocation）原則，是根據(jù)系統(tǒng)工程中自上而下（Top-to-Down）的設計思想，系統(tǒng)分析和設計人員針對人機系統(tǒng)的任務需求，對系統(tǒng)功能進行逐步分解，并以固定的方式把某些功能明確的指定給系統(tǒng)中的人或者某個自動化系統(tǒng)來完成，在運行過程中不再加以調(diào)整，因此稱其為靜態(tài)決策分配。而5屬于動態(tài)決策分配（DynamicDecisionAllocation）原則，它是根據(jù)復雜系統(tǒng)論中自下而上（Down-to-Top）的思想，對系統(tǒng)運行階段的功能分配情況做出的考慮，使得系統(tǒng)功能能夠在人、機之間動態(tài)的調(diào)整，從而使人、機工作更加協(xié)調(diào)，提高系統(tǒng)整體的功能效果。從技術(shù)的實現(xiàn)角度來看，靜態(tài)決策分配比較容易操作與應用，而動態(tài)決策分配雖然更加符合發(fā)展的方向，但具有較大的難度，還有待于進一步的探索研究。2.3權(quán)限分配評估準則在設計階段當人機系統(tǒng)的自動化等級基本確定以后，需要在后續(xù)的試驗或者系統(tǒng)實際應用中按照一定的準則評估系統(tǒng)設計是否達到或滿足要求，以最終確定系統(tǒng)的自動化等級。對于有人機/UCAV編隊指揮控制系統(tǒng)決策分配來說同樣如此。Parasuraman按照兩級評估準則來確定人機自動化系統(tǒng)的功能分配，Malasky在Parasuraman兩級評估準則的基礎(chǔ)上，給出了更為詳盡的HMCDM系統(tǒng)決策分配評估準則[13],如操作者對自動化的信任（trust）程度，所要求的操作技能等，但這些新增的評估指標很多可以歸入兩級評估準則中，因此也可以看作是對Sheridan兩級評估準則的細化。在相關(guān)文獻的基礎(chǔ)上，本文探討并建立了無人機操縱系統(tǒng)決策分配的評估準則，并按照評估準則的重要性將它們分為兩部分：主要評估準則和其它評估準則。主要評估準則是決策分配時需要優(yōu)先考慮的因素，而其它評估準則作為補充，更能夠提高決策分配結(jié)果的科學性和準確度。2.3.1主要評估準則1．腦力負荷又被稱為心理負荷、精神負荷等等，最初是在體力負荷的概念上引申出來的，指的是人在工作過程中所消耗的腦力量和所消耗時間的比值。能夠體現(xiàn)出人在工作過程中對腦力資源的占用，也就說腦力負荷和剩余可利用腦力資源兩者之間呈現(xiàn)負相關(guān)的關(guān)系，在工作過程中腦力資源的占用越低，則腦力負荷越低，剩余可利用腦力資源越多，反之亦然。通常來說在人的工作過程中承受的壓力越大，則說明腦力負荷越大。腦力負荷的大小還對人在碰到問題的時候處理信息的效率有著影響。當腦力負荷超出人的承受能力時，其工作效率和可靠性將不斷下降。對導致產(chǎn)生腦力負荷的原因進行分析，可以分析出很多，其工作的內(nèi)容以及要求或者本身的工作能力等等都是導致產(chǎn)生腦力負荷的原因所在。作戰(zhàn)決策對于決策者而言，主要是其腦力勞動的結(jié)果。人與自動化之間決策分配的結(jié)果將決定人的工作內(nèi)容，直接影響其腦力負荷。因此，在進行決策分配時需要考慮決策者的腦力負荷是否超出了其有效工作的腦力負荷限制。相關(guān)研究結(jié)果表明，設計良好的決策自動化系統(tǒng)可以使人的腦力負荷處于一種良好的狀態(tài)，從而有利于系統(tǒng)整體性能的提高。但是，在決策過程中引入自動化技術(shù)并不是總能減輕人的腦力負荷，在某些情況下，由于人與自動化技術(shù)之間的交互存在困難，還會引起人的腦力工作量的增加。一般來說，自動化技術(shù)對人腦力負荷的影響可以通過人的工作能力和效率來反映[14]。2．態(tài)勢感知關(guān)于態(tài)勢感知（SituationAwareness），至今還沒有形成一個統(tǒng)一的定義。其中，最早也是應用最廣泛的定義是：能夠在某個時間范圍以及空間范圍內(nèi)不斷接收外部環(huán)境信息以理解和感知環(huán)境，然后基于其理解和感知對將來可能發(fā)生的情況進行判斷[15]。按照這種定義，態(tài)勢感知被分解為三個層次：第一個層次為感知，指傳感器對環(huán)境重要信息的獲取，并且以適當?shù)男问綄⑾嚓P(guān)信息提供給操作者；第二個層次為理解，指操作者對和個人目標相關(guān)數(shù)據(jù)的意義和重要性的理解，從而形成關(guān)于外部環(huán)境的全面感知；第三個層次為預測，指信息向前外推以確定其如何影響操作環(huán)境。在預測層，操作者可以根據(jù)頭腦中的當前態(tài)勢信息預測環(huán)境和系統(tǒng)進一步的狀態(tài)，以便采取及時有效的行動。態(tài)勢感知概念起源于航空領(lǐng)域，如今已經(jīng)發(fā)展成為空中交通管制、軍事指揮控制、天氣預報、核電站、教育等領(lǐng)域的一個重要概念，得到廣泛的研究[16]。態(tài)勢感知的重要性在于它是正確決策和行動的基礎(chǔ)，維持較高層次的態(tài)勢感知水平對于決策而言至關(guān)重要。設計輔助系統(tǒng)使操作者形成和保持良好的態(tài)勢感知可以促使其做出正確的決策。研究表明，88%的航空事故是由于態(tài)勢感知問題導致飛行員出現(xiàn)操作失誤，繼而引發(fā)航空事故。但是形成和保持較高的態(tài)勢感知水平是十分困難的。Endsley對態(tài)勢感知的認知模型進行了深入研究，指出高度自動化的系統(tǒng)將降低操作者對系統(tǒng)和環(huán)境的態(tài)勢感知水平，她將這種現(xiàn)象稱之為“環(huán)外綜合癥（out-of-the-loopsyndrome）”。因此，決策功能的自動化可能會使人形成依賴性，進而降低操作者對系統(tǒng)及其工作環(huán)境動態(tài)特性的把握和掌控。通常情況下，如果系統(tǒng)或者環(huán)境的變化受自動化的控制，而不在操作者的控制范圍內(nèi)，則操作者對這些變化的感知水平會比較低。同樣，當決策支持系統(tǒng)、專家系統(tǒng)或其它的決策自動化系統(tǒng)在動態(tài)環(huán)境中連續(xù)或者重復的選擇、執(zhí)行決策結(jié)果，操作者由于沒有參與決策過程而導致態(tài)勢感知水平的下降。但是，從另一方面講，由于高度自動化水平能有效地降低操作者的腦力負荷，可以使操作者有精力掌握系統(tǒng)其它部分功能的工作情況，這在一定程度上也能夠增加操作者對整個系統(tǒng)的態(tài)勢感知水平。因此，在決策分配時需要綜合考慮決策自動化技術(shù)的影響，將操作者態(tài)勢感知水平作為決策分配結(jié)果的一個評估準則，對于形成人在回路的指揮決策過程至關(guān)重要。3．自動化決策的可靠性可靠性設計是軍事裝備系統(tǒng)研究中的一個重要環(huán)節(jié)。在進行控制系統(tǒng)決策分配時，自動化決策的可靠性是需要考慮的一個重要因素。只有決策功能所分配的自動化技術(shù)具有較高的可靠性，才能通過提高這項決策功能的自動化程度來降低操作者的腦力負荷，從而使操作者有能力增強對系統(tǒng)其它決策功能的態(tài)勢感知水平。但是，如果自動化決策功能不可靠，則操作者需要花費更多的精力來判斷決策結(jié)果的正確與否，這反而會增加操作者的腦力負荷。另外，可靠性水平還會影響使用者對自動化技術(shù)的信任程度，從而影響自動化功能的發(fā)揮。因此，自動化可靠性是決定其應用的一項重要評估標準。目前對系統(tǒng)可靠性進行評估的方法較多，如故障樹分析法。但是，當自動化決策軟件的復雜性和規(guī)模較大時，對其可靠性進行準確評估則比較困難，特別是與其它子系統(tǒng)的交互更增加了評估的難度。4．決策風險決策風險指的是不正確或不恰當?shù)臎Q策所造成的后果，表示方法為使用決策錯誤的代價與錯誤發(fā)生的概率的乘積。對于相對風險較小的簡單決策任務，可以采用較高的自動化等級完成，甚至完全自動化，以減少人的參與，從而避免人因為腦力負荷超載而無法執(zhí)行其它重要的功能。而對于決策風險較高的任務，可以設置適中的自動化等級，并且在決策執(zhí)行之前將決策結(jié)果提交操作者最終確認，以提高決策的安全性。5．系統(tǒng)費用效費比分析是任何系統(tǒng)設計、開發(fā)階段都要完成的工作，費用成為影響功能實現(xiàn)的一個重要因素。對于指揮控制系統(tǒng)決策分配而言，機器系統(tǒng)具有的智能程度越高，則要求的開發(fā)代價越大。對于人來說也是一樣，要求他完成的功能越多，則對他的能力要求也就越高，相應地需要大量的學習和訓練，這也將導致系統(tǒng)成本的增加。因此，對系統(tǒng)中與人有關(guān)的費用和與設備相關(guān)的費用要進行均衡，使系統(tǒng)在滿足需求的同時保證總體費用在可接受范圍之內(nèi)。2.3.2其他評估準則1．操作員技能要求人對相應決策自動化等級的操作技能將影響決策的成敗。由于不同決策任務可能處于不同的自動化等級，且自動化等級可能在任務執(zhí)行過程中動態(tài)變化，而不同的自動化等級對操作者的技能要求也就不同，所以需要針對不同的系統(tǒng)狀態(tài)對操作者進行訓練。如果操作者沒有任何經(jīng)驗，就需要對他進行全面的培訓；如果操作者以前工作于全人工環(huán)境下，則當系統(tǒng)調(diào)整為全自動狀態(tài)時，他的經(jīng)驗將不再適用。而對操作者的訓練過程需要耗費大量的人力、財力和時間。2．操作員技能下降如果某項決策功能長期由自動化系統(tǒng)完成，則操作員對這項功能的操作熟練程度將會不斷下降。而一旦自動化系統(tǒng)出現(xiàn)故障，操作員技能在此時將顯得的尤為重要。3．決策任務時間緊迫性時間緊迫性主要指完成決策所需要的時間，特別是針對時敏決策任務而言，要求其在限定較短的時間內(nèi)給出決策結(jié)果。人的信息處理速度和響應速度是有限制的，如果在某一時間段分配給其較多的功能，則會導致任務的延遲，引起后繼任務的推遲或整個任務的失敗。同時對于某些要求智能程度較高的功能，機器系統(tǒng)的處理能力也是有限的，例如一些利用知識進行推理的工作，人的表現(xiàn)可能比機器更加迅速和有效。在分配時也要考慮決策任務的時間緊迫性，以決定任務的歸屬。4．決策交互作用當系統(tǒng)決策任務較多而且彼此之間的關(guān)系較為復雜時，不同決策功能的自動化等級將會對其它部分產(chǎn)生重要的影響。因此，在進行決策分配之前，必須清楚不同決策功能之間的交互作用。5．滿足感當系統(tǒng)以較高的自動化等級決策時，操作者容易對決策結(jié)果過于信賴而產(chǎn)生滿足感，造成對自動化系統(tǒng)工作過程監(jiān)控的忽視。即使操作者被告知自動化決策系統(tǒng)的不完全可靠性，但是依然會對操作者的判斷產(chǎn)生影響。所以當系統(tǒng)出現(xiàn)故障時，操作者往往不能察覺，特別是當操作者需要同時執(zhí)行多個任務時，這種現(xiàn)象會更加突出。為了避免這種情況的產(chǎn)生，在進行決策分配時應盡量使人能夠?qū)ψ詣踊臎Q策機理和過程有所了解。2.4自動化等級確定本文擬采用Parasuraman的10層自動化等級分類方案，具體等級見表2.3。表2.3自動化等級自動化等級描述1計算機不提供任何幫助，人必須完成所有的決策和操縱2計算機提供整套的決策或行動方案3計算機縮小方案選擇范圍4計算機提供一個建議方案5如果人同意則執(zhí)行這個方案6在執(zhí)行方案前允許人在限定時間內(nèi)否決7自動執(zhí)行，僅在必要時通知人8如果人需要則告知他9是否通知人全由計算機決定10計算機決定所有的工作，拒絕人的干預2.5基于UEWAA算子和ULHA算子的多屬性決策方法這里研究一種基于UEWAA算子[17]的多屬性決策方法首先令，，。然后規(guī)定語言評估標度為，要求中的術(shù)語個數(shù)為奇數(shù)，且需要滿足以下條件：1）若，則2）存在負算子在S的基礎(chǔ)上定義擴展標度，其中是足夠大的自然數(shù)，若，則稱為本原術(shù)語；若，則稱為擴展術(shù)語，擴展后仍然滿足條件(1)和(2)。定義1設，下限和上限分別是和，則稱μ為不確定語言變量。定義2設，且，，則μ≥v的可能度定義如下： （1）定義3設UEWAA：，若 （2）其中為的加權(quán)向量，且，，則稱UEWAA為不確定擴展加權(quán)算術(shù)平均算子。定義4設ULHA：，若 （3）其中是與ULHA相關(guān)聯(lián)的加權(quán)向量，，.是，中的第大元素，是的加權(quán)向量，，表示的是平衡因子，ULHA表示的是不確定語言混合集結(jié)算子。接下來開始判定自動化等級，這里給出了一種以UEWAA和ULHA算子為基礎(chǔ)來集結(jié)信息的多屬性群決策方法[18]。用表示等待分配的決策功能集，分別為人、機的能力優(yōu)勢項集合矩陣，權(quán)重分別為和，且滿足，，，，通過下述程序來詳細的判定自動化等級：步驟1決策者首先需要給出人、機各能力優(yōu)勢和對等待分配的決策功能影響程度的不確定語言評估值、，并由此得到評估矩陣R=rijn×m、Q=q步驟2通過UEWAA算子來集結(jié)R和Q中第i行的信息，獲取在范圍內(nèi)的評估結(jié)果以及。步驟3計算和之間的可能度，得到可能度向量.其中。步驟4根通過pi來獲取范圍內(nèi)的自動化等級A。根據(jù)下述過程來進行： （4）在上式中，表示的是高斯取整函數(shù)。最后一步是確定自動化等級。在確定了范圍，也就是確定了不同決策所分配的不同方案以后，一般通過專家來對這些方案打分，然后取均值，根據(jù)這個均值來進行方案的選定。這里是在UEWAA算子和ULHA算子的基礎(chǔ)上所進行的多屬性群體決策[18,19]，詳細的實施步驟如下；步驟1設和分別為方案集、評估準則集和專家集。評估準則的權(quán)重向量為，，.專家的權(quán)重向量為，，.專家給出方案在準則下的評估值，得到評估矩陣Rk=rij(k)n×m，且。步驟2對Rk中第行的評估信息利用UEWAA算子進行集結(jié)，得到給出的方案綜合屬性評估值。步驟3在得到了這些評估值以后，以ULHA算子對其進行集結(jié)，得到的群體綜合屬性評估值。步驟4分別計算出各個方案對應的綜合屬性值之間的可能度，并建立可能度矩陣。步驟5求出的排序向量，并按其分量大小對方案進行排序，即得到最優(yōu)方案。其中 （5）3算法的實現(xiàn)與算例3.1算法的MATLAB實現(xiàn)在自動化等級的確定過程中，主要使用到的函數(shù)包括UEWAA.m,ULHA.m,rang.m,fianlres.m。以上函數(shù)均依據(jù)文章2.5節(jié)中運算規(guī)則和公式編寫?，F(xiàn)選取無人機電源故障檢測功能進行計算以驗證其有效性。首先確定等級范圍，以故障檢測功能為例，設人、機能力優(yōu)勢集合分別表示為：和，各元素含義見表4.3。有為數(shù)不少的可以用來計算指標權(quán)重的方法，比方說最小加權(quán)法，層次分析法等等，這里使用的是所說的第二種，也就是層次分析法。第一步要對前面的步驟中所取得的人和機器所擁有的各種優(yōu)點兩兩相比較，這里使用的方法是五級標度法，在獲取了判斷矩陣之后，算出其特征向量的值的大小，通過此參數(shù)來完成一致性檢驗工作。經(jīng)過分析以后，這里所取得的H、M中的權(quán)重分量如下：.表3.1人機能力優(yōu)勢集合積累經(jīng)驗和持續(xù)學習的能力數(shù)據(jù)存儲空間大總結(jié)及邏輯推理能力組合問題處理能力識別模式以及對外界因素進行能力持續(xù)工作視覺感知能力同時進行多項任務模糊信息處理能力運算速度快空間推理能力準確快速的進行數(shù)學計算創(chuàng)造性強運算的準確度高意外事件的處理簡單重復決策能力建立語言評估標度：={極小，很小，小，較小，稍小，一般，稍大，較大，大，很大，極大}.由專家對人、機能力優(yōu)勢元素對該決策功能影響（貢獻）程序進行評估，得到評估結(jié)果分別為：R=Q=通過UEWAA來集結(jié)經(jīng)過評估以后所得到的數(shù)據(jù)如下：.的可能度為，根據(jù)式（4）來判斷自動化等級處于何種范圍之內(nèi)：.然后就是進一步確定每個所分配功能的自動化等級。前面所確定的范圍為，包括5,6,7級三種，相當于三種分配方式，然后考慮集合，評估依據(jù)集合，其中u1表示的是腦力負荷，u2表示的是態(tài)勢感知，u3表示的可靠程度，u4表示的決策風險，u5表示的是系統(tǒng)費用。然后計算權(quán)重分量，這是使用的計算方式是層次分析法，得到結(jié)果.決策者集合，其權(quán)重向量為，然后3名決策人員通過語言評估標度，其中-5表示的是極差，-4表示的是很差，-3表示的是差，-2表示的是較差，-1表示的是稍差，0表示的是一般，1表示的是稍好，2表示的是較好，3表示的是好，4表示的是很好，5表示的是極好，以此來完成評估獲取評估矩陣如下表：表3.2決策矩陣R表3.3決策矩陣R表3.4決策矩陣R第一步通過UEWAA算子來集結(jié)中第行的語言評估信息，獲得評估值，其中表示的是決策人員，表示的是評估值。.利用離散正態(tài)分布求得ULHA算子的位置權(quán)重向量。由此得到?jīng)Q策方案的群體綜合屬性評估值:利用式（1）建立可能度矩陣根據(jù)公式（5）計算P的排列向量：然后按照從大到小的順序?qū)ζ渑判颍核源舜未_定的自動化等級為6級。根據(jù)前文所列的劃分表，此項決策由機器來完成，操作人員在限定時間內(nèi)做出否定決策，如若操作員沒有提出否定意見，則機載系統(tǒng)自動實施方案。3.2控制權(quán)限的動態(tài)分配考慮到在實際應用中，無論是操作員還是自動化系統(tǒng)都存在不穩(wěn)定的狀況，當操作員或者自動化系統(tǒng)出現(xiàn)問題時，就需要對操作的權(quán)限進行適當?shù)恼{(diào)整，該過程就稱作動態(tài)的分配，原理與過程見圖3.1。對操作員的態(tài)勢感知能力、精神負擔、技能水準等狀態(tài)進行監(jiān)測，同時對自動化系統(tǒng)的運算負載、存儲空間、運行狀態(tài)進行監(jiān)控，當雙方任一方狀態(tài)出現(xiàn)波動甚至能力下降的時候，對進行分配的權(quán)限做適當?shù)恼{(diào)整，對應于自動化等級中升級或者降級，來減輕狀況波動帶來的不利影響，這樣就可以實現(xiàn)操作員和自動化系統(tǒng)的相互支持，最大限度保證功能正常執(zhí)行。圖3.1功能/權(quán)限分配及自適應動態(tài)調(diào)整過程和原理為了對人機所分別應當擁有的權(quán)限以合適的方式進行劃分，這里提出了變權(quán)限管理策略。在因為發(fā)生各種意外事件等原因而導致環(huán)境或者條件產(chǎn)生改變的時候，根據(jù)設定的權(quán)限調(diào)整及時，將人以及機器的權(quán)限范圍動態(tài)調(diào)整。信息管理工作的智能化能夠自動的根據(jù)時間地點的不同以不同的方式來相駕駛員傳遞所需要的信息。其內(nèi)部包含的功能由很多，常見的有戰(zhàn)術(shù)態(tài)勢監(jiān)督、信息濾波處理等等。3.3權(quán)限動態(tài)分配仿真此次仿真選取了特定的十個需要進行分配的任務，任務列表及對應符號見表3.5。選擇使用MATLAB進行仿真程序的編寫，權(quán)限的分配核心算法依然采用2.5節(jié)使用的ULMADM。表3.5ABCDEFGHIJ目的地選取巡航高度設定目標搜索路徑規(guī)劃攻擊鎖定低高度檢測彈藥管理飛機姿態(tài)管理燃油管理緊急避障仿真的步驟為：首先利用系統(tǒng)函數(shù)unidrnd創(chuàng)建可自定義長度的任務隊列,并將任務隊列對應的任務符號顯示以供查看，接下來利用系統(tǒng)函數(shù)timer將隊列中的任務送入打包好的ULMADM算法進行運算，最后通過動畫展示結(jié)果，可實時將運算結(jié)果與任務列表中當前任務進行對比，仿真目前提供三種可選運行狀態(tài)，分別是正常狀態(tài)、系統(tǒng)負責過高和操作員狀態(tài)低下，不同的運行狀態(tài)會導致ULMADM算法中的輸入矩陣參數(shù)發(fā)生變化，負責過高主要使得輸入矩陣中多任務處理能力、數(shù)據(jù)管理能力、快速計算能力等的評估值下降，操作員狀態(tài)低下則主要會使人的歸納推理、視覺感知、信息處理等能力的評估值下降。具體仿真結(jié)果如下：正常運行狀態(tài)首先勾選運行狀態(tài)中的正常狀態(tài)選項，然后單擊下方的生成隊列按鈕，可以在列表中看到當前隊列，見圖3.2(a)。然后單擊右側(cè)的start按鈕，右側(cè)的結(jié)果顯示區(qū)域顯示當前任務的自動化等級，如圖3.2(b)所示為任務E，對應的自動化等級為5級，單擊reset按鈕后，列表歸零，可以重新進行仿真。(a)(b)圖3.2正常狀態(tài)運行結(jié)果片段系統(tǒng)負載過高運行狀態(tài)首先勾選運行狀態(tài)中的系統(tǒng)負責過高選項，然后單擊下方的生成隊列按鈕，可以在列表中看到當前隊列，見圖3.3(a)。然后單擊右側(cè)的start按鈕，右側(cè)的結(jié)果顯示區(qū)域顯示當前任務的自動化等級，如圖3.3(b)所示為任務E，對應的自動化等級為4級，可以直觀觀察到，由于自動化系統(tǒng)的狀態(tài)較差的情況下，原來的對應與自動化等級為5級的任務E被重新分配給了等級4，更多的權(quán)限交給了操作員，可以在一定程度上降低系統(tǒng)不穩(wěn)定時帶來的不利影響。同樣單擊reset按鈕后，列表歸零，可以重新進行仿真。(a)(b)圖3.3系統(tǒng)負責過高狀態(tài)運行結(jié)果片段人員狀態(tài)較差運行狀態(tài)首先勾選運行狀態(tài)中的人員狀態(tài)較差選項，然后單擊下方的生成隊列按鈕，可以在列表中看到當前隊列，見圖3.4(a)。然后單擊右側(cè)的start按鈕，右側(cè)的結(jié)果顯示區(qū)域顯示當前任務的自動化等級，如圖3.4(b)所示為任務E，對應的自動化等級為7級，可以直觀觀察到，由于自動化系統(tǒng)的狀態(tài)較差的情況下，原來的對應與自動化等級為5級的任務E被重新分配給了等級7，更多的權(quán)限交給了自動化系統(tǒng)，可以在一定程度上減輕身體狀況不佳的操作員的工作負擔，也能一定程度上提高人機協(xié)同作戰(zhàn)時的穩(wěn)定性。同樣單擊reset按鈕后，列表歸零，可以重新進行仿真。(b)圖3.4人員狀態(tài)較差運行結(jié)果片段總結(jié)無人機在人機協(xié)同作戰(zhàn)過程中對于人和自動化系統(tǒng)的協(xié)調(diào)要求極高，合理的權(quán)限分配，能夠在效率、安全、可靠性等方面使得無人機系統(tǒng)性能得到極大提升，本文首先從不同的角度設計了人機協(xié)作時任務劃分決策和原則以及對于決策分配方案產(chǎn)生后的評估準則，其具有極高的參考價值。其次，研究的不確定性語言型多屬性決策（ULMADM）方法較為適合無人機中權(quán)限的劃分，對于人、自動化系統(tǒng)能力的不確定性的語言描述方式，ULMADM能夠提供較為滿意的決策分配方案。此方法在無人機的系統(tǒng)化設計層面具有非常高的應用價值，但目前仍然具有一定的局限性，決策步驟中的對于人和自動化系統(tǒng)的評估值依舊需要專家給出，具有一定的人為差異因素，并且決策過程涉及的參考因素非常復雜，伴隨著操作員技能水平、系統(tǒng)智能化程度、運算能力、無人機功能等的提高和豐富，各個決策的自動化等級必然發(fā)生變化，評估原則也要做出相應的調(diào)整。在決策的動態(tài)化分配實驗中，本文設計了具有可變自主權(quán)限的操作員任務和優(yōu)先權(quán)分配方法，基本實現(xiàn)了決策等級能夠跟隨操作員或自動化系統(tǒng)的狀態(tài)變化做出調(diào)整，能夠使無人機系統(tǒng)具備更強的適應能力，充分發(fā)揮人和計算機各自的優(yōu)勢，未來可以考慮采用強化學習、深度學習等方法讓可自主變權(quán)限系統(tǒng)更加智能化，使其能夠在不同的功能層面上實現(xiàn)人機的交互和相互幫助。參考文獻[1]GallimoreJJ,LucasJR,NarayananS.Humanoperatorissuesforuninhabitedaerialvehicles[C].AIAAModelingandSimulationTechnologiesConferenceandExhibit,Mo