无人机人机协作控制权限分配方法研究 20000 6.49%

《无人机人机协作控制权限分配方法研究 20000 6.49%》由会员分享，可在线阅读，更多相关《无人机人机协作控制权限分配方法研究 20000 6.49%（46页珍藏版）》请在装配图网上搜索。

1、单位代码 10006学 号 15031205分 类 号 C934密 级 公开毕业设计(论文)无人机人机协作控制权限分配方法研究院（系）名称自动化科学与电气工程学院专业名称自动化学生姓名戴鹏博学院指导教师周锐工业部门导师熊伟2019年6月III北京航空航天大学毕业设计(论文)无人机人机协作控制权限分配方法研究学 生：戴鹏博指导教师：周 锐摘要随着技术的不断发展，复杂建模和决策算法都得到了长足的进步，这两种进步的进步又推动了无人机指挥控制系统的发展，使其更加完善，决策更加智能，但是部分问题依旧存在耗时长、难处理的情况，而目前启发式的方法并不能提供满意解，在这种情况下，就需要人、机分别完成不同的决策

2、功能，以适当的自动化等级来实现决策过程，可以充分结合人的和自动化系统各自的优势。本文将从人机能力优势比较，系统自动化等级划分，决策分配原则和评估准则，决策分配方法步骤等无人机人机协作控制分配相关问题进行研究，在决策分配过程中主要采用ULMADM(Uncertain Linguistic Multiple Attribute Decision Making)方法进行不确定信息的集结和处理，进而计算得出对应的自动化等级。关键词：自动化等级，无人机决策分配，人机协同，ULMADMResearch on Control Rights Allocation Method for UAV Man-Mach

3、ine Cooperative ControlAuthor:DAI Peng-boTutor:ZHOU RuiAbstractWith the rapid development of global science and technology, the progress of decision-making algorithm and the development of complex modeling technology have promoted the optimization of decision-making function of UAV command and contr

4、ol system in varying degrees. However, some problems are still time-consuming and difficult to deal with. At present, meanwhile, heuristic methods can not provide satisfactory solutions. In this case, people and machines are required to complete different decision-making functions with appropriate a

5、utomation levels. It can fully combine the advantages of human and automation systems. In this paper, the relative problems of UAV man-machine cooperative control allocation, such as the comparison of human capability advantages, the classification of system automation levels, the principles and eva

6、luation criteria of decision-making allocation, the method and steps of decision-making allocation, will be studied. In the process of decision allocation, ULMADM method is mainly used to aggregate and process uncertain information, and then calculate the corresponding automation level.Key words：Aut

7、omation level, UAV Decision Allocation, Man-machine cooperation, ULMADM摘要IAbstractII1 绪论11.1研究背景及目的11.2研究意义21.3国内外研究现状31.4研究内容82 权限分配方法研究92.1人机能力优势比较92.2分配原则研究122.3权限分配评估准则182.4自动化等级确定222.5基于UEWAA算子和ULHA算子的多属性决策方法223 算法的实现与算例263.1算法的MATLAB实现263.2 控制权限的动态分配293.3权限动态分配仿真30总结33致谢34参考文献35第 40 页北京航空航天大学毕

8、业设计(论文)1 绪论1.1研究背景及目的非传统作战飞机日前已成为各国军事手段中的重要力量，自从20世纪初期无人机在第一次世界大战中产生开始，军事无人机发展演变速度很快，从一开始的无人靶机经历了一百多年的洗礼后，到如今的多用途的无人机，目前先进的无人机采用复合控制系统。在军用级别的装备市场中，无人机飞行速度和可靠性的要求其实要远远超过商用无人机，也正是由于对于性能的严苛要求，才有技术的不断进步，除此之外由于无人机速度快、高度大，操作人员的操作难度也相应提升，为了减轻人类负担，更加智能化的无人机应运而生。在改革开放以来，我国进入了经济发展的高峰期，各种技术，像计算机、自动化等的进步速度也到达了顶

9、峰，无人机系统的智能化程度一直在上升，可以自行独立进行的任务自然越来越多，其中包括数据信息的可视化、简单重复性决策、飞行数据的存储和管理、精确航迹规划和控制等，不过仍然不可避免的有出题出现。现在自动化技术在生产生活中应用的范围越来越广，这在降低人力成本提高生产效率上确实起到了举足轻重的作用，不过同时也许会造成人的感知水平下降1等问题；同时，即便是在运算方面，人永远也达不到计算机的水平，并在一些精确和平稳控制问题的处理上远超人类，但也不是总能为所有问题提供满意解。人类对于行为目的和后果的把控、对于整体环境的宏观感知和评估、对陌生事物的概念化能力、感性抽象能力和创造性和灵活性等方面更具优势。面对上

10、述问题，如若将指挥控制系统部分决策功能进行拆分划分，将其按照人与计算机的不同特点来进行分配，同时设定一定的自动化等级，对所有的决策划分自动化等级，将人加入到系统的闭环回路中进行决策，人在决策中的优势在于经验性强、直觉性高等，而计算机的优势在于反应迅捷、不容易出错等，若是可以将其优点结合起来，使其互相补充，协同决策，最后产生的决策结果一般会优于其任一方单独决策。这就是所谓的决策分配。功能分配(function allocation. FA)包括有决策分配(decision allocation. DA)，在设计无人机智能控制系统的时候，这也是一个优先级高、重要性强的绕不过去的问题2。在有人机/U

11、CAV协同作战方面，功能分配的主要研究内容就是研究如何将决策功能在指挥员和无人机之间进行分配。为了将其分配的更加协调，这里通过系统分析，在开始作战之前的准备时期，以作战任务为出发点，分析功能分配需要满足的目标，然后在这个基础上，结合已有的技术能力，对人和无人机分别能够达到的要求进行深入细致而且充分的分析研究。然后结合分析结果提出提出功能分配的初步计划以及具体的实现步骤，将人和机器的功能完美的结合在一起，使人的经验以及判断能力和计算机的运算能力得到最大化的融合和发挥，两者共同决策、密切配合，产生一加一大于二的效果。1.2研究意义好的决策系统对于人机协作来的影响无疑是巨大的，人天生所具备的创造力加

12、上后期经验带来的推理能力倘若能与自动化系统的高反应、低延时、快计算等能力有机的结合在一起，会极大地激发人机系统的工作能力，带来更低的功耗、更强的生存能力、更强的作战能力、更强的续航能力。对于单无人机系统，能极大的减轻操作员的工作负荷，让操作员将更多的精力放在更加重要的问题上，同时又保留有一定的决策权限，降低态势感知能力下降带来的负面影响，降低其工作疲劳与失误操作。不仅如此，较好的决策系统能节省自动化系统的计算存储资源，提高资源转换利用效率，降低出错概率，还能够充分发挥无人机的作战优势，一边能够使作战人员更好的把握战机，进而更加高效地完成作战任务。对于少量人员操作大数量的无人机群而言，好的决策系

13、统意义更加重大，这也是无人机未来发展的主要方向。不能将人和机器的配合简单的认为仅仅是空中作战平台的互相配合，而要清楚的明白，这是无人控制系统和有人控制系统在控制系统层面的相互配合，是在高层面上看到的控制系统的深度交融。若是拥有两种系统的飞机结合起来共同作战的话，以下任务将成为重中之重：协同态势感知、协同指挥决策、协同火力打击及实时毁伤评估，具备这些特点后，系统将能够完成从传感器到战斗部的空中一体化作战行动。两相结合共同作战具备下述优点：(1) 作战水平得到极大的提升。空中数据链系统的建立能够为有人机和无人机提供组网，有人机具备较强的信息获取能力，所以可作为指挥控制中心发号施令，在对战场情况进行

14、实时的监察和评估的同时还能够接收到海陆空各方的态势信息，自主控制无人机群；无人机由于具有体积小、机动性强等优势，能够不知不觉的接近敌方目标，深入其内部区域，这就无形中将侦查距离延伸到了地方后部，提高了远程攻击的有效性，使得战斗可以波及更远的范围。(2) 作战编队效率提高。第一时间进入战场的不再是侦察机，而是无人机。这能够帮助地面基站人员提前将战场态势把握住，在一定的指挥结构下，两种飞机能够迅速编队，并为对方提供必要的火力支援、信息补充、决策帮助等，这在一定程度上能够降低我方反应延时，在最短时间内完成打击任务。(3)编队生存能力增加。无人机能够执行特殊任务，避免战斗人员的损失。在无人机和有人机群

15、编队状态下，能够通过特殊的防御编队，提高机群的防御能力，以部分无人机损失为代价，保存有人机作战能力3。除此之外，协同电子对抗等也成为战场中的有力手段。1.3国内外研究现状目前,对于有人/无人机协同作战,国内外已开展大量研究工作。美军空军曾经在2004的时候提出过一个软件使能控制项目，在其中，人对无人机的控制是通过语音命令来完成的，在发生紧急状况的时候语音语音控制能够以最快的速度对危险做出反应；在2001的时候，美军陆军进行过无人控制和有人控制系统两者结合的综合项目，其研究成果在不同层面证实了地面控制站以及部队和直升机平台三者的协同能力；美军海军还提出了一种设想，在将来，以固定的人机编队的形式，

16、以运输机、强击机等有人机来指挥无人机。我国在这一方面的研究现在主要是在理论方面，在实践方面还没有大规模的应用，其现有的研究方向有体系结构、决策分配等等。现在对于两者的协同作战，全世界范围内都没有形成成熟的理论以及实践模式，都在积极的探索研究当中，已有的探索研究在试验验证和算法设计方面进行的想多更多，而在系统的发展方面还比较小，比方说其综合优势、体系结构等等。在研究人机功能分配问题时,现在在世界上比较有名的几种分配方式包括：人机能力比较分配法、Price决策图法、Sheffield法、自动化分类与等级设计法、York法等。1.3.1混合主动控制目前关于有人机/UCAV编队指挥控制系统的研究中,美

17、国DARPA主持的自治编队混合主动控制是一种比较吸睛的控制系统4。所谓混合主动控制(Mixed Initiative Control),就是人类指挥员和智能决策系统的协同控制。该工程的主要目标是通过提高UCAV的自主控制和协同控制能力,使操作员在处理当前任务的同时(如驾驶自身所在有人机),实现对大规模UCAV编队的指挥控制。现在的无人机的数量通常都是有人机数量的三分之一到二分之一，在MICA之中，将会将这个比例扩大到三十倍。多个大学和研究机构,如麻省理工学院、卡内基梅隆大学、华盛顿大学、Honeywell技术研究中心等都参与到MICA工程中,分别对UCAV编队指挥控制系统的多项关键技术进行研究

18、。MICA工程代表性的研究成果有：文献4指出的为了实现混合主动控制，降低操作员的工作负荷，操作员的工作模式应从底层控制转为高层控制，而“剧本界面（Playbook Interface）”可以实现操作员与UCAV在不同层次上的人机交互，它通过在操作员和无人机之间共享态势和作战意图，从而实现操作员对无人机编队的有效控制。为了更好的实现MICA工程的目标，操作员的指挥控制方式应从“人在回路中（Human-in-the-loop）”模式转变为“人在回路上（Human-on-the-loop）”模式，人机交互内容也要做出相应的改变，从向操作员提供底层状态和数据转变为向操作员提供更强的态势感知，并且使操作

19、员能够理解和评估智能系统的决策结果，从而在必要的时候对其进行干预。作者认为智能Agent技术是UCAV编队混合主动控制人机交互界面设计的理想选择。也有为了实现对半自治（Semi-autonomous）UCAV的层次化协同控制5，采用以决策为中心的设计（Decision-Centered Design）理念，通过对关键任务和信息需求进行分析，确定指挥员在哪些方面需要何种决策支持。文献6采用人机协同决策（Human-Machine Collaborative Decision-Making, HMCDM）6方法解决UCAV编队对地攻击混合主动指挥控制系统的资源分配和任务规划等复杂问题，该方法相对单

20、独的人类决策或者自动化决策能够在较短的时间内产生较优的决策结果。这个文献同时还研究了混合主动指挥控制系统的决策分配方案。1.3.2 人机能力比较分配法这种方法是在功能分配的概念被提出来不久之后就提出的一种分配方法，比方说MABA-MABA方法,同时是这个世界上被用的最多最广泛的一种方法，在工业化系统中监控系统发展的初期被广泛使用。1.3.3 Price决策图法对于这种方法，首先从功能角度对其人机特性进行对比分析，包括效能、可靠性等等，分析以后进行评估，将其结果以复数的形式表示出来，然后根据其在决策图中所占据的区域来做出决策8。如下图1.1：图1.1 Price决策图这个决策图以五条直线将其划分

21、成了六个区域，表示六个不同的分配方案，其中第一个和第二个区域表示功能由机器来完成，第四个和第五个区域表示功能由人来完成，第三个区域表示由人和由机器来完成两者皆可，剩下的最后一个区域，也就是第六个区域表示需要通过别的方法来重新决策分配归属。比起FittlsLists方法来说，虽然这种方法将如何进行功能配合的方法叙述的更加明确和具体，不过在其中的计算绩效的方式上，并没有给出说明，同时考虑客观条件，其绩效计算并不容易。1.3.4Sheffield法Sheffield法9最初是在Sheffield大学在研发海军的舰艇控制系统的时候所发明的一种功能分配方法。使用这种方法的时候，要将一百余项鞠策准则考虑在

22、内，除了对人和机器的特性进行了考量之外，还将人的社会性和安全性等因素以及自动化的费用等因素考虑在内，其流程图如下：图1.2 Sheffield法流程图Sheffield法有优点也有缺点，优点在于其考虑的内容囊括了方方面面的因素，还有将动态静态分配过程都考虑在其中。最初设计目标是为了在海军舰艇中使用，因此将舰艇工作人员的功能分配也考虑在了其中；考虑的因素多且全面是其优点，同样也是其最大的缺点，因为考虑的因素太多，而这些因素又难以通过一个数学模型来将其联系起来，导致了设计工作难以进行；而且使用这种方法还需要功能分配的极为精细以完全分配给人或者机器，在简单的系统中还有可能，若是系统比较复杂的话则几乎

23、不可能实现。1.3.5自动化分类与等级设计法这种方法最初是由英国学者Parasuraman和Sheridan10提出的，在提出以后多被用于工业化生产当中。在此种方法中，将自动化控制过程分解为四个程序，分别是获取信息、分析数据、进行决策、执行决策。同时将自动化程度划分为十个等级如图：图1.3 自动化等级在确定了自动化等级以后将系统功能按照前面所提高的四个步骤划分类别，然后确定各个功能的自动化程度，接下来修改完善确定自动化类型以及等级。按照下述的流程来进行：图1.4 自动化分类与等级设计流程图1.3.6 York法这种方法最初是由英国的Dearden等学者所提出的，其设计目的是为了用于海军军舰，而

24、且在应用以后得到的反馈也不错，又被推广到了单座飞机的功能分配之中，通常按照下面的流程来进行11。图1.5 York法流程图此种方法考虑到了环境可能会对功能产生的影响，相对来说完善程度比较高，不过人员之间的功能分配欠缺考虑。1.4研究内容分析人与自动化系统各自的决策优势，学习多种解决多属性决策问题的方法，不确定性语言型多属性决策方法为重心，分析UEWAA算子的具体实施方法，根据实际情况确定划分决策等级所要评估的原则，筛选并制定无人机人机协作的权限分配等级及评估准则体系。首先对关键算法进行编程验证，然后选取特定应用场景进行实例化的仿真以检验方案的可行性和可靠性。1分析比较人类决策能力与机器决策能力

25、各自的优势所在。2分析影响系统决策分配的主要因素，然后逐个详细分析基于各个因素的权限分配原则并确定人机控制权限分配原则。整理并用不确定语言来描述确定人机权限分配的评估准则。3分析多属性决策方法，包括区间直觉模糊多属性决策和不确定性语言型多属性决策，由于所要进行分配的决策是用实数属性权重值和不确定语言型属性值来描述的方案，所以重点研究不确定扩展加权平均算子（UEWAA）和不确定语言混合集结算子（ULHA）。研究使用区间数可能度比较方法和区间数的排序理论。最后使用MATLAB编程实现算法。4研究飞行员身体状况波动或自动化系统资源匮乏等非正常情况下决策权限的动态分配方法。5选择特定的应用场景，模拟出

26、需要进行分配的任务，对分配方法进行动态的仿真验证，对实验算法和计算结果进行可视化的成果展示。2 权限分配方法研究2.1人机能力优势比较一般认知上，人类更加擅于进行富有创造性和启发性的工作，面对未知情况下的归纳总结能力要远远超过一般自动化系统，而自动化系统则更加擅长处理需要大量计算的高精度、高准确度的问题，在存储数据等能力方面远远超过人类，而未来作战环境中面临的问题既包括大批量的作战数据的处理和相应，也包括未知情况下的目标判断和决策等问题，在当前人工智能无法完全代替人类的工作的情况下，就非常迫切的需要人机有效结合，那么实际飞行中就需要对所有的任务进行合理分配，才能达到所期望的效果。在环境或者任务

27、的复杂程度不同的时候，人和机器所表现出来的应对能力也不同，环境或者任务的复杂程度与人和机器之间的应对能力的相关关系如下图2.1，人的行为规律是基于知识的，在较为复杂的环境或者任务的时候能够表现出较高的可靠程度，而在复杂程度降低的时候，人的可靠程度也会降低；而计算机的行为规律是基于技巧的，越简单的环境下，可靠程度越高。图2.1 人、机优势曲线对比图在关于人机能力对比的研究结论中，最为著名的莫过于Fitts List，如表2.1所示。它由人机系统领域的创始人之一P. M. Fitts于1951年提出，在后来的文献中被广泛引用。Fitts List指出了人、机固有的优势和不足，通过两两对比可以决策出

28、什么功能适合分配给人，什么功能适合分配给机。通常情况下，一方的优势恰好是另一方的劣势，这种情况下看来二者可以实现优势互补，系统性能较单独使用任一方也会有所提高。Fitts List成为各种功能分配方法的基础。 表2.1 Fitts List人擅长于（Men Are Better At）机器擅长于（Machines Are Better At）1. 判别低强度的声光信号1. 相应速度快2. 感知声光模式2. 精准程度高3. 创造或运用灵活的方法3. 执行重复、程序性的任务4. 可长期存贮大量信息，并能适时运用相关知识4. 存储或删除方便彻底5. 总结及逻辑推理能力5. 计算及演绎推理能力6. 运

29、用判断能力6. 可并行处理多个复杂操作随着计算机及自动化技术的迅速发展，以及人们对自身认识的加深，Fitts List的人、机优势分析显示出一定的局限性，在它的基础上也出现了一些更新。在经过了技术高速发展以后的今天，即便上述两种人机能力优势中的大部分仍然适用,但是用来概括其特点已经不再适宜。比方说在复杂信息传递、经验学习、复杂态势感知等等方面人具有很大的优势，在有人机和无人机结合的控制系统所具有的优点有大多与都是由这些优势带来的。在这里，综合考虑各种因素后，总结出了有人机/UCAV编队对地攻击指挥控制系统的一些优点所在，如下表：表2.2 人机决策能力优势人的决策优势：1. 应对灵活，适应能力强

30、，可以自行根据情况做出调整；2. 人拥有创造力，有时候可以巧妙的解决问题；3. 视觉感知能力优秀；4. 能够接收抽象的概念；5. 随着工作年限的提高，会不断积累经验，不断学习来提高自身水平；6. 可以通过直觉或者逻辑对可能出现的意外进行判断；7. 交流方式丰富，语音、文字、手势等等；8. 模糊信息处理的能力比较强；9. 符号推理以及空间推理能力优秀；10. 可以根据长时间的工作过程中积累下来的经验来提高决策效率；11. 拥有良好的模式识别能力，能够根据观察对象的外部特征进行分类；12. 可以通过常识来对局势做出判断，极大的降低出错的几率；13. 在寻找最优决策的时候，可以将其寻找范围缩小；14

31、. 在寻找最优决策的时候，若是能够提前碰到满意决策，则能够前提结束寻找过程；15. 在处理问题的时候，可以从各个角度来寻找解决方案。16. 在解决不良结构化问题的时候拥有优势；17. 可以从宏观的角度感知或者评估外界环境。机的决策优势：1. 可以将各种信息显示在显示器上；2. 存储空间大，能够存数的数据量多；3. 能够存储很多知识或者规则；4. 基于规则的逻辑推理能力；5. 进行简单、重复决策的能力；6. 进行长时间复杂数学运算的能力；7. 处理多变量组合问题较人具有优势；8. 长时间连续工作能力；9. 知识的并行处理能力；10. 较快的计算速度，时间敏感的决策问题，计算速度至关重要；11.

32、计算准确性高；12. 由于按照设定的程序运行，具有较高的可预测性；13. 对良结构化问题的处理；14. 长远来看，具有较高的效费比；15. 恶劣环境下的决策活动。2.2分配原则研究2.2.1基于认知模型的权限分配原则图2.2 人的三层决策模型如图2.2人的处理模式根据其复杂程度分为三个层次12：(1)基于知识的行为：这是最为复杂的处理模式，对于处理任何还没有实现自动化的问题都需要采用这种方法，常常用于处理新的或者是不寻常的情况。这种模式的最大特点是行为中的规划的调度，这是根据目标和问题本身，结合知识、经验的一个创造性的过程。(2)基于规则的行为：这是用来处理常见态势的模式，是经过训练的、高度自

33、动化的行为序列。该模式由一系列组合的态势行动对（即规则）组成，处理问题的方法为，精确及时完成态势评估，然后根据评估结果采取相应的对应措施。(3)基于技能的行为：是一种类似条件反射的模式。该模式不涉及认知过程，对于已知的激励可实现高度自动化的响应。将其扩展至无人机操纵系统，从认知学角度而言，人和计算机智能系统可以采取不同的行为模式应对系统受到的外部激励。环境和任务的不确定性小，问题的各种情况基本上都可以预测到，异常情况少，则可以抽取问题的特征，分析其内在规律，采用形式化的方法让agent处理问题。环境和任务的不确定性大，则无法穷尽问题的可能情况，必须根据知识现场生成合适的应对方法，则系统必须依赖

34、人的思维能力来处理系统的不确定性。故而对人的认知模型进行迁移得到如图2.3所示的无人机系统的行为模型。图2.3 无人机系统行为模型从系统的控制行为而言，其控制模式是一种基于技能行为。如果无法获得定量模型，而是采用模糊控制，人工智能的方式解决问题，其控制模式则是基于规则的行为。在这种模式中，人的经验和智能通过计算机的形式化方法得以发挥。最后，如果问题的不确定性和动态变化特性只有人根据经验和智慧现场分析才能得到解决，则应该采用认知学的方法，借助于控制科学的思想而不是方法，由人主动的干预问题的解决过程，指导计算机智能系统形成相应的对策。2.2.2基于系统本身因素的权限分配原则无人机系统组成中的人和计

35、算机各自都具有一定的制约因素，这些因素会在决策过程中产生影响，尤其是对于要进行分配的任务和计算机而言，需要考虑更多限制因素。具体分析如下。1. 功能自身约束（1） 优先级别：某一个任务的相对重要程度或威胁程度。该任务相对与整个任务而言，是关键环节还是次要环节？（2） 顺序约束：功能之间的先后依存关系。该任务的完成在何种程度依赖于其他任务的完成？（3） 时间约束：功能的时间特性。某一特定的任务是与固定的机会相关还是与固定的时间调度相关？（4） 空间约束：功能的空间特性。功能的执行效果是否取决与特定的场所或地点？2. 代理体能力约束（1） 结构的理解：代理体是否具有合适的知识或者知道怎样完成该功能

36、（自动化系统进行的运行方式）？（2） 信息的获取：代理体为完成某一任务能否获得足够的信息（良好的情景感知）？（3） 资源的获取：代理体是否具有足够的信息处理能力（如存储能力，计算能力）或物质能力（如空闲的机动面）来完成功能？（4） 执行的能力：代理体是否能够执行一系列动作来完成功能？代理体能否及时的以指定的精度做出响应？3. 团队机构约束（仅对于多无人机系统）（1） 共享的精神模型：相互协作代理体之间是否具有共同的或一致的对于问题域的理解，如共同的假设，共享的合理性？（2） 信息的耦合：每一个代理体是否有足够的信息知道其他代理体在执行何种任务，或如何执行任务？（3） 性能和资源的互补性：代理体

37、团队的性能和资源能否满足整个工作域的需求？（4） 授权机制：关于功能分配的动态决策是如何进行的（如，是集中管理还是采用多数表决的方法）？如何解决冲突问题？2.2.3根据操作员因素的权限分配原则自动化对于人的能力同时具有积极和消极两方面的影响。功能分配在有效的发挥自动化提供给人带来的各种益处的同时，还应该避免自动化所产生的消极影响。自动化对于人的工作表现的影响主要表现在以下几方面：1. 精神上的工作负担自动化应该让人在工作过程中维持合适的精神上的工作负担。设计良好的系统中，一方面，计算机完成了大部分琐碎的例程化的工作，人可以集中精力处理高层的复杂事件，另一方面，人始终处于适度的兴奋状态，既对任务

38、的执行情况保持敏感，又不会过于劳累。相反，设计不当的系统中，人需要消耗过多的精力处理各种小问题，从而负担过重；或者人的工作负担处于一种幅度很大的跳跃状态，在平常时期无所事事，在非常时期却极度紧张，如此往复，人容易感到疲劳，并且由于平常时期过于轻松而造成对系统状态的陌生，导致在处理紧急情况时需要花费更多的精力和时间才能处理问题，甚至是无法处理问题。自动化系统保持人合适精神负担的关键途径之一为良好的人机界面。从已有的设计成功范例中提取的经验包括：自动化可以完成对于原始数据的预处理，以可视化的方式进行显示；对数据的排序、统计、检索；对关键信息的报警、提示；按照优先级对信息进行显示；提供操作者定量的原

39、始数据等等。2. 情景感知操作员和UCAV保持一致的正确的情景感知是两者协作完成任务的基础条件之一。智能系统的自动决策功能可能会降低操作员对系统和工作环境某些动态特征的感知程度。在决策过程中，当其他agent控制系统状态时，人对于环境和系统状态的感知程度将会低于人自己完成决策时对环境和系统状态的感知程度。同时，在动态变化的环境中，如果智能系统持续的重复的进行自动的制定决策和执行动作，那么操作员将不能有效的介入决策过程，也难以维持对环境全景的掌握。这种现象在操作员对决策过程而言只是起监视作用的系统中最为常见。因此，情景感知是操作员和UCAV都必须完成的功能，UCAV必须提供给操作员足够的信息以保

40、证操作员对环境和系统状态的掌握，操作员根据多方面综合信息获得的态势评估结果应该上传到UCAV系统中；UCAV在进行智能决策时，应该存储足够的决策过程结果和中间信息，操作员根据这些信息了解UCAV的意图，操作员应该主动的介入到UCAV的决策过程之中，保持对整个态势的掌握。3. 依赖性如果智能系统是非常可靠的但不是绝对可靠的，操作员往往会对智能系统产生依赖性，不会监视智能系统的信息来源和执行过程，那么当智能系统失效时，操作员将无法及时的检测到系统失效的来源和原因。这种对智能系统的过分信赖而产生的依赖性在操作员在多任务环境中尤其明显。4. 技能水准下降如果制定决策的功能一直由智能系统执行，那么随着时

41、间的推移，操作员完成这项任务的能力就会降低。总之，自动化带来的潜在代价降低态势感知程度，依赖性，技能水平下降总结起来，就是自动化会在一定的程度上导致操作员对环境和系统状态的“置身事外”（Out-of-the-loop）。在功能分配时，应该避免这些负面影响不会发生，保证人能够在系统运行过程中一直对系统状态和外部环境保持足够的“敏感度”，即始终“设身处地”（Inside-the-loop）。2.2.4其他分配原则1智能系统的可靠性智能系统的可靠性对于智能系统的能否充分发挥全部功效是非常关键的。智能系统的可靠性将影响人对智能系统的信任程度。过低的可靠性将降低操作员对系统的信任程度，从而导致系统效能的

42、降低，自动系统将无法得到充分使用甚至被关闭。最明晰的例子是不可靠的报警系统，过于频繁的报警或者是漏报次数太多，人无法相信这样的报警系统，那么该报警系统实际上就已经失效了。如果信息处理系统的可靠性很高，则可采用较高层次的自动化程度。同时，构造高可靠性的系统必须依靠相当复杂的机制进行保证，那么系统的构造成本与功能之间的协调以及适当的复杂程度，都是自动化层次选取必须考虑的因素。2决策和行动的代价不同的功能在不同的环境下，由人完成还是自动完成可能产生不同的效果，需要不同的资源，需要不同的代价。功能分配应该综合功能特点、环境参数以及人和计算机系统的特点，使实现功能的代价最小。以下为具体的分配原则：（1）

43、实现例程化的工作即使失败对系统整体的影响较小，可采用较高层次的自动化水平；（2）在时间高度紧迫的情况下，操作员没有足够的时间采取对策，则可采用较高层次的自动化水平；（3）对于风险较高的任务，若在决策阶段采用了较高层次的自动化，那么操作员应该有机会了解最终决策结果甚至是拥有否决权，从而提供“错误陷阱”机制，防止智能系统采取错误的行动。3系统集成的难度，系统效率与系统安全之间的协调，制造成本等。2.2.5分配原则的确定根据以上分析的内容最终确定一下五条分配原则：1比较分配原则比较就是关于人与机器自动化系统特性的分析比较。在分析比较的基础上，确定各个功能的优先分配，即适合人来实现的功能就分配给人来做

44、，适合自动化系统完成的任务就分配给机器来做。当某一功能需要人、机配合来完成时，则表明这一功能的分析尚需往更细的层次分解。人机系统的设计者在充分认识系统的目标和任务要求后，必须能很好把握当时的技术发展水平，清楚地了解和分析人、机各自的优缺点，才有可能为实现其目标进行决策，选择出最佳的人、机结合模式。2剩余分配原则剩余分配原则是指一项功能如果采用技术上能够实现的自动化操作可以完成，就可以排斥人的作用。首先把尽可能多的决策功能分配给自动化操作完成，剩余的功能才分配给人。这一条原则在实际分配决策时可以和第一条原则结合在一起来考虑。3经济分配原则系统的一项功能是分配给人或机器还需要从经济角度来考虑。这里

45、的经济概念是指系统研制、生产、使用及维护全寿命周期的总费用，其中特别强调使用的效率。对于人而言，则包括他的选拔、培训等费用。系统的有些费用在设计阶段是不易直接衡量的，只能通过预测的方法来分析比较。因此，究竟是使用人经济，还是设计、生产制造、运行维护机器来实现该功能经济，都要深入分析考虑。4宜人分配原则决策功能分配在考虑人的能力限制的前提下，尽可能多地多发挥人的技能。这意味着既要使系统中人类操作者不要在完成任务、作业后疲惫不堪，也不要让其长时间感到无事可做，工作警觉性变差。5弹性分配原则随着现代科学技术的发展,尤其是计算机、自动化和人工智能技术的发展,出现了很多不同类型的人机接口，能够根据不同的

46、需求选择不同的人、机操作界面完成系统功能。弹性分配的基本思想有两个：一个是由人自己决定参与系统行为的程度；另一个是智能机器根据任务的难易和操作者的工作负荷及态势感知水平来调整系统功能的分配。弹性分配原则又称为动态分配原则。上述14属于静态决策分配（Static Decision Allocation）原则，是根据系统工程中自上而下（Top-to-Down）的设计思想，系统分析和设计人员针对人机系统的任务需求，对系统功能进行逐步分解，并以固定的方式把某些功能明确的指定给系统中的人或者某个自动化系统来完成，在运行过程中不再加以调整，因此称其为静态决策分配。而5属于动态决策分配（Dynamic De

47、cision Allocation）原则，它是根据复杂系统论中自下而上（Down-to-Top）的思想，对系统运行阶段的功能分配情况做出的考虑，使得系统功能能够在人、机之间动态的调整，从而使人、机工作更加协调，提高系统整体的功能效果。从技术的实现角度来看，静态决策分配比较容易操作与应用，而动态决策分配虽然更加符合发展的方向，但具有较大的难度，还有待于进一步的探索研究。2.3权限分配评估准则在设计阶段当人机系统的自动化等级基本确定以后，需要在后续的试验或者系统实际应用中按照一定的准则评估系统设计是否达到或满足要求，以最终确定系统的自动化等级。对于有人机/UCAV编队指挥控制系统决策分配来说同样如

48、此。Parasuraman按照两级评估准则来确定人机自动化系统的功能分配，Malasky在Parasuraman两级评估准则的基础上，给出了更为详尽的HMCDM系统决策分配评估准则13,如操作者对自动化的信任（trust）程度，所要求的操作技能等，但这些新增的评估指标很多可以归入两级评估准则中，因此也可以看作是对Sheridan两级评估准则的细化。在相关文献的基础上，本文探讨并建立了无人机操纵系统决策分配的评估准则，并按照评估准则的重要性将它们分为两部分：主要评估准则和其它评估准则。主要评估准则是决策分配时需要优先考虑的因素，而其它评估准则作为补充，更能够提高决策分配结果的科学性和准确度。2.

49、3.1主要评估准则1脑力负荷又被称为心理负荷、精神负荷等等，最初是在体力负荷的概念上引申出来的，指的是人在工作过程中所消耗的脑力量和所消耗时间的比值。能够体现出人在工作过程中对脑力资源的占用，也就说脑力负荷和剩余可利用脑力资源两者之间呈现负相关的关系，在工作过程中脑力资源的占用越低，则脑力负荷越低，剩余可利用脑力资源越多，反之亦然。通常来说在人的工作过程中承受的压力越大，则说明脑力负荷越大。脑力负荷的大小还对人在碰到问题的时候处理信息的效率有着影响。当脑力负荷超出人的承受能力时，其工作效率和可靠性将不断下降。对导致产生脑力负荷的原因进行分析，可以分析出很多，其工作的内容以及要求或者本身的工作能

50、力等等都是导致产生脑力负荷的原因所在。作战决策对于决策者而言，主要是其脑力劳动的结果。人与自动化之间决策分配的结果将决定人的工作内容，直接影响其脑力负荷。因此，在进行决策分配时需要考虑决策者的脑力负荷是否超出了其有效工作的脑力负荷限制。相关研究结果表明，设计良好的决策自动化系统可以使人的脑力负荷处于一种良好的状态，从而有利于系统整体性能的提高。但是，在决策过程中引入自动化技术并不是总能减轻人的脑力负荷，在某些情况下，由于人与自动化技术之间的交互存在困难，还会引起人的脑力工作量的增加。一般来说，自动化技术对人脑力负荷的影响可以通过人的工作能力和效率来反映14。2态势感知关于态势感知（Situat

51、ion Awareness），至今还没有形成一个统一的定义。其中，最早也是应用最广泛的定义是：能够在某个时间范围以及空间范围内不断接收外部环境信息以理解和感知环境，然后基于其理解和感知对将来可能发生的情况进行判断15。按照这种定义，态势感知被分解为三个层次：第一个层次为感知，指传感器对环境重要信息的获取，并且以适当的形式将相关信息提供给操作者；第二个层次为理解，指操作者对和个人目标相关数据的意义和重要性的理解，从而形成关于外部环境的全面感知；第三个层次为预测，指信息向前外推以确定其如何影响操作环境。在预测层，操作者可以根据头脑中的当前态势信息预测环境和系统进一步的状态，以便采取及时有效的行动。

52、态势感知概念起源于航空领域，如今已经发展成为空中交通管制、军事指挥控制、天气预报、核电站、教育等领域的一个重要概念，得到广泛的研究16。态势感知的重要性在于它是正确决策和行动的基础，维持较高层次的态势感知水平对于决策而言至关重要。设计辅助系统使操作者形成和保持良好的态势感知可以促使其做出正确的决策。研究表明，88%的航空事故是由于态势感知问题导致飞行员出现操作失误，继而引发航空事故。但是形成和保持较高的态势感知水平是十分困难的。Endsley对态势感知的认知模型进行了深入研究，指出高度自动化的系统将降低操作者对系统和环境的态势感知水平，她将这种现象称之为“环外综合症（out-of-the-lo

53、op syndrome）”。因此，决策功能的自动化可能会使人形成依赖性，进而降低操作者对系统及其工作环境动态特性的把握和掌控。通常情况下，如果系统或者环境的变化受自动化的控制，而不在操作者的控制范围内，则操作者对这些变化的感知水平会比较低。同样，当决策支持系统、专家系统或其它的决策自动化系统在动态环境中连续或者重复的选择、执行决策结果，操作者由于没有参与决策过程而导致态势感知水平的下降。但是，从另一方面讲，由于高度自动化水平能有效地降低操作者的脑力负荷，可以使操作者有精力掌握系统其它部分功能的工作情况，这在一定程度上也能够增加操作者对整个系统的态势感知水平。因此，在决策分配时需要综合考虑决策自

54、动化技术的影响，将操作者态势感知水平作为决策分配结果的一个评估准则，对于形成人在回路的指挥决策过程至关重要。3自动化决策的可靠性可靠性设计是军事装备系统研究中的一个重要环节。在进行控制系统决策分配时，自动化决策的可靠性是需要考虑的一个重要因素。只有决策功能所分配的自动化技术具有较高的可靠性，才能通过提高这项决策功能的自动化程度来降低操作者的脑力负荷，从而使操作者有能力增强对系统其它决策功能的态势感知水平。但是，如果自动化决策功能不可靠，则操作者需要花费更多的精力来判断决策结果的正确与否，这反而会增加操作者的脑力负荷。另外，可靠性水平还会影响使用者对自动化技术的信任程度，从而影响自动化功能的发挥

55、。因此，自动化可靠性是决定其应用的一项重要评估标准。目前对系统可靠性进行评估的方法较多，如故障树分析法。但是，当自动化决策软件的复杂性和规模较大时，对其可靠性进行准确评估则比较困难，特别是与其它子系统的交互更增加了评估的难度。4决策风险决策风险指的是不正确或不恰当的决策所造成的后果，表示方法为使用决策错误的代价与错误发生的概率的乘积。对于相对风险较小的简单决策任务，可以采用较高的自动化等级完成，甚至完全自动化，以减少人的参与，从而避免人因为脑力负荷超载而无法执行其它重要的功能。而对于决策风险较高的任务，可以设置适中的自动化等级，并且在决策执行之前将决策结果提交操作者最终确认，以提高决策的安全性

56、。5系统费用效费比分析是任何系统设计、开发阶段都要完成的工作，费用成为影响功能实现的一个重要因素。对于指挥控制系统决策分配而言，机器系统具有的智能程度越高，则要求的开发代价越大。对于人来说也是一样，要求他完成的功能越多，则对他的能力要求也就越高，相应地需要大量的学习和训练，这也将导致系统成本的增加。因此，对系统中与人有关的费用和与设备相关的费用要进行均衡，使系统在满足需求的同时保证总体费用在可接受范围之内。2.3.2其他评估准则1操作员技能要求人对相应决策自动化等级的操作技能将影响决策的成败。由于不同决策任务可能处于不同的自动化等级，且自动化等级可能在任务执行过程中动态变化，而不同的自动化等级

57、对操作者的技能要求也就不同，所以需要针对不同的系统状态对操作者进行训练。如果操作者没有任何经验，就需要对他进行全面的培训；如果操作者以前工作于全人工环境下，则当系统调整为全自动状态时，他的经验将不再适用。而对操作者的训练过程需要耗费大量的人力、财力和时间。2操作员技能下降如果某项决策功能长期由自动化系统完成，则操作员对这项功能的操作熟练程度将会不断下降。而一旦自动化系统出现故障，操作员技能在此时将显得的尤为重要。3决策任务时间紧迫性时间紧迫性主要指完成决策所需要的时间，特别是针对时敏决策任务而言，要求其在限定较短的时间内给出决策结果。人的信息处理速度和响应速度是有限制的，如果在某一时间段分配给

58、其较多的功能，则会导致任务的延迟，引起后继任务的推迟或整个任务的失败。同时对于某些要求智能程度较高的功能，机器系统的处理能力也是有限的，例如一些利用知识进行推理的工作，人的表现可能比机器更加迅速和有效。在分配时也要考虑决策任务的时间紧迫性，以决定任务的归属。4决策交互作用当系统决策任务较多而且彼此之间的关系较为复杂时，不同决策功能的自动化等级将会对其它部分产生重要的影响。因此，在进行决策分配之前，必须清楚不同决策功能之间的交互作用。5满足感当系统以较高的自动化等级决策时，操作者容易对决策结果过于信赖而产生满足感，造成对自动化系统工作过程监控的忽视。即使操作者被告知自动化决策系统的不完全可靠性，

59、但是依然会对操作者的判断产生影响。所以当系统出现故障时，操作者往往不能察觉，特别是当操作者需要同时执行多个任务时，这种现象会更加突出。为了避免这种情况的产生，在进行决策分配时应尽量使人能够对自动化的决策机理和过程有所了解。2.4自动化等级确定本文拟采用Parasuraman的10层自动化等级分类方案，具体等级见表2.3。表2.3 自动化等级自动化等级描述1计算机不提供任何帮助，人必须完成所有的决策和操纵2计算机提供整套的决策或行动方案3计算机缩小方案选择范围4计算机提供一个建议方案5如果人同意则执行这个方案6在执行方案前允许人在限定时间内否决7自动执行，仅在必要时通知人8如果人需要则告知他9是

60、否通知人全由计算机决定10计算机决定所有的工作，拒绝人的干预2.5基于UEWAA算子和ULHA算子的多属性决策方法这里研究一种基于UEWAA算子17的多属性决策方法首先令，。然后规定语言评估标度为，要求中的术语个数为奇数，且需要满足以下条件：1）若，则2）存在负算子在S的基础上定义扩展标度，其中是足够大的自然数，若，则称为本原术语；若，则称为扩展术语，扩展后仍然满足条件(1)和(2)。定义1 设，下限和上限分别是和，则称为不确定语言变量。定义2 设，且，则v的可能度定义如下：（1）定义3 设UEWAA：，若（2）其中为的加权向量，且，则称UEWAA为不确定扩展加权算术平均算子。定义4 设ULH

61、A：，若（3）其中是与ULHA相关联的加权向量，.是，中的第大元素，是的加权向量，表示的是平衡因子，ULHA表示的是不确定语言混合集结算子。接下来开始判定自动化等级，这里给出了一种以UEWAA和ULHA算子为基础来集结信息的多属性群决策方法18。用表示等待分配的决策功能集，分别为人、机的能力优势项集合矩阵，权重分别为和，且满足，通过下述程序来详细的判定自动化等级：步骤1 决策者首先需要给出人、机各能力优势和对等待分配的决策功能影响程度的不确定语言评估值、，并由此得到评估矩阵R=rijnm、Q=qijnl，且。步骤2 通过UEWAA算子来集结R和Q中第i行的信息，获取在范围内的评估结果以及。步骤

62、3 计算和之间的可能度，得到可能度向量.其中。步骤4 根通过pi来获取范围内的自动化等级A。根据下述过程来进行：（4）在上式中，表示的是高斯取整函数。最后一步是确定自动化等级。在确定了范围，也就是确定了不同决策所分配的不同方案以后，一般通过专家来对这些方案打分，然后取均值，根据这个均值来进行方案的选定。这里是在UEWAA算子和ULHA算子的基础上所进行的多属性群体决策18,19，详细的实施步骤如下；步骤1 设和分别为方案集、评估准则集和专家集。评估准则的权重向量为，.专家的权重向量为，.专家给出方案在准则下的评估值，得到评估矩阵Rk=rij(k)nm，且。步骤2 对Rk中第行的评估信息利用UE

63、WAA算子进行集结，得到给出的方案综合属性评估值。步骤3 在得到了这些评估值以后，以ULHA算子对其进行集结，得到的群体综合属性评估值。步骤4 分别计算出各个方案对应的综合属性值之间的可能度，并建立可能度矩阵。步骤5 求出的排序向量，并按其分量大小对方案进行排序，即得到最优方案。其中 （5）3 算法的实现与算例3.1算法的MATLAB实现在自动化等级的确定过程中，主要使用到的函数包括UEWAA.m, ULHA.m, rang.m, fianlres.m。以上函数均依据文章2.5节中运算规则和公式编写。现选取无人机电源故障检测功能进行计算以验证其有效性。首先确定等级范围，以故障检测功能为例，设人、机能力优势集合分别表示为：和，各元素含义见表4.3。有为数不少的可以用来计算指标权重的方法，比方说最小加权法，层次分析法等等，这里使用的是所说的第二种，也就是层次分析法。第一步要对前面的步骤中所取得的人和机器所拥有的各种优点两两相比较，这里使用的方法是五级标度法，在获取了判断矩阵之后，算出其特征向量的值的大小，通过此参数来完成一致性检验工作。经过分析以后，这里所取得的H、M中的权重分量如下：.表3.1 人机能力优势集合积累经验和持续学习的能力数据存储空间大总结及逻辑推理能力组合问题处理