前瞻科技
| 专题 2026, 5(2): 53-65
智能网联无人机运行风险分析与管控建议
全屏
全屏
作者信息
- 1北京航空航天大学电子信息工程学院, 北京 100191
- 2工业和信息化部装备工业发展中心, 北京 100031
- 3中国民用航空飞行学院飞行技术学院, 广汉 618307
张学军，教授，博士研究生导师。科学技术部重点领域创新团队——国家空域系统运行安全监控技术创新团队负责人，空地一体新航行系统技术全国重点实验室副主任，中国民用航空局无人驾驶航空器系统重点实验室主任，工业和信息化部低空产业联盟低空智能网联技术委员会秘书长等。主要从事空中交通管理、航空电子系统、无人驾驶航空器和低空智能空管等研究。主持国家自然科学基金重点、国家“863”计划、国家科技支撑计划、国家重点研发计划等项目20余项。获“全国创新争先奖状”，国家“万人计划”科技创新领军人才。发表SCI/EI学术论文130余篇，授权国家发明专利80余项。电子信箱：zhxj@buaa.edu.cn
通信作者:
Risk Analysis and Control Recommendations for Operation of Intelligent Connected Unmanned Aerial Vehicles
Affiliations
- 1School of Electronic Information Engineering, Beihang University, Beijing 100191, China
- 2Equipment Industry Development Center, Ministry of Industry and Information Technology, Beijing 100031, China
- 3Flight Technology College, Civil Aviation Flight University of China, Guanghan 618307, China
出版时间: 2026-06-20
doi: 10.3981/j.issn.2097-0781.20260018
文章导航
摘要
收起
无人机智能化与网联化将极大拓展其功能边界与潜在应用场景，有利支撑未来低空运行体系的构建。无人机运行过程中，其新增智能化与网联化系统可能出现功能异常或故障，从而导致新型安全风险。为了解析相应的增量运行风险，文章明确了智能网联无人机的系统架构与分级分类运行模式，提出了基于统一可接受安全水平与差异化目标安全水平的无人机智能化网联化新增功能风险评判原则；聚焦无人机智能化中的探测与避让（DAA）和网联化中的指挥控制与通信链路（C3链路）两大核心功能，解析了相应功能与人、机、环、管等因素危险源耦合后的故障/失效路径及事故后果，进而基于目标安全水平管理约束和技术改进两方面给出了无人机新增关键系统功能的风险管控措施。文章为低空智能网联无人机的安全设计、运行管理与风险评估及管控框架相关研究给出范式和建议。
低空运行
/
智能网联无人机
/
目标安全水平
/
风险分析
/
管控建议
The intelligence and networking of unmanned aerial vehicles (UAVs) will greatly expand their functional boundaries and potential application scenarios, which is conducive to supporting the construction of future low-altitude operation systems. During the operation of UAVs, functional abnormalities or malfunctions may occur in their newly added intelligent and networked systems, leading to new safety risks. To analyze the corresponding incremental operational risks, this study clarifies the system architecture and hierarchical classification operation mode of intelligent connected UAVs, and proposes a risk assessment principle for the newly added functions of intelligent connected UAVs based on unified acceptable safety levels and differentiated target safety levels. Focusing on the two core functions of detection and avoidance (DAA) in UAV intelligence and command, control, and communication link (C3 link) in networked systems, the study analyzes the fault/failure paths and accident consequences of the corresponding functions coupled with human, machine, environmental, and management hazards. Based on the constraints of target safety level management and technological improvements, risk control measures for the addition of key system functions in UAVs are proposed. The research provides paradigms and recommendations for the safety design, operation management, risk assessment, and control framework of low-altitude intelligent connected UAVs.
low-altitude operation
/
intelligent connected unmanned aerial vehicles
/
target safety level
/
risk analysis
/
control recommendations
张学军, 刘法旺, 周悦, 柯鹏, 李诚龙.
智能网联无人机运行风险分析与管控建议.
前瞻科技,
2026
, 5
(2)
: 53
-65
.
DOI: 10.3981/j.issn.2097-0781.20260018
Xuejun ZHANG, Fawang LIU, Yue ZHOU, Peng KE, Chenglong LI.
Risk Analysis and Control Recommendations for Operation of Intelligent Connected Unmanned Aerial Vehicles[J].
Science and Technology Foresight,
2026
, 5
(2)
: 53
-65
.
DOI: 10.3981/j.issn.2097-0781.20260018
正文
收起
随着全球低空经济和低空产业的迅速发展，无人机数量和应用场景规模持续增长，低空运行场景中的异构、高动态和局部高密度无人机运行情形愈发多见，对低空空域的运行安全和效率提出了系统性挑战。近年来，低空多端信息网联协同和智能自主运行等新一代航空器功能正逐渐成为破解这一低空运行难题的关键。2024年发布的《低空智能网联体系参考架构（2024版）》报告[1]为低空智能网联体系的建立与发展指明了方向，即通过整合多种技术手段和服务能力，满足不同运行场景对应用服务、资源调度、信息共享及设施设备的需求。
低空智能网联体系是以数字化、网联化、智能化飞行器为核心，融合信息物理基础设施、数据信息网络与应用服务系统构建的综合性运行支撑体系，是一个复杂而广域的感知、互联和管控服务巨系统[2]。如图1所示，在该体系中，以智能网联无人机（Intelligent Connected Unmanned Aerial Vehicle, IC-UAV）为代表的低空飞行器可以通过体系的网联化功能享受共享信息服务，从而极大拓展无人机的感知范围、精度、算力甚至协同能力；智能网联无人机本身具备的单机与多机协同智能化功能也是支撑智能网联体系的基本单元，在特定的管控规则下赋能网络中各类低空对象的整体智能[3]。因此，智能网联无人机可以定义为：受低空智能网联体系管理，具备自主决策能力，并能实时与低空信息网络交互的无人驾驶航空器。
1 智能网联无人机发展现状
收起
1.1 定位与特点
智能网联无人机是低空智能网联体系的重要组成部分。常规低空智能网联体系主要由感知层、网络层和应用层构成。其中，感知层主要负责整个低空体系的数据采集和储存，网络层负责不同低空对象间数据传输和通信，应用层则基于低空数据和多对象通信，利用各类低空软硬件实体提供针对性的低空运行服务。智能网联无人机网联化功能的实现基础是低空智能网联体系中感知层和网络层提供的低空数据及组网通信；同时，智能网联无人机凭借自身强大的环境感知能力、庞大的运行规模、灵活的运行模式成为低空智能网联体系感知层中低空态势数据的来源，能够承担各类低空运行服务和任务，从而有力地支撑低空智能网联体系。
与传统无人机相比，智能网联无人机呈现出更高程度的自主性与网络耦合的技术特点。智能化赋予了无人机在动态环境中的自主适应与决策能力，而网联化则为无人机引入了更广泛的低空态势信息，可以满足无人机的多样化运行需求。为实现智能网联无人机的运行，无人机本体除需具备飞控、动力、通信等传统功能外，还需为智能网联新增功能提供部组件支持。例如，网联化需求下，无人机需额外搭载支持低空信息网络身份识别与通信的硬件模块；智能化自主飞行需求下，无人机需搭载更加丰富的环境态势传感设备，并嵌入高度智能化的决策算法。
1.2 运行模式与关键功能
智能网联无人机的智能化与网联化功能是支撑其融入低空复杂运行环境、实现广域协同和自主作业的核心能力。智能化功能以机载多源感知、自主决策和智能控制为核心，重点提升无人机在动态不确定环境下的态势理解、自主避撞和应急处置能力。网联化功能则以多链路通信与低空信息网为载体，实现无人机与地面管控平台、协同机组和空域基础设施的实时数据交互，提升单机与机组的信息交互能力，实现超视距运行。典型的智能化、网联化功能见表1。
智能化功能体系以探测与避让（DAA）为典型功能，并涵盖自主导航与航迹规划、智能故障诊断与处置、多机智能协同等关键能力。
（1）DAA：通过多源感知融合实现动态目标识别、冲突预警与避撞解算，是智能化无人机运行的必备能力。
（2）自主导航与航迹规划：可在突发障碍、空域管制约束下动态调整飞行路径，提升运行适应性。
（3）智能故障诊断与处置：能够实时监测多个关键子系统状态，在异常工况下自动执行悬停、返航或迫降动作，降低单机失效引发的安全风险。
（4）多机智能协同：依托分布式算法实现编队保持、任务分配与协同避障，满足规模化作业场景下的效率与安全需求。
网联化功能体系以指挥控制与通信链路（C3链路）为核心，同时包含低空全域态势共享、多链路冗余通信、身份认证与网联安全等能力。
（1）C3链路功能：构建“机−机”和“机−地”等多端可靠双向链路，实现指令下发、状态回传与飞行接管，保障远程闭环控制的连续性与实时性。
（2）低空全域态势共享：使无人机接入统一网联平台，获取空域流量、气象条件、障碍物分布与系统管制指令等全局信息，突破单机感知限制。
（3）多链路冗余通信：融合公网（4G/5G）/专网、卫星通信与自组网等方式，在复杂地形、强电磁干扰等场景下自动切换链路，维持通信连通性和稳定性。
（4）身份认证与网联安全：保障入网安全，抵御劫持、干扰与数据篡改等网络威胁。
2 智能网联无人机运行安全挑战
收起
2.1 无人机智能网联化的安全内涵转化
智能网联新增功能的加入与升级虽然拓展了无人机的应用场景，并一定程度上增强了无人机运行过程中的风险处置能力，但适用运行场景的复杂性也随之增加，诱发功能适应性与场景复杂性矛盾，进而催生新型运行风险。以控制模式与自主化功能为例，智能网联无人机的发展路径将逐渐由远程遥控向自主飞行演化，最终在复杂环境下完成无人工干预任务。随着自主等级提升，系统复杂性由单体控制扩展至多机协同，使得运行场景中无人机的交互对象逐渐由“人−机”耦合演变为“机−机”耦合，以及“地面控制系统−无人机集群”的网联控制耦合。这一转变改变了风险的本质来源，即除了传统的人员失误和硬件失效外，还需引入算法能力边界不明、通信链路退化、感知与决策失效等新型风险因素[4]。因此，智能网联无人机的安全问题已不再局限于单机功能可靠性分析，而是需要从系统层面构建覆盖系统硬件、功能应用、运行环境及协同过程的综合安全分析与风险管控。
（1）“人”的内涵转化：在智能网联环境下，人不再局限于传统单架无人机的远程遥控飞行员，而是扩展至与运行相关的所有有人参与的环节。例如，负责监督多架无人机自主运行的“机群监管员”、制定飞行计划的“任务规划员”，以及可能辅助配合任务执行（如运输任务）的第三方地面人员。在自主化程度提升的背景下，人的角色正从直接操控者向监督者和干预者转变，导致人员的认知能力、规划能力、人机交互水平，将超越原有飞行操纵技术，成为影响无人机运行安全的关键。
（2）“机”的内涵转化：智能网联系统中“机”的概念不仅包括了传统的无人机本体动力系统、飞控系统、通信设备等，更强调了智能化与网联化新增功能的软硬件载体。为实现相应新增功能，无人机需要具备支持环境感知的各类传感器、支持自主决策的机载高性能计算单元与算法，以及支持空−地和空−空协同的通信与组网模块。相应软硬件的增加也使部件的功能完好性、算法的泛化能力及软硬件之间的协同水平成为高自动化无人机和无人机集群安全运行的基础。
（3）“环”的内涵转化：传统环境概念包括单一的天气、地形等自然物理环境等。在智能网联场景中，为支持智能化和集群化无人机运行的需要，环境概念将拓展为包含物理环境、信息环境和电磁环境的复合环境整体。其中，物理环境信息基本不变；信息环境包括智能网联体系提供的全域态势信息、交通管制指令、数字孪生地图等数据服务；电磁环境关注复杂低空航空器频谱占用、电磁干扰等对通信链路与导航信号的影响。3种环境相互交叠，共同作用于智能网联无人机的运行。
（4）“管”的内涵转化：在智能网联环境下，无人机的管理内容逐渐由对单一或少量无人机的适航管理和人员执照管理，拓展至对智能化无人机算法伦理的管理、对网联化无人机集群运行计划的管理，以及对低空网络的安全管理和数据治理等。智能网联无人机新增功能应用的合理与合规性需严格受到管理规则的约束，确保智能网联无人机的运行安全。
2.2 智能网联无人机运行安全目标约束
运行安全目标是描述智能网联无人机低空运行的风险底线，也是可接受风险的量化。运行安全目标确定的基本原则是确保无人机的智能化与网联化升级不会显著提升其所在运行场景的整体运行风险。
为了统一约束智能化与网联化新增功能伴生的风险对无人机实际运行的影响，可将目标安全水平（TLS）作为特定运行场景下的风险接受准则。具体而言，TLS可采用后果型安全指标进行表达，如空中碰撞、失控坠地等，用以规定该场景下运行风险不得突破的安全底线。TLS并非对所有无人机运行场景设定统一阈值，而是应根据运行区域人口密度、空域复杂度、无人机重量、飞行高度、任务类型和运行频次等因素进行差异化配置。
智能网联无人机TLS的确定应当考虑其运行场景对风险的敏感度。换言之，应根据不同运行场景的风险特征，将场景化TLS进一步分解为运行层面的安全要求。对于智能化和网联化无人机而言，DAA探测与避让、C3链路、导航定位、飞行控制、失控保护和应急处置等功能是维持运行安全的关键环节。因此，可围绕上述功能设置相应的可靠性、可用性、完整性和响应时间要求，使顶层风险接受准则能够落实到具体技术功能和运行控制措施中。在此约束下，顶层安全指标以安全完整性为导向进行下发分配：要求核心 C3 链路具备高连续性与低延迟抖动，同时，机载DAA需具备多源异构冗余感知的容错能力，将误警与漏警率压缩至极限阈值。因此，智能网联无人机的总体安全框架需要遵循从精细化系统对象层级失误递推至事故风险，进而接受TLS安全水平监管和改进的递进式逻辑。
如图3所示，在一个完整的智能网联无人机总体安全框架中，如果出现支持相应智能化或网联化功能的关键部件失效，失效会沿结构耦合路径进行传递，依次出现对应无人机子系统故障或异常，进而诱发某一个或多个智能化和网联化关键功能的失效甚至联动其他常规系统出现失效，引发无人机运行过程中的常规状态偏离甚至系统性失控等危险事件，最终演化为空中碰撞、单机失控或碰撞障碍物等典型事故。在特定的运行场景中，相应事故统计指标的变化将导致场景实际安全水平接近或者超过TLS，表明当前运行场景因无人机智能化网联化功能的故障或异常而出现了显著的安全风险。因此，确保智能网联无人机运行安全的基本目标在于确保支持相应新增功能的关键部组件及相应子系统在无人机运行过程中不会出现故障和异常，或者组部件与子系统在退化与异常工况下仍然能确保功能实现的偏差水平在可接受范围内。
3 关键功能故障/异常风险分析
收起
3.1 DAA故障/异常
在远程遥控驾驶航空器系统（RPAS）的运行架构中，驾驶员与其所操控的航空器在物理空间上是分离的，这种人机分离的特性直接导致驾驶员丧失了传统有人机中至关重要的空中看见与避让能力。因此，DAA应运而生。DAA不仅是远程无人机弥补环境感知缺失、确保飞行安全的技术核心，更是在智能网联环境下实现超视距（BVLOS）运行的先决条件。从功能逻辑看，DAA并非单一的传感器堆叠，而是一个包含态势感知与避撞决策的复杂闭环。在传统RPAS中，机载传感器负责探测与识别周围目标，进行冲突预警并生成避撞决策，随后将态势及决策信息上传给远程驾驶员；驾驶员依据经验与规则执行机动操作，地面控制系统则将指令转换为具体机动下发至飞控系统执行[6]。
智能网联无人机的DAA高度依赖机载传感器、计算平台、控制机构与智能算法的协同工作，因而在系统内部引入了新的复杂失效模式。DAA的故障/异常并非孤立事件，而是由无人机本体、外部环境、其他航空器、操作员及管理维护等多维度风险源相互耦合、激发的结果。这些风险源通过干扰或阻断感知、决策、控制3个核心环节，导致系统无法正确重构环境、生成有效策略或精准执行机动，最终将潜在风险转化为实际事故。基于新增功能故障/失效的风险建模框架，可从不同系统对象与DAA耦合的角度开展风险分析（表2）。
无人机本体子系统的硬件局限与算法缺陷是DAA失效的内生根源。在感知环节，传感器老化、校准误差或时钟漂移会导致信噪比下降或时空对齐偏差[7]，使融合算法难以有效提取障碍物特征，造成漏警或虚警。在决策环节，边缘计算单元的算力瓶颈会导致处理时延增加，使避撞指令生成滞后；深度学习模型若存在过拟合或欠拟合，在未训练的边缘场景下可能输出局部最优或错误路径，导致决策逻辑死锁。在控制环节，舵机或电机响应带宽不足，无法跟随高频急机动指令，或无法正确解析环境对飞行动作的影响，将导致实际避撞航迹严重偏离规划路径。
其他航空器（入侵机）的运动特性与物理属性直接威胁DAA的安全边界。在感知环节，入侵目标若具备隐身特性（如极小的雷达散射截面）、吸光材质或处于传感器盲区，将极大压缩机载感知的有效探测距离。在决策环节，若入侵机进行大过载转弯、急加减速等高动态机动，其状态变化率可能超过轨迹预测算法的跟踪带宽，导致系统基于错误预测位置规划避撞路径[8]。此时，即使生成避撞指令，由于剩余反应时间不足，控制环节受限于航空器的气动与动力学极限，无法在物理空间上完成安全规避，最终导致空中相撞。
环境因素也是干扰无人机感知可信度与执行稳定性的关键变量。在感知环节，强逆光、浓雾或雨雪会严重干扰视觉传感器效能；城市建筑物的多径效应则产生大量雷达虚假回波，导致态势感知失真。这种偏差传递至决策环节后，会迫使系统基于不存在的障碍物进行规避，而忽略真实威胁。在控制环节，突发的低空风切变或强阵风等气象扰动会改变无人机气动响应模型，即使决策指令正确，强风场也会导致实际飞行轨迹漂移，使避撞动作变形或超调，甚至诱发碰撞。
人员的认知偏差与介入时机不当亦是重要诱因。在感知与决策环节，若操作员过度信任自动化系统而忽视性能降级告警，将导致事故链未能被及时介入阻断；反之，若在DAA已启动自动紧急避障时强行介入，这种负向输入耦合会直接干扰控制环节，人工操作可能抵消系统正确机动，导致姿态失稳或撞向障碍物。
综上所述，上述5类风险源一旦被触发，将沿着DAA中的“感知失效−决策错误−执行偏差”的路径逐步传导，轻则导致无人机违反最小安全间隔，重则导致灾难性的空中相撞或坠机事故。
3.2 C3链路故障/异常
网联无人机区别于传统无人机的重要特征是无人机在运行过程中形成了与地面控制站、其他航空器、空管基础设施及任务中心间的网联化信息交互能力。无人机的网联化主要使用C3链路、载荷数据链，以及交通数据链支持无人机运行过程中各项核心通信功能。
其中，C3链路是保障飞行安全的基础数据链路。该链路负责传输来自地面或编队主机的飞行控制指令，以及飞行状态、位置等高实时性信息，确保无人机在任务环节内始终处于可控状态，并且能够在编队保持、协同避障等复杂场景中形成跨机闭环控制能力。载荷数据链路则是面向具体运行任务需求，承载和传输作业过程中产生的大容量数据，如高清视频、红外图像、多光谱信息等。交通数据链路主要服务于低空交通管理，用于交换空域中多个航空器的运行态势信息、交通管制指令、气象服务数据等，帮助网联无人机更加安全、可靠地融入协同运行环境，实现空域态势共享，从而规避与合作目标的潜在冲突。
在网联化涉及的多种数据链路中，C3链路是其中安全关键度最高、实时性要求最严的核心链路，直接影响到无人机的飞行安全与可操控性。因此，对于无人机网联功能的安全分析将主要聚焦于C3链路功能，识别C3链路故障/异常的风险源，形成机理、关键事件演化过程及防控措施。依据C3链路故障风险模型，导致其故障/异常的风险源主要分布在无人机本体、其他航空器、环境、人员及管理5个维度。这些风险源作用于C3链路功能的通信与组网、时间同步与对齐和群体决策等模块，导致信息交互失效或协同控制失稳（表3）。
无人机本体的硬件性能衰减与软件异常是C3链路功能失效的内生根源。通信与组网模块方面，机载通信终端的功率放大器可能会出现增益下降、天线物理损伤或底层通信协议栈逻辑挂起，导致链路中断或网络层无法连接。这类硬件故障会造成群体拓扑结构的突发断裂，破坏网联协同模式[11]。时间同步与对齐模块方面，机载计时单元可能因晶振老化或温度漂移导致精度下降，产生累积的时间偏差。当本地时间基准与群体系统时间解耦后，基于时间戳的多源数据融合将产生严重误差，使得轨迹预测与相对定位结果失真，进而影响协同控制的准确性[12]。群体决策模块方面，机载计算单元可能因任务过载导致算力饱和，协同避撞算法无法在规定的控制周期内完成解算。决策更新频率低于环境变化速率时，输出的控制指令滞后于当前态势，使闭环控制系统出现振荡甚至发散，丧失协同避障能力。
外部环境对C3链路功能施加的物理干扰可能造成各个信息功能模块出现异常。例如，通信与组网模块方面，复杂地形引发的非视距传输衰减，以及强电磁环境下的信道噪底抬升，导致信噪比急剧降低。误码率激增与数据包重传引发通信时延剧烈抖动，破坏控制指令的实时性与连续性，使远程操控与协同指令无法可靠送达。时间同步与对齐模块方面，外部GNSS（Global Navigation Satellite System）授时信号被建筑物遮挡、遭遇电磁压制或欺骗式诱导时，系统将丢失高精度外部时间源，退化为低精度模式，多机间的空间坐标系转换参数因此失效，产生位置融合错位，使基于共同时空基准的协同感知与决策无法实现。群体决策模块方面，环境噪声可能导致感知输入失真，障碍物边界等约束条件错误，使得集群运行的路径优化求解器无法生成满足所有安全约束的可行路径，导致无人机陷入逻辑停滞或违反安全规则的飞行。
多机间的交互耦合可能对C3链路功能产生多种干扰。通信与组网模块方面，高密度编队中节点间信号相互串扰、信道竞争加剧导致的接入碰撞，使网络吞吐量达到饱和。关键状态数据包被阻塞或丢弃，导致群体内部信息交互不完整，各节点基于局部信息作出的判断必然存在偏差。时间同步与对齐模块方面，链路拥塞导致负责同步的PTP/NTP（Precision Time Protocol/Network Time Protocol）数据包发生物理碰撞或到达时序错乱。同步算法无法收敛或收敛至错误值，各节点对协同避撞等关键事件的触发时机无法在时间轴上对齐，导致协同动作错位。群体决策模块方面，多机间主动探测设备可能出现波形互扰、协同逻辑振荡、感知噪声诱导决策输入错误等问题，导致控制逻辑陷入无限循环或不稳定状态，形成决策死锁。
就人员因素而言，风险核心在于操纵主体在复杂协同态势下的行为失序与配置失误。在通信组网与链路重组阶段，远程操作员在实施多机接管时，可能因任务载荷过大或信息不对称而产生响应严重滞后，导致控制指令下发出现时序冲突。同时，任务规划员在规划阶段，若对局域时钟源的对齐机制操作失误，将直接从输入端导致机载计时单元产生累积时间偏差，使得多源数据融合算法的时戳对齐发生错位。在群体遭遇的多机冲突场景中，现场操纵人员对突发态势的主观误判和违规调度，会直接将不可预测的人为噪声引入决策空间，破坏协同控制的稳定性。
管理因素则在技术规划与参数层面决定了C3链路的极限，其风险体现为资源错配和规则失配。在通信保障层面，由于顶层技术管理未能预先进行流量配置，导致系统级的通信带宽预留不足、默认优先级队列设置错误或路由策略缺乏弹性。这种管理规划的僵化，在高负载运行工况下极易诱发网络拥塞，使高优先级的指控指令无法获得传输保障，进而导致指挥链路逻辑中断。在时空基准管理层面，若管理协议制定的标准授时更新频率未能匹配飞行的实时需求，或对异常时间偏差的容忍窗口设置过宽，将导致时间误差修正机制产生滞后，诱发冲突预警功能失效。此外，算法伦理与运行法规层面的缺陷更具灾难性，若优先级定义模糊，或标准作业程序中设定的默认最小安全间隔参数本身就小于航空器的物理机动距离，此时即便多机协同算法本身运行无误，系统也会因违反底层物理运动学约束而引发碰撞。
值得注意的是，在网联多无人机系统中，C3链路的协同通信与DAA的感知避撞在信息流上存在一定交叠。在风险分析时对其进行物理与逻辑解耦：C3链路注重于通信支撑，协同功能是信息共享带来的技术延伸，所以将其归为支撑协同层。而DAA主要聚焦于感知避撞，将所获取的信息用作决策和控制的依据，因此将其归为战术应急层。单机自主DAA作为通信失效后的安全兜底机制，其工作流程并不依赖C3链路，因此风险分析独立于C3链路网络，这有助于构建清晰的系统风险基线。
3.3 智能网联系统失效过渡行为分析
智能网联无人机系统在面临多源风险源扰动与外在干扰时，系统状态从正常模式向失效模式的演化过程并非离散的跳变，而是一个非线性的渐进式动态退化过程。
在大气湍流、强光等外部环境扰动或机载传感器老化的作用下，DAA首先进入性能渐进式降级阶段。在此阶段，多源感知融合滤波器的信噪比开始逐渐劣化。虽然此时系统仍能维持对障碍物的基本跟踪，但由于可用信号减少，干扰增强，系统滑入亚健康运行状态，表现为时空感知余量被严重压缩，冲突解脱成功率逐渐下降。随着干扰的持续累积，逼近系统的容错边界时，在线监测模块将捕获到特征参数的异常，从而触发边缘临界告警。在此临界区内，系统状态极度敏感，若未及时执行降级控制策略，或伴随远程操作员的在环接管，系统将发生非线性突变，最终导致算法失能并演化为失效模式。
对于网联C3链路系统，系统的退化初期主要表现为信道噪底抬升与误码率的渐进式上升。在系统降级初期，C3链路系统依托多链路冗余切换与底层协议的重传机制进行容错，展现出一定的系统韧性。然而，频繁的丢包重传会导致队列缓冲区排队时延剧烈抖动，时间同步协议的数据包发生时序错乱，使多机系统步入亚健康状态。在此状态下，各节点的本地时钟基准产生累积时空偏差，协同控制回路迅速逼近不稳定边缘，系统触发边缘临界告警。一旦网络负载跨越吞吐量饱和阈值，信息流的混乱突破控制边界，系统将发生严重失效，由渐进式降级演变为完全的协同失稳与指控逻辑中断状态。
4 对策建议
收起
4.1 智能化DAA风险管控措施
为实现既定的安全目标，针对识别出的可能导致DAA故障/异常的多对象风险源及其对感知、决策环节的耦合影响，应从以下4个维度采取针对性的预防措施。
（1）技术维度（机）的核心策略是通过系统冗余与确定性监控增强鲁棒性。针对传感器老化/时钟漂移造成信噪比下降，进而导致特征提取失败，以及其他航空器带来的感知局限风险，可采用视觉/雷达/ADS-B（Automatic Dependent Surveillance-Broadcast）等异构传感器融合架构，实现感知能力互补，降低盲区风险。针对计算资源抢占导致处理时延增加风险，需优化机载边缘计算的任务调度优先级，保障DAA冲突解算高频周期的确定性实时响应。针对执行机构滞后于指令，以及所需机动过载超过动力学包络的物理约束风险，飞控系统需建立基于航空器极限气动拓扑的边界保护控制算法。
（2）环境维度（环）侧重建立动态运行设计域管理机制，使系统具备感知性能在线自检能力，实时计算感知置信度。对于强光照、雨雾气象或电磁环境复杂化导致的传感器效能波动、基于虚假态势生成错误策略，以及环境扰动导致飞控模型失配风险，系统必须引入动态运行设计域在线监测机制。当环境应力超出设计边界时，自动触发自适应降级模式，如主动减速或就近降落，以避免系统在态势失真下盲目作业 。
（3）人员维度（人）的防控重点在于优化人机交互逻辑，解决介入时机与权限问题。针对忽视降级告警风险，地面控制站应部署具备可解释性的交互界面，动态可视化DAA的实时认知状态与不确定性范围，提升操作员的态势感知能力。针对介入时机不当或操作错误，以及人工干预动作抵消自主机动风险，系统需建立严格的分级介入与仲裁机制：在紧迫避撞窗口内自动锁定人工操纵权限，执行自主避撞轨迹，防止人为非理性干预产生的负向耦合。
（4）管理维度（管）需将风险管理从故障安全拓展至算法性能安全领域，利用高保真数字孪生平台对DAA进行边缘场景压力测试，提前发现算法在未知场景下的缺陷。针对人工智能模型泛化能力缺失风险，管理层必须在算法审查中引入运行时安全监控器，基于确定性物理规则实时校验人工智能指令；同时，建立云端数据迭代机制，利用真实长尾场景数据持续训练，克服模型泛化缺陷。针对缺乏维护导致控制响应缓慢风险，必须在管理制度中明确作动系统的寿命全周期全维护标准。
4.2 网联化C3链路功能风险管控措施
网联子系统的故障若未得到有效阻断，将导致不同程度的灾难性后果。轻度后果表现为队形松散、任务效率下降或局部航迹扰动；重度后果则包括群体协同失稳导致的空中相撞、大规模坠落及对地面设施的附带伤害[15]。与DAA的风险管控思路类似，为了将C3链路功能故障/异常后的风险控制在可接受水平，需基于网联无人机的具体运行环境及运行规模，设定符合安全需求的可接受安全水平，规定与C3链路功能直接相关的无人机本体子系统故障概率，以及其他危险源生成及与C3链路功能耦合的概率，降低这一关键功能的失效可能。
基于多对象风险源的形成及与C3链路功能的耦合机制，应系统梳理信息保障、决策鲁棒和执行隔离3个层面的C3链路功能保障措施，构建综合防御体系。
（1）通信与信息层面的防控需致力于保障状态数据的及时性和一致性。工程上应部署冗余通信链路与优先级调度机制，确保关键控制指令在拥塞环境下仍能可靠传输。建立严格的时间同步协议与异常信息检测机制，利用卡尔曼滤波等算法对丢失或乱序的数据包进行预测补偿，并识别剔除时空逻辑违背的伪造信息，防止错误数据在群体内扩散。
（2）协同决策层面的核心在于提升算法在弱通信环境下的鲁棒性。应预设明确的安全间隔阈值与降级运行逻辑，当监测到网络质量低于协同需求时，系统应自动从紧密编队模式切换至松散队形或单机自主避障模式，以空间换取安全。此外，引入基于物理规则的分布式防碰撞逻辑，确保即便在算法失效/异常的情况下，无人机也能维持最基本的物理间隔。
（3）群体执行层面需建立完善的C3链路功能故障后的故障隔离与通信逻辑重组机制。为单机配置独立的底层安全保护逻辑，对超出动力学边界或违反地理围栏的协同指令进行本地拦截。群体应具备异常个体感知与隔离能力，一旦识别出某节点出现行为异常或通信静默，邻近节点应主动对其进行拓扑剔除并重构队形，阻断局部故障向全局蔓延，确保群体在部分节点失效的情况下仍能维持剩余系统的安全可控。
5 结束语
收起
智能化与网联化是无人机规模化、高质量发展的必然趋势。随着无人机系统从传统远程遥控驾驶飞行向智能化、网联化深度演进，其运行模式与风险特征也将发生结构性转变，导致新增功能的故障/异常事件可能威胁无人机的正常运行，带来复合性安全风险。智能网联体系下的无人机系统及人机交互的复杂化，也使得风险来源从简单来源转向多维耦合。为此，建议继续围绕智能网联无人机的智能化和网联化关键功能及其实现所需组部件运行过程中的安全风险进行分析。在充分挖掘新增功能硬件需求的基础上，结合“人−机−环−管”多个维度可能伴生的风险源，明确新增功能与风险源的耦合方式及潜在事故机制，进而开展针对性的定性与定量风险分析，以及预防改善措施实施和效果评价，确保智能网联无人机各项功能在运行环节中的安全。
未来研究应继续关注智能网联无人机的新增组部件与功能故障/异常机制，完善安全评价体系，进一步发展结合低空数字底座，具备实时态势感知与风险推演能力的动态安全评估模型，实现智能网联无人机的主动实时安全评估与干预。此外，建议开展协同安全协议与标准建设，研究异构低空航空器及其空地数据的可信共享与协同决策机制，提升系统互操作性与整体韧性。
基金
收起
- 国家自然科学基金重点项目(U2333214)
文献
收起
参考文献
引证文献
排序方式：
[1]
低空产业联盟. 低空智能网联体系参考架构(2024版)[R/OL]. (2024-11-11). https://www.miit-eidc.org.cn/art/2024/11/11/art_1644_11070.html.
Low Altitude Industry Alliance. Reference architecture for low altitude intelligent networking system (2024 Edition) [R/OL]. (2024-11-11). https://www.miit-eidc.org.cn/art/2024/11/11/art_1644_11070.html. (in Chinese)
[2]
低空智能网联技术委员. 低空智能网联体系发展路径及趋势[R/OL]. (2025-12-02). https://laernoc.com/newsinfo/1995784071619416064.
Low altitude intelligent networking technology committee. Development path and trend of low altitude intelligent networking system [R/OL]. (2025-12-02). https://laernoc.com/newsinfo/1995784071619416064. (in Chinese)
[3]
张学军, 刘法旺, 张祖耀, 等. 低空智能网联体系[J]. 北京航空航天大学学报, 2025, 51(6): 1793-1815.
Zhang X J, Liu F W, Zhang Z Y, et al. Overview of low-altitude intelligent networked system[J]. Journal of Beijing University of Aeronautics and Astronautics, 2025, 51(6): 1793-1815 (in Chinese)
[4]
Zhang J C, Liu Y L, Zheng Y. Overall eVTOL aircraft design for urban air mobility[J]. Green Energy and Intelligent Transportation, 2024, 3(2): 100150.
[5]
Mazzeo F, de Angelis E L, Giulietti F, et al. Performance analysis and conceptual design of lightweight UAV for urban air mobility[J]. Drones, 2024, 8(9): 507.
[6]
Hamissi A, Dhraief A, Sliman L. A comprehensive survey on conflict detection and resolution in unmanned aircraft system traffic management[J]. IEEE Transactions on Intelligent Transportation Systems, 2025, 26(2): 1395-1418.
[7]
Opromolla R, Fasano G. Visual-based obstacle detection and tracking, and conflict detection for small UAS sense and avoid[J]. Aerospace Science and Technology, 2021, 119: 107167.
[8]
Lu M H, Chen H, Lu P. Perception and avoidance of multiple small fast moving objects for quadrotors with only low-cost RGBD camera[J]. IEEE Robotics and Automation Letters, 2022, 7(4): 11657-11664.
[9]
Ouahouah S, Bagaa M, Prados-Garzon J, et al. Deep-reinforcement-learning-based collision avoidance in UAV environment[J]. IEEE Internet of Things Journal, 2022, 9(6): 4015-4030.
[10]
Quan Q, Fu R, Cai K Y. Practical control for multicopters to avoid non-cooperative moving obstacles[J]. IEEE Transactions on Intelligent Transportation Systems, 2022, 23(8): 10839-10857.
[11]
Ramezanlou M T, Schwartz H, Lambadaris I, et al. Comparison of cellular network controllers for quadrotors experiencing time delay[C]//2022 30th Mediterranean Conference on Control and Automation (MED). Piscataway: IEEE Press, 2022: 500-507.
[12]
Wang W Q, Fu S, Yang L, et al. Age of information optimization for UAV deployment with covert communication: A deep reinforcement learning approach[J]. IEEE Transactions on Vehicular Technology, 2025, 74(12): 19772-19776.
[13]
Zou Y Y, Zhang H H, Zhong G, et al. Collision probability estimation for small unmanned aircraft systems[J]. Reliability Engineering & System Safety, 2021, 213: 107619.
[14]
Lu X H, Liu X C, Li Y L, et al. Simulations of airborne collisions between drones and an aircraft windshield[J]. Aerospace Science and Technology, 2020, 98: 105713.
[15]
Chen Q J, Jin Y Q, Wang T Y, et al. UAV formation control under communication constraints based on distributed model predictive control[J]. IEEE Access, 2022, 10: 126494-126507.
2026年第5卷第2期
PDF下载
4734
2356
引用本文
BibTeX
文章信息
doi: 10.3981/j.issn.2097-0781.20260018
- 接收时间：2026-05-29
- 出版时间：2026-06-20
- 发布时间：2026-06-30
补充材料
相关文章
表12种不同金属材料的力学参数
| 科 Family | 属数 Number of genus | 种数 Number of species | 占总种数比例 Percentage of total species (%) | 属 Genus | 种数 Number of species | 占总种数比例 Percentage of total species (%) |
|---|---|---|---|---|---|---|
| 鹅膏菌科Amanitaceae | 2 | 11 | 5.26 | 鹅膏菌属 Amanita | 10 | 4.78 |
| 小菇科 Mycenaceae | 2 | 12 | 5.74 | 丝盖伞属 Inocybe | 5 | 2.39 |
| 多孔菌科 Polyporaceae | 8 | 14 | 6.70 | 蜡蘑属 Laccaria | 5 | 2.39 |
| 红菇科 Russulaceae | 3 | 23 | 11.00 | 小皮伞属 Marasmius | 6 | 2.87 |
| 小菇属 Mycena | 11 | 5.26 | ||||
| 光柄菇属 Pluteus | 5 | 2.39 | ||||
| 红菇属 Russula | 17 | 8.13 | ||||
| 栓菌属 Trametes | 5 | 2.39 |
关闭全屏
