一、变体飞行器国内外研究现状
美国国家航空航天局与美国空军于1979年共同开展了一个名为“任务自适应机翼”（MAW）的项目，在型号为AFTI/F-111上进行飞行试验。接下来，NASA为了着重研究应用于机身的智能设备组件，开展了变形飞行器（Aircraft Morphing）项目。
为了验证主动柔性机翼概念对未来多用途战斗机的意义，美国空军、罗克韦尔公司和NASA三方在1985年共同进行了主动柔性机翼项目的研究。而后，美国国家航天局于1996年将主动柔性机翼项目进一步扩展为主动气动弹性机翼（Active Aeroelastic Wing,AAW）项目，并在F/A-18上进行了飞行试验。
NASA、美国国防部先进研究项目局和美国空军研究实验室于1995年共同开展了智能机翼（Smart Wing,SW）的项目，通过改进无铰链光滑柔性机翼前缘与后缘的控制面，可以加强俯仰和滚转性能，并且能够适应0.3～0.8马赫的飞行条件。DARPA于2003年进行了变形飞行器结构的研究项目，并且资助雷神公司、洛克希德·马丁公司和新一代航空公司分别进行变体飞行器的研究。
除了美国在此领域开展大量研究之外，2002年，欧盟从机身主动气动弹性变形的角度出发，开展了主动气动弹性飞行器结构项目，以改善飞行器总体性能。
21世纪后，我国对变体飞行器相关概念进行了重点研究。对智能可变形飞行器关键技术进行了梳理，并对未来发展趋势进行了展望。对智能变形导弹变形机理及协调控制机制展开了研究。研究了折叠翼飞机机翼在展开和折叠时、的气动特性，指出飞机的气动力受机翼变形扰动流场影响较为明显，并且随着变形速度的增加，影响随之变大。对变体飞行器变形与飞行的协调控制问题进行了深入研究。研究了翼型连续变形过程中非定常气动特性研究。针对静态构型下无尾折叠翼变形飞机的稳定性做了理论分析。给出了一种变体平尾翼型的气动外形设计方法。对变体飞行器蒙皮材料与结构做了现状分析和前景展望。考虑了采样通信的时延、丢包等情况，研究分布式协同控制策略，并搭建了分布式驱动智能变形机翼模拟平台。
南京航空航天大学的辛交句菊江提出了一种基于模糊神经网络的自学习控制律，以解决高超声速变形飞行器模态转换控制问题。沈阳飞机设计研究院的宗鑫耀提出了一种新型变形控制无人机，采用Q学习（深度增强学习）实现了变形无人机的强化学习模块。西安交通大学的陈刚团队借鉴鸟类高速飞行时收缩翅膀和低速飞行时展翅的能力，研究了一种新型仿生变形无人机。
二、变体飞行器关键技术问题及研究进展
可变形飞行器与传统固定结构飞行器相比，拥有可变外形能力，带来了很多新的性能，但与此同时也不可避免地带来新的技术问题。
（一）飞行器变形结构设计与气动特性分析
飞行器变形结构设计是变体飞行器的基础。通过常见的机构构型和驱动部件可以实现常规或者简单的变形，这方面的技术已经趋于成熟。对于更加复杂和难以实现的结构变形，就需要通过更精密和更庞大的复合变形机构来实现，从而对变形机构的设计、材料、驱动、控制等几个方面提出了更高的要求。最终希望变形机构可以按照预定性能要求完成变形，同时做到高可靠性和高精度要求。
目前，国内外的学者和业界人士已经提出了多种飞行器变体结构设计方案。其中得到最多关注的是机翼变形机构。其工作原理就是通过改变机翼形状，从而改变飞行器气动升力。按照变形尺度大小，机翼变形可以分为小尺度变形、中尺度变形、大尺度变形三类。小尺度变形，是指对机翼局部的改变，如扰流和鼓包等；中尺度变形，是指对机翼翼型的改变，如变厚度、变弯度、扭转等；大尺度变形，是对机翼整体的改变，如折叠、后掠和伸缩等。其中，美国佛罗雷达大学开发了一款类似海鸥飞行的可变形微小形飞行器，其可以分为中立形态、正偏形态、负偏形态三种形态。
（二）飞行轨迹与飞行姿态协调控制技术
在变体飞行器中，飞行轨迹与飞行姿态协调控制是关键问题。针对这两个问题，可以将变形飞行器的飞行控制分为两个阶段进行处理，第一个阶段是变形开始之前或者结束之后，此时可以将变形飞行器的控制按照常规飞行器进行处理；第二个阶段是指变形过程中。在变形过程中，为了保证在预期时间达到所预期的变形形态，需要对变形机构进行控制。除此之外，飞行器变体后外形形态已经发生改变，因此即便飞行条件相同，气动特性也可能相差甚大，若变形程度剧烈，飞行控制系统失效，便会出现飞行器失稳的后果。因此在研究变体飞行器问题的过程中，必须充分考虑飞行器结构变形带来的气动特性变化，并针对这种气动特性变化去协调变形机构控制和飞行器自身运动控制的关系。
（三）变体飞行器智能算法训练与优化
考虑到学习成本与训练时间，需要结合一定的训练数据来缩短训练过程。数据的生成方式可以采用如下形式:将变体飞行器的后掠角固定为一定的数值，对不同的时间段设计不同的任务需求，并实现各个时间段内高度与速度的跟踪控制，获得航迹各个采样时刻的所有纵向飞行状态量，将所有数据进行标准化处理后得到可以使用的训练数据。常见的优化方法有正则化、批标准化、优先权扫描方法等。正则化通过限制参数的规模来限制模型的学习能力，使模型趋向于权值更小的目标函数，同时相当于给模型加入了一定的先验信息，从而限制了参数的分布，能够大大提高模型的泛化能力，减少泛化误差。批标准化针对训练中每一批数据，在深度网络每一层输入之前增加了归一化处理，能够有效地防止深度网络发生过拟合的情况，并提升训练速度。优先权扫描方法相比于随机选取数据更新的方法能够大大提升更新效率，使得训练更高效。优化后的变体飞行器智能变形策略训练模型能够在同数据分布的验证数据集中针对不同的飞行环境与飞行任务选择相应合适的飞行外形，增加变体飞行器的环境适应能力与作战性能。
（四）大攻角机动切换控制技术
未来智能变形飞行器实现更高的灵活机动能力关键在于掌握大攻角下通过变形切换控制主动改变飞行器稳定度，甚至是静不稳定，并且主动利用非定常气动、非线性动力学特性来实现敏捷飞行控制的机理。已有的飞行器大攻角飞行控制都是基于反馈线性化思想通过反馈控制来抵消大攻角飞行过程中非线性、非定常动力学特性，这样会降低大攻角飞行控制性能，并且需要更多的舵控资源。而利用切换控制方法可以充分利用飞行器在不同攻角范围内、变形模式下本体动力学特性，通过不稳定模态切换和最优动力学模态选取并协调各模态下的飞行控制，实现综合性能最优控制。但是，如何设计切换控制器以主动利用变形飞行器非线性、不稳定等内动力学特性从而实现智能飞行器大攻角敏捷机动是亟需解决的问题。
三、结论与展望
尽管世界各国在变体飞行器领域的研究都还处于预研阶段，但我国与其他国家在该领域的理论研究方面还存在一定差距。因此，迫切需要加大经费和人才投入，深入开展适用于这类高超声速飞行器的制导与控制技术研究，为未来高超声速飞行器的发展和应用提供支撑，实现国防领域科学技术的自主可控和原始创新，从而为我国武器装备的跨越式发展提供理论基础。
参考文献
[1]白鹏，陈钱，徐国武，等.智能可变形飞行器关键技术发展现状及展望[J].空气动力学学报，2019 (3):426-443.
[2]魏东辉，陈万春，李娜英，等.智能变形导弹变形机理及协调控制机制研究[J].战术导弹技术，2016(2):10.
[3]郭秋亭，张来平，常兴华，等.变形飞机动态气动特性数值模拟研究[J].空气动力学学报，2011,29(6):744-750.
[4]殷明.变体飞行器变形与飞行的协调控制问题研究[D].南京航空航天大学，2016.