亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

隨著無人駕駛飛行器（UAV）日益成為監視和偵察（S&R）行動不可或缺的一部分，其易受網絡威脅的特性給行動的完整性帶來了巨大風險。當前的網絡安全協議往往無法解決無人機行動在監視和偵察（S&R）環境中的獨特脆弱性和挑戰，凸顯了專門網絡安全戰略的空白。本研究采用 MITRE ATTACK 框架來加強網絡安全方法，保護無人機免受不斷變化的網絡威脅。本論文通過基于場景的分析，將現有漏洞與綜合戰術、技術和程序（TTPs）進行映射。假設和實際的 S&R 操作案例研究證明了建議的網絡安全策略的適用性，驗證了這些策略在減輕特定威脅方面的有效性，以及制定更具體的網絡安全協議的必要性。研究結果提倡在無人機網絡安全方面不斷創新并保持警惕，這有助于保護執行 S&R 任務的無人機，并強調了無人機操作中網絡安全挑戰的動態性質。

本論文要解決的核心問題是，在 S&R 場景中運行的無人機在專門的網絡安全戰略方面存在巨大差距。本研究利用 MITRE ATTACK 框架，致力于發現和設計增強型網絡安全方法，以保護無人機在執行 S&R 任務中的重要貢獻，抵御不斷變化的網絡威脅。本研究對 S&R 領域無人機面臨的普遍網絡安全漏洞進行了深入研究。這項研究旨在將這些漏洞與 MITRE ATTACK 框架中概述的綜合戰術、技術和程序（TTPs）進行映射。為了驗證所提出的網絡安全策略的有效性和適用性，論文將結合模擬 S&R 行動的案例研究。假設和實際場景說明了如何根據 MITRE ATTACK 框架調整和應用網絡安全措施，以減輕不同 S&R 環境下的特定網絡威脅。納入這些場景旨在闡明在基于無人機的 S&R 行動中制定嚴格的網絡安全措施所面臨的現實挑戰和可行性，為此類協議在實際環境中的執行和有效性提供重要見解。

本文共分六章。第 2 章包括無人機在各種監視和偵察任務中的一般使用背景、有關 MITRE ATTACK 框架的信息、在監視和偵察任務中使用無人機的研究文獻綜述以及無人機和 S&R 場景中的網絡安全狀況。第 3 章分析了對無人機的常見網絡攻擊，研究了這些威脅對任務的影響，并討論了對監視和偵察任務中的無人機的潛在影響。第 4 章重點介紹 MITRE 框架，通過該框架確定相關戰術、技術和程序 (TTP)，并在 S&R 行動中制定緩解策略。第 5 章探討了假設和實際案例研究，在各種 S&R 場景中實施該框架。最后，第 6 章回顧了使用 MITRE 框架的局限性和挑戰，總結了主要發現，并給出了一些最終想法。

聯合火力自動化（JFA）項目旨在將聯合火力指揮與控制（C2）數字化，以支持聯合目標定位周期。聯合目標定位周期中的一個重要步驟是為目標分配武器，以最大限度地提高總體效果。在科學文獻中，這一問題被稱為武器目標分配（WTA）問題。雖然有一些算法可以解決這個問題，但它們并沒有考慮移動武器。近年來，隨著無人駕駛航空系統（UAS）的發展，移動武器的使用變得更加便利，從一個目標移動到另一個目標的時間不再可以忽略不計。本科學報告介紹了一種算法，該算法在為武器分配目標時考慮到了武器的移動。對新問題進行了正式定義，并開發了一種啟發式方法。還開發了一個數據生成器，用于生成與現實生活類似的實例。結果表明，所開發的算法可以在可接受的時間內解決生成的實例。

本科學報告介紹了一種為目標分配武器的算法的開發情況。所解決的問題適用于陸地目標定位周期。它符合聯合火力現代化（JFM）資本項目，該項目旨在開發傳感器到射擊的概念和原型。簡而言之，所提出的算法利用從傳感器獲得的信息，以集中的方式有效地將目標分配給武器。報告的主要成果之一是介紹了為在分配質量和執行計算所需時間之間找到適當平衡而進行的戰略探索。這些成果將指導今后在這一主題上的發展。盡管主要是探索性的，但本報告強調了在設計這些算法時必須做出的一些權衡。在使用決策支持工具時，這些取舍會產生重大影響，用戶應予以理解。

報告概述如下：第2節回顧了科學文獻中的類似問題。第 3 節對問題進行了正式描述。第 4 節介紹了一些解決策略和數據生成器。第 5 節介紹并評論了所獲得的結果。第 6 節為結束語。在整個報告中，使用了標準符號。讀者可參閱表 9 了解所用符號的說明。

無人水面艦艇（USV）通常依靠全球定位系統（GPS）和射頻（RF）通信進行導航和多車協調。在戰時環境中，全球定位系統和無線電信號屏蔽對 USV 的有效導航和控制提出了挑戰。本論文研究了使用低成本人工智能（AI）立體相機作為傳感器，實現 USV 的無 GPS 和 RF 導航與協調。這些相機還可用于對水面船只進行分類和定位。我們使用安裝在多艘 Mokai USV 上的 OAK-D AI 攝像機進行了實驗。對神經網絡 (NN) 模型進行了訓練，以識別兩個對象類別：Mokai USV 和其他船只。利用開源 Python 庫，該模型被直接加載到攝像頭上，并集成到機器人操作系統 (ROS) 軟件中，以提取檢測到的物體的相對姿態信息。為了分析該模型的有效性，我們在未見過的視頻上以及使用 Mokai USV 和其他水面艦艇進行的現場實驗中對 NN 進行了測試。將攝像機估計的物體定位與在實驗室環境中通過物理驗證收集的物體地面實況位置進行了比較。最后，還探討了特定相機硬件和立體視覺在此應用中的局限性，以評估其進一步開發的可行性。

本論文以應用研究為基礎，研究了美國海軍當前的創新生態系統，旨在找出挑戰、障礙和可行的解決方案。評估涉及一項定性研究和一項定量研究，受訪者來自海軍各組織。定性訪談（研究 1）的結果用于揭示模式、概念和理論見解，為定量調查（研究 2）的設計提供依據。研究揭示了流程上的重大差距，包括組織間的溝通障礙和知識管理上的嚴重不足。此外，研究還強調了從業人員決策的不完善，對生態系統產生了負面影響。為了規劃前進的戰略路徑，我們整合了管理學、創新管理學和行為經濟學的相關理論。主要重點是促進生態系統內從業人員之間的緊密聯系，同時提高決策過程的整體質量。

圖：美海軍研究辦公室決策過程

本研究探討了政府和國防機構的情報搜索人員所面臨的數據超載問題。研究利用認知系統工程（CSE）文獻中的方法，對情報搜索工作領域進行深入分析。這些見解被應用于設計和評估專門用于情報搜索任務的人類-人工智能智能體團隊的支持概念和要求。領域分析揭示了 “價值結構 ”的動態性質，“價值結構 ”是一個術語，用于描述管理情報搜索過程的不斷變化的標準集。此外，領域洞察力還提供了搜索聚合和概念空間的詳細信息，可將價值結構有效地應用于情報搜索。利用這些發現的支持系統設計可以使情報搜索者在更抽象的層次上與數據互動并理解數據，從而提高任務效率。此外，新的系統設計還可以通過相關的系統提示，促進對大型數據域中未被選擇對象的 “環境感知”，從而為搜索者提供支持。通過支持概念和人工智能團隊實現的 “環境感知 ”有可能解決數據超載問題，同時提高搜索覆蓋范圍的廣度和深度。

圖 4. FAN 領域模型。為了強調整個 FAN 的抽象功能結構和目標互動，圖中模糊了流程塊的細節。詳細的智能搜索功能模型見補充材料圖 S1。

政府和國防機構的情報搜索人員面臨著越來越多的數據和文件，他們需要從中查找或 “發現 ”信息，以獲得支持明智決策的見解。這種情況被稱為數據超載問題，即個人在系統或其他代理的幫助下，難以選擇、組合或綜合所需的數據子集，以完成需要在更大的數據領域進行態勢評估的任務[1]。在這種情況下，情報搜索人員與同事一起利用搜索工具，協同努力從幾乎無限的可用于任務的文件中查找、收集和評估文件，以完成為情報目標提供信息的任務。具體地說，數據超載妨礙了搜索人員識別數據子集的能力，而這些數據子集能提供足夠的細節來滿足情報目標，這對行動任務的完成至關重要。

用于一般情報搜索任務的系統可能會導致數據超載癥狀。具體來說，情報搜索工具會表現出與 “鎖孔脆性”[2] 概念有關的缺陷。這里所說的 “鎖孔 ”是指縮小呈現數據的范圍，將剩余數據分配到更多的隱藏屏幕上。這種呈現方式要求研究人員手動瀏覽和綜合來自多個數據屏幕的信息，以了解搜索的效用。同時，這些現有工具的脆性與它們支持從情報搜索工作領域的數據中提取意義的潛力有關。因此，“脆性 ”產生于搜索工具對信息的狹隘表述。對于需要從大量數據中提取意義的復雜任務來說，這種局限性導致了效率的下降，而這些數據又超出了給定系統的表述范圍。此外，由于情報搜索工作和信息領域的結構復雜，無法充分捕捉和傳達，妨礙了對支持行動所需的信息的理解和管理。這就導致效率低下，搜索人員往往會錯過有價值的見解和與目標相關的數據，同時還要花費更多的時間瀏覽各個屏幕來完成任務。

情報工作領域的搜索所面臨的這些廣泛挑戰構成了本研究要探究的問題，圖 1 的頂部對此進行了總結。圖 1 中還列出了應對這些挑戰常用的術語和縮略語，作為本研究的路線圖。

自主系統的最新進展對學術界和工業界都產生了重大影響，開辟了新的研究途徑。其中之一就是多個系統為實現共同目標而進行的協作，這就是所謂的合作系統。在缺乏人類智能、決策和感知能力的情況下，無人自主系統在一起部署和使用時，可以從彼此的能力中相互受益。本研究探討了無人駕駛航空系統（UAS）群的協作問題，在這種情況下，由于單個飛行器受到限制，需要進行不同程度的協調與合作。這種合作的形式可以是物理支持，即任務要求超出單個系統的物理能力；也可以是情報級支持，即總體上需要更好的感知、處理或決策能力。本研究的目標是為一組選定的無人機系統和受限任務場景開發和集成協同制導與控制算法，這些場景包括通過帶懸掛纜繩的多旋翼飛行器協同操縱空中有效載荷的任務，以及利用飛艇和多旋翼飛行器團隊協同編隊的任務。此外，本研究還旨在將所開發的個體和合作模型算法集成到高保真模擬中，以便在現實飛行任務中研究多智能體協作的有效性。

研究的第一部分側重于單個航空系統的建模和仿真。案例研究中考慮的系統包括帶有柔性電纜懸掛有效載荷的多旋翼飛行器和飛艇。在這一部分中，分別采用歐拉-拉格朗日法和牛頓-歐拉法推導出這些系統的數學模型。分析了柔性纜索模型的動力學特性，并將其與分析性貓尾式解法進行了比較。此外，為了提高仿真精度，還針對帶柔性纜繩懸掛有效載荷系統的多旋翼飛行器實施了動量和幾何結構保全變分積分器。

第二部分是為每個系統設計制導和控制法則，以提供姿態穩定和軌跡跟蹤。首先，研究了一種基于線性化系統模型的游戲理論方法，用于減弱懸掛有效載荷的擺動。這種方法考慮了多旋翼飛行器與懸掛載荷系統的各種狀態反饋情況。基于從這些線性分析中獲得的啟示，我們開發了一種以導管形狀為依據的幾何控制方法，用于該系統的姿態和軌跡跟蹤控制。對于飛艇，則開發了線性和非線性控制方法。這些方法分別包括基于增益調度的線性二次控制和非線性動態反演（NDI）方法。然后對這兩種方法進行了比較，重點關注它們的優勢和實施的難易程度。

最后，針對任務目標受限的現實場景，開發了合作制導和控制法，要求一組無人機在物理或智能層面上進行合作。借鑒對柔性電纜的延展性分析，構建了一個合作控制場景。該場景展示了飛行器之間的合作，利用多旋翼飛行器對懸掛的剛性有效載荷進行空中操縱，其中的限制因素來自單個飛行器的有效載荷能力和飛行器之間通過柔性纜線的物理連接。其次，在涉及多旋翼飛行器團隊的編隊控制場景中采用了領導者-跟隨者通信圖拓撲結構，突出了基于擴展狀態觀測器（ESO）的總干擾估計模型的集成。該模型大大增強了系統對外部干擾和未建模動態的魯棒性。最后，我們在一個示例場景中展示了這些研究的實際應用，在搜救任務中需要通過無人機系統提供合作編隊支持。在這個場景中，我們還利用飛艇將多旋翼飛行器運送和部署到任務目的地，在那里執行編隊任務，以適應各種編隊形狀和圖形拓撲。這一場景需要物理和信息層面的協作，以增強區域覆蓋、改善感知和態勢感知。這里的限制來自單個飛行器的物理限制（如尺寸、續航時間、有效載荷能力和運行環境）和信息級限制（如處理能力、傳感和通信能力）。這種情況形成了在現實生活中具有實際應用價值的基線。

圖 1.1： 多旋翼協同飛行器攜帶通過纜繩懸掛的應急包執行空中有效載荷操縱任務的示意圖

圖 1.2：空中有效載荷操縱任務工作項目

圖 1.3：合作編隊飛行任務示意圖，多旋翼飛行器小組在飛艇的協助下作為領隊節點引導編隊飛行

當軍事單元需要新的能力時，硬件往往需要 5-7 年以上的時間。雖然新武器的開發可能需要多年時間，但提高現有硬件性能的軟件往往可以在更短的時間內以更低的成本開發、測試和投入使用。本論文的目標是通過雙管齊下的方法提高空對空（A-A）武器的射程和殺傷力。首先，在 6 自由度 (DOF) 模擬中生成最佳彈道，并將其應用于 A-A 武器的制導。其次，通過混合傳統的追擊制導和比例導航，開發了非指令性（NCG）概念，以實現致命終局，同時最大限度地減少導彈在目標機動下的機動。NCG 是一種邏輯，可在盡可能長的時間內最大限度地減少機動以應對目標機動。這增加了終局時的可用能量，并最大限度地減少了過沖的機會。通過模擬分析了短程、中程和遠程空氣呼吸導彈的這兩個概念。使用 6 DOF 仿真對軌跡解決方案進行了評估，以確保其可靠性、可重復性和最優性。結果表明，與采用恒定傾角的比例導航相比，采用優化傾角曲線的擬議 NCG 方案可增加武器射程和武器對機動目標的殺傷力。

圖 1. 空對空導彈上的組件位置： (a) Python 5，(b) 空中攔截導彈 (AIM)-120。，(c) AIM-7。

美國防部增材制造戰略（2021年）和陸軍指令2019-29（2019年）（通過先進制造業實現戰備和現代化）表明，軍方正在努力將增材制造融入軍事系統。這項定性研究的目的是探索增材制造技術的進展，以評估增材制造部件在陸軍旋翼飛機上關鍵安全應用的可行性。本研究概述了陸軍飛機關鍵安全項目的鑒定過程，回顧了美國防部和陸軍的增材制造政策，詳細解釋了粉床聚變和定向能處置增材制造工藝，并回顧了一個案例研究。增材制造技術需要嚴格的材料和工藝控制，以及重要的鑒定檢查和測試，以支持陸軍航空的關鍵安全應用。然而，增材制造技術已經成熟，現在該技術已經準備好為關鍵應用生產高質量的復雜旋轉翼零件。

概念框架

本研究的概念框架定義了研究過程的目標。首先，本研究將提供一個陸軍航空CSI資格認證過程的概述。本研究將簡要討論與AM和航空有關的陸軍和國防部政策，以便為AM在陸軍航空中的相關性提供背景。然后，本研究將提供適用于陸軍旋翼飛機關鍵應用的金屬部件制造的AM工藝研究。最后，本研究將以一個案例來結束，該案例提供了一個陸軍旋轉翼飛機上使用AM部件的鑒定過程的例子。圖1顯示了生產增材制造關鍵安全項目的研究的概念框架圖。

FAST項目（基于智能體的系統基礎技術）是一項為期三年的研究和開發工作，與位于紐約州羅馬的空軍研究實驗室簽訂合同。該項目從一開始就由美國海軍贊助，在項目的后期，美國空軍也做出了額外的貢獻。

該項目的主題是探索新的建模方法和基于模型的軟件生產技術，以提高所開發軟件的質量，同時縮短開發時間，提高設計的可重復使用性。在模型驅動的軟件和系統開發，以及海軍的任務工程有很大的相似性。傳統上，這兩個過程都是以自下而上的方式開發，而自上而下的方法則更有針對性和前景。這種自上而下的方法的最初步驟必須是一個概念模型，概述基于一組給定事實達到預期目標所需的所有（概念）決策。對于任務工程來說，這個決策建模器有助于確定所有需要做出的關鍵決策，以及相應的任務，以便規劃和執行一個成功的任務。對于軟件或系統工程師來說，決策建模器概述了設計中的系統的關鍵語義和相應結構。雖然存在對系統工程的建模支持，在某種程度上也存在對軟件工程的建模支持，但沒有任何工具支持將決策建模器作為系統或軟件設計模型的一個完全集成部分來建立。因此，由于其根源在于系統建模語言（SysML），任務工程也缺乏決策建模能力。

我們通過為統一建模語言（UML）建模工具MagicDraw（又名Cameo）開發決策建模器能力，作為一個可加載的插件，與商業上可用的插件，如SysML、UAF等兼容，縮小了這一差距。決策建模器實現了決策模型和符號OMG標準所定義的決策需求圖的增強型變體，但在其他方面偏離了OMG標準，以提供更復雜的決策表達建模、決策仿真能力，以及與SysML（v1.x）的無縫集成能力。為了在更大的仿真場景中進行協作，我們為MagicDraw開發了第二個插件（名為SimCom），允許決策建模器的仿真能力與外部仿真系統（如高級仿真、集成和建模框架（AFSIM））之間進行實時協作。SimCom插件實現了一個受 "高級架構"（HLA）仿真協議啟發的輕量級協議。我們用決策建模器和AFSIM之間的協作場景展示了這種能力。

雖然決策建模器的工作使我們偏離了開發時間和空間（4D）、基于模式建模方法的最初計劃，但我們的深入合作和對SysML v2的貢獻，在很大程度上彌補了這一點，提交給OMG。SysML v2已經達到了與我們最初計劃的相似的4D特征。在SysML v2環境下重建決策建模器將是一項有趣和有益的任務。除了參與SysML v2的工作，該項目還在其他幾個OMG標準的開發中起到了主導作用。

方法、假設和程序

相關標準及技術

許多建模方法包括隱含或嵌入的決策制定。這些建模案例有流程圖、活動圖、業務流程模型等等。決策建模作為一門專門的學科是比較新的。對象管理小組創建了決策建模和符號（DMN）規范，最初是為了使BPMN1業務流程模型中的決策更加明顯，并支持更詳細的決策過程。這段歷史的缺點是，DMN現在與BPMN的關系非常緊密，尤其是在元模型層面。因此，DMN，不能直接與UML或SysML集成。為了使DMN風格的決策建模與UML和SysML模型協作，特別是使現有的UML建模工具能夠進行DMN風格的決策建模，必須創建一個決策建模UML配置文件，與DMN元模型密切相關。

目標建模環境

決策建模器的開發和目標部署平臺是MagicDraw 19.0 SP4版本。MagicDraw（也被稱為Cameo）是一個UML建模工具，由No Magic公司開發和銷售。No Magic最近被Dassault Systèmes收購，Dassault Systèmes將繼續進一步開發和銷售這個工具，可能會用不同的名字。

MagicDraw是一個用Java實現的UML建模工具。它支持并使用一個插件架構來擴展其建模能力，涵蓋其他基于UML的建模語言和方法，如SysML、UAF和其他。一個OpenAPI工具箱可以用來支持自定義插件的開發。

圖 2 - MagicDraw（又名 Cameo）環境中的決策建模器

決策建模器和SimCom通信引擎是由FAST項目為MagicDraw開發的兩個定制插件。SimCom插件沒有任何先決條件，而決策建模器插件的功能需要SysML和Alf插件的存在。由于UAF是基于SysML的，決策建模器也可以用于基于UAF的企業模型。決策建模器和SimCom插件的安裝程序都與MagicDraw資源管理器一致。

標準制定

雖然在整個FAST項目中開發的技術是朝著符合相關標準的方向做出的最大努力，像OMG規范的元對象設施（MOF）、統一建模語言（UML）、系統工程建模語言（SysML）等；或者像世界網絡聯盟（W3C）開發的網絡本體語言（OWL）、資源描述符框架（RDF）或其他，但我們自己也大力參與了新標準的開發，即在對象管理小組內。

雖然標準的制定是繁瑣的工作，但它的回報是許多好處。某一主題的標準化要求它處于該主題發展的第一線。這項工作通常是在研究實驗室或高級開發部門的隱蔽處進行的。然后，標準化要求開發人員開放并與世界各地同行討論該主題，這在所有案例中都是有益的。

在FAST項目期間，我們參與了對象管理小組的幾個標準化任務。所有這些任務都是在FAST項目之前的某個時間開始的，但這些任務的持續工作和討論為FAST項目提供了重要的投入和科學效益。我們所參與的任務是： MOF到RDF的轉換，元模型擴展設施，系統工程建模語言第二版，智能體和事件元模型，以及不確定性建模的精確語義學。另見本文件后面的標準化活動一章，以及項目技術報告（CDRL A010）中的相應章節。

決策模型

決策模型由兩類元素組成：主動和被動元素。

• 主動元素是決策元素，它在模型執行過程中影響模型結果的整體結果（最高目標值）。根據OMG DMN規范，這些主動元素被定義： Decision、DecisionService和BusinessKnowledgeModel。

• 被動元素不包含任何決策邏輯，因此不直接影響模型的結果。它們可能需要協助連續的活躍元素之間的信息流，或者注釋決策模型。OMG DMN規范定義了以下兩個被動元素： InputData和KnowledgeSource。

我們決策模型的所有元素，無論是主動還是被動，都有相同的基本結構：它們將接受一個到多個輸入，稱為 "輸入事實"，并產生一個單一的輸出，稱為 "結果事實"。所有的事實都可以是單值或復值，在這種情況下，它們是單值的結構。

數字工程和數字設計是美國空軍（USAF）的一個新興重點領域，特別是用于現代復雜系統。高復雜度系統的一個例子是網絡合作自主彈藥群（NCAM），它優先考慮廣域搜索和多視角目標確認。首先，本研究討論了在基于模型的系統工程（MBSE）工具中建立行為模型的方法。然后，本研究介紹了NCAM在兩個環境中的并行建模工作：Cameo系統建模器中的MBSE模型，以及仿真、集成和建模高級框架（AFSIM）中的基于物理學的模型。每個數字模型在其環境中都為設計過程中的利益相關者提供了不同的好處，所以這些模型必須呈現出一致和平行的信息。因此，這項研究也提出了在模型之間翻譯設計信息的自動化方法。總的來說，這對協同工作的模型通過系統認知和數字場景模擬對自主過程的理解，與決策部門建立信任關系。

引言

1.1 一般問題

在始于1903年萊特兄弟首次飛行的重于空氣的飛行歷史中，美國軍隊促進了空對地攻擊能力的持續和快速發展。最初，飛行在軍事上的應用僅限于1909年美國陸軍信號部隊的偵察和監視；然而，第一次世界大戰和后來的第二次世界大戰的爆發創造了軍用飛機技術和理論的繁榮。到1946年，簡單的偵察雙翼飛機被可以超過音速的噴氣機所取代。美國看到了這種快速發展的技術的可行性，并在1947年創建了獨立的美國空軍（USAF）服務。空中力量的勢頭一直持續到現在，現代美國空軍的飛機可以隱藏他們的雷達信號，并精確地投擲制導彈藥，在地面上的同一個洞里投擲5枚炸彈！這就是美國空軍。

在美國空軍這個令人難以置信的組合中，一個合乎邏輯的下一個能力是合作和自主的彈藥，它利用相互通信來尋找、識別和打擊一個目標，同時評估對目標的損害。國防部研究與工程助理部長（USD(R&E)）對這種能力有兩個關鍵定義。

• "自動化。該系統的功能沒有或很少有人類操作者的參與。然而，系統的性能被限制在它被設計為做的具體行動上。通常，這些都是定義明確的任務，有預先確定的反應（即基于規則的簡單反應）。

• 自主性。系統有一套基于智能的能力，使其能夠對系統部署前沒有預先編程或預期的情況做出反應（即基于決策的反應）。自治系統具有一定程度的自治和自我指導行為（由人類代理決策）"。[4]

目前的制導彈藥非常嚴格地遵循自動化的定義。通過激光或全球定位手動指定目標，然后彈藥執行程序化的行動以擊中指定位置。在這種情況下，控制權被操作者緊緊抓住，對目標開火的決定需要多個人為步驟。這些人為步驟使操作者對自動化有一種信任感，因為扣動扳機時風險最小化；與操作者使用無制導彈藥相比，彈藥利用其自動化技術更準確地擊中目標。當討論下一步的自主化發展時，人們有一種理性的擔心，即人類通常控制的決定將由自主系統的機器大腦來代替。這種不信任導致人們對部署旨在自主摧毀目標的武器猶豫不決。

理解與系統自主決策相關的行為是建立對自主性信任的絕佳方式。有多種方法可以將行為理解傳達給人類評估者：首先是提供描述系統各個方面的正式文件，接下來是創建一個數字模型，用圖表表示系統結構和行為，另一個是運行涵蓋廣泛場景的模擬，最后演示可以證明物理系統在測試和評估中的能力。文檔方法一直是所有國防部采購的標準，可以追溯到手繪示意圖的設計時代。然而，最近，國防部對使用建模和仿真來記錄和管理系統表示了興趣。已經出現的一個概念是數字孿生，系統的每個方面都被虛擬建模，以實現快速的修改原型和精確的配置控制。[5]這種數字孿生的焦點也為它所代表的系統的物理結構和行為創造了清晰的、可瀏覽的數據，從而使系統得到合理的理解。

1.2 問題陳述

如Reed[6]所示，基于模型的系統工程（MBSE）已經迅速被美國空軍的數字工程工作所采用，用于程序和系統結構建模項目。然而，復雜系統的行為MBSE建模在美國空軍的相同項目中并不常見。對于自主系統，算法的復雜性和這些自主系統協作時出現的突發行為使得評估邏輯行為和性能影響變得困難。對系統行為進行建模的能力是MBSE過程所固有的，但MBSE模型通常缺乏提供詳細的基于物理學的模型的能力，無法對系統的運行情況進行性能評估。有一些專門建立的基于物理的仿真平臺，如高級仿真、集成和建模框架（AFSIM），就是為了這后一種目的而存在的，但它們往往與MBSE工具中的定義模型脫節[3]。一種將復雜系統的MBSE行為模型和同一復雜系統的基于物理學的仿真模型聯系起來的方法和工具是必要的。要確保這對模型之間的行為一致，需要有能力在建模平臺之間傳輸設計數據。

1.3 研究目標和問題

本研究的目的是建立一個復雜的合作彈藥系統的行為MBSE模型，并建立一個自動和可重復的方法，將數據從MBSE模型轉移到AFSIM場景中，以執行相同的合作彈藥行為的模擬。MBSE模型將足以驗證單個自主彈藥的邏輯行為，以及在合作概念中同一彈藥的數量。AFSIM模擬將反過來為建模者提供反饋，以便對彈藥模型進行潛在的修改，從而實現更高的性能。

合作彈藥模型的研究問題包括：

• SysML在行為建模中的優勢和劣勢是什么？

• 哪些MBSE元素和/或屬性適合翻譯成AFSIM的原生語言用于情景模擬？

• SysML數字模型在多大程度上可以代表AFSIM模擬中使用的合作彈藥的行為？

• 在SysML模型和AFSIM場景之間可以利用哪些自動和可重復的方法進行數據交換？

1.4 方法學總結

這項研究必須首先確定連接點和集成到AFSIM的所需變量，這將有助于定義合作彈藥的MBSE系統模型的邏輯接口。這些接口有助于定義合作彈藥的MBSE模型的邊界，并為整合到AFSIM的場景模型提供數據點。設計和測試的關鍵領域是：為AFSIM實體所需的變量和基本方程建模；提供從MBSE模型到AFSIM的彈藥和場景參數的自動導出可用性；以及確定MBSE模型中會影響模擬的可修改區域。基于對連接點的評估，研究將轉向創建一個MBSE模型，以保持連接點，同時建立與AFSIM模型平行的行為。MBSE模型中的行為將根據AFSIM模型的情況進行評估。

1.5 假設和局限性

本研究僅限于虛擬彈藥的建模和模擬。此外，本研究定義的合作彈藥概念是名義上的；因此，彈藥模型將由名義上的數據填充。

1.6 提綱

第2章是對與彈藥建模、AFSIM集成、自主無人機系統行為建模和美國空軍先進彈藥的歷史應用有關的出版物的文獻回顧。第3章介紹了合作彈藥概念的設計方法和將數據自動傳輸到AFSIM場景模擬的方法。第4章討論了已完成的網絡化合作自主彈藥（NCAM）MBSE模型的行為分析、自動轉換結果和平行模型之間的比較。第5章總結了研究的重要發現，并推薦了未來的研究課題。