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

艦隊設計和艦隊建模問題；幾十年來，有關確定艦隊規模和優化路線的問題已成為各行各業艦隊設計和艦隊優化的基礎。在大多數這些問題中，只有單一實體或固定的設計資源才能針對一定的路線和交付目標進行優化，并以最小化運營成本為基礎。在造船業，人們越來越需要能夠預測什么樣的艦隊在規模和能力上適合實現特定運營需求的數值方法。此外，對于造船廠和設計師來說，艦隊中各個艦艇平臺必須滿足什么樣的設計要求，也是將作戰需求轉化為艦艇設計和系統集成要求的橋梁。特別是在一個技術進步比設計一艘軍艦更快的時代，創建能夠預測未來艦隊復原力的工具，將成為未來海軍艦隊發展的有效資產。為此，有助于開發從艦隊角度評估單個艦艇平臺綜合影響的方法的研究仍然相當有限。本研究的總體目標是確定艦隊建模工具的開發和應用如何有助于設計更能應對未來威脅和任務的海軍艦隊。該方法能夠生成艦隊組成，并通過腳本化的海軍場景，為海軍艦隊的早期設計階段提出基本的單個平臺設計要求。

其目的是通過混合整數線性規劃（MILP）構建一個功能性數值模擬模型，并擴展該方法的能力，使其能夠包含 “未來 ”技術，其中 UXV 是重點。數值模型的整體潛力和結果非常有趣，通過優化過程，它能夠從多種平臺選擇中建立一支艦隊，并滿足基本的平臺設計要求。但所生成艦隊的實際作戰性能還有待商榷，需要通過不同手段進一步調查和測試/驗證。研究得出的結論是，要設計出未來的彈性艦隊，需要在海軍艦隊建模和模擬領域進行更多的研究和開發，因為現有工具的功能無法克服未來帶來的大量不確定性。除此之外，所研究的方法確實能夠生成有趣的艦隊組合，從而激發我們對未來起義技術潛力及其與海軍艦艇平臺組合能力的新想法。

直升機與艦船之間的界面是飛行員工作中最具挑戰性的飛行環境之一。有幾個因素使這種飛行狀態變得復雜，例如飛機、船舶和海洋之間的相對運動，以及氣流尾流和著陸區的封閉性。海霧、惡劣天氣和照明條件等視覺條件的惡化也加劇了其他困難。這些因素造成的飛行員高負荷工作可能會導致飛行員喪失態勢感知能力，從而導致災難性的飛機事故。目前已投入使用的提示系統無法應對這一挑戰。

為了減輕飛行員的工作量，提高態勢感知能力和性能，需要更好的飛行員提示系統。本論文研究了利用現代渲染技術的增強現實提示在多大程度上減輕了飛行員的工作量，提高了態勢感知能力和性能。這是通過支持 "抬頭、閉眼 "的以自我為中心的界面理念來實現的。提示系統力求將常見的飛行員任務元素納入設計中。對路徑預覽和軌跡預測的變化進行了研究。提示的視覺元素顯示為三維實物。

高工作負荷環境下的操作靈活性是飛行員完成任務的關鍵。動態生成飛行員可手動飛行的飛行軌跡是本論文的另一個目標。軌跡規劃采用了貝塞爾曲線的數學框架，以確保路徑滿足飛行員、認證機構和特定任務元素的需求。

在佐治亞理工學院的可重構旋翼機飛行模擬器中編入了四種不同的提示范例。這些范例包括：二維抬頭顯示器（HUD）、飛行引導提示系統（FLCS）、空中隧道（TIS）和三維飛行路徑標記（FPM）。然后，在一系列 "飛行員在環"（PIL）研究中，使用客觀測量方法和飛行員工作量調查對這些提示進行了評估。

共有 20 名飛行員參加了研究。7 名飛行員參加了第 1 階段，3 名飛行員參加了第 2 階段，10 名飛行員參加了第 4 階段。第 3 階段僅包括作者和 LTC Joe Davis 飛行的數據，原因是與大流行病相關的旅行限制導致無法使用更多外部飛行員。大多數 PIL 研究的參與者人數相對較少，在 2 到 6 人之間。為了從相對較少的參與者中獲得統計意義，參與者被要求多次重復任務。例如，第 4 階段的飛行員每人總共飛行了 54 次。根據中心極限定理，大樣本量的分布近似于正態分布，超過 30 個樣本量即被視為大樣本[1]。因此，即使對數據進行分割，以研究特定的提示條件或起始位置，也符合大樣本量標準，我們可以從中獲得統計洞察力。

貝塞爾曲線為動態生成著陸軌跡提供了一種可行的方法，供飛行員手動飛行。這些方法在數值上非常穩定，執行速度也足夠快，對飛行員的感知延遲極小。飛行員在橫向和縱向上都能以足夠的精確度遵循生成的軌跡。使用三維 AR 提示，飛行員在頭腦中將其處理為信號而不是標志或符號，這種模式的轉變減少了工作量，其性能與傳統提示方法相同或更好。

低成本的無人駕駛飛行器（UAV）編隊已被接受為合作搜索和勘測地形的替代方案。這些無人飛行器由可靠性較低的單元組裝而成，因此可能出現單元故障。由于無人飛行器也是通信節點，因此因故障而失去無人飛行器會降低編隊的覆蓋效率并影響通信。飛行 Ad Hoc 網絡（FANET）就屬于這種情況，一個通信節點的故障可能會使覆蓋多個節點的網絡部分被隔離。

本研究的主要目標是開發一種彈性模型，使我們能夠分析單個無人機故障對編隊性能的影響，從而提高編隊的彈性。

所提出的解決方案使用基于智能體的建模與仿真技術對無人機編隊進行建模與仿真。無人機被建模為自主智能體，搜索到的地形被建模為二維 MxN 網格。通過智能體之間的通信，可以實時掌握所有單元格過境和占用的準確數據。通過這種通信，無人駕駛飛行器智能體可以估算出在網格內移動的最佳選擇，并知道所有智能體訪問單元格的確切次數。

每架無人機都被模擬為業余愛好者使用的固定翼飛機，配備一套通用執行器和一個通用控制器。單個無人飛行器的故障按照可靠性故障樹進行模擬。每個受影響的無人飛行器都會被禁用，并從有效單元庫中剔除。每次單元故障后，系統都會生成新的拓撲結構。它會為網格中的每個節點（無人飛行器）生成一組最小距離樹。因此，在節點故障后，或在網格發生變化時，新樹將根據需要描繪出重新排列的鏈接。 節點移動導致拓撲結構發生變化。該模型應生成各種參數，如受損節點的數量和位置、故障前后的性能，以及建立編隊恢復能力模型所需的估計恢復時間。本研究涉及三個研究目標：為無人機場景建模確定適當的工具；開發一個用于評估無人機編隊恢復能力的模型，以克服以往研究的局限性；以及通過多次模擬對模型進行測試。

由于以往的研究側重于系統通信中斷（即節點故障），而沒有考慮無人機單元的可靠性，因此本研究填補了這一文獻空白。隨著使用容易發生故障的低成本小型單元的普及，這種考慮變得至關重要。

隨著技術的不斷進步和日常對海洋資源的依賴，無人水面航行器（USVs）的作用成倍增加。目前，具有海軍、民用和科學用途的 USV 正在各種復雜的海洋環境中進行廣泛的作業，并對其自主性和適應性提出了更高的要求。USV 自主運行的一個關鍵要求是擁有一個多車輛框架，在此框架下，USV 可以在實際海洋環境中作為一個群體運行，并具有多種優勢，例如可以在更短的時間內勘測更廣闊的區域。從文獻中可以看出，在單體 USV 路徑規劃、制導和控制領域已經開展了大量研究，而在了解多載體方法對 USV 的影響方面卻鮮有研究。本論文整合了高效的最優路徑規劃、穩健的路徑跟蹤制導和合作性集群聚合方法等模塊，旨在開發一種新的混合框架，用于 USV 蟲群的合作導航，以實現海洋環境中的最優自主操作。

首先，設計了一種基于 A* 算法的有效而新穎的最佳路徑規劃方法，其中考慮到了與障礙物的安全距離約束，以避免在移動障礙物和海面洋流的情況下發生碰撞。然后，將這種方法與為 USV 開發的新型虛擬目標路徑跟蹤制導模塊相結合，將路徑規劃器的參考軌跡輸入制導系統。當前工作的新穎之處在于將上述集成路徑跟蹤制導系統與分布式集群聚集行為相結合，通過基于簡單電位的吸引和排斥功能來維持 USV 蟲群的中心點，從而引導 USV 集群進入參考路徑。最后，介紹了一個用于 USV 船隊合作導航和制導的最佳混合框架，該框架可在實際海洋環境中實施，并可在海上有效地實際應用。

全尺寸軍用車輛正在與無人地面車輛（UGV）合作，以提高越野地形上戰術行動的成功率。在執行任務期間，UGV 可在軟土上進行初始機動性測試，以評估全尺寸軍用車輛的性能（如去/不去）。因此，提出了比例模型試驗的概念。

比例模型試驗可分為兩部分，即土壤的可擴展性和輪胎與土壤相互作用的可擴展性。土壤的可擴展性被定義為原位地形（異質）系統和實驗室（均質）土壤系統的機械特性之間的關系，同時考慮到沙子、淤泥和粘土顆粒形狀和大小分布的差異。在實驗室和原位地形條件下，含水量、體積密度、壓實度和顆粒間作用力等物理特性保持不變。采用離散元法和愛丁堡彈塑性粘附接觸模型對 2NS 和細粒砂進行建模。結果發現，可擴展性取決于測試條件和土壤性質。土壤的異質性會影響土壤系統中存在的內聚力和粘著力。發現壓力-沉降和剪應力與剪切位移的關系是可擴展的。錐體指數與深度的關系不可擴展。

此外，使用尺寸分析方法確定了輪胎與土壤相互作用的可擴展性，以建立全尺寸系統和縮放系統的相似性。兩個系統中開發的非尺寸參數保持一致。在本研究中，輕型裝甲運兵車（如 FED Alpha 和 Land Rover）被視為全尺寸系統（上邊界），而 UGV（如 Husky 或 Warthog）則被視為按比例系統（下邊界）。因此，在這種特定的輪胎尺寸和載荷范圍內，輪胎與土壤的相互作用行為是相似的。建模的全尺寸輪胎是 FED Alpha 335/65R22.5 輪胎，按尺寸縮小到 0.7、0.5 和 0.25。對這兩種沙地制作了六個不同的地形模擬模型，錐度指數從 14.79 千帕到 149 千帕不等。結果發現，牽引力和牽引效率與滑移的關系是可擴展的。對于 2NS 和細粒砂，與 NATO 實驗相比，拉桿拉力預測的平均誤差分別為 12% 和 9%。牽引力隨系統規模從平方功率到立方功率變化。總牽引力隨系統規模的平方功率而變化。牽引效率在系統規模不變的情況下保持不變。結論是，0.5 比例系統可以預測全比例系統在沙地上的機動性能。這一重要發現可用于設計和開發具有成本效益的輕型 UGV，為戰場上的全尺寸軍用車輛提供支持。DEM 技術的局限性在于，隨著顆粒數量的增加，其計算成本也隨之增加。

圖 1-2 UGV 為全尺寸軍用車輛進行初始機動性測試，以決定戰場上越野地形（或軟土）的去/不去狀態

圖 5-30： YOLOv3 在重新分配的半標簽視譜圖上探測到的船只。(為便于說明，圖像對比度有所增強）。

在復雜的計算機視覺應用中，卷積神經網絡（CNN）的性能已經超過了人類水平，并有可能大大提高紅外反艦導彈尋的器算法的性能。但是，基于卷積神經網絡的算法的性能非常依賴于用于優化這些算法的數據，通常需要大量完全標注的真實世界訓練示例集。

本論文分為四個技術章節，探討了將 CNN 應用于長波紅外船舶探測、識別和鑒定所面臨的挑戰。為了解決缺乏合適的長波紅外訓練數據的問題，我們合成生成了一個由 972,000 張帶有不同海景和背景雜波的軍用艦船全標記圖像組成的大型熱仿真數據集。該數據集--IRShips--是全球最大的公開可用的此類圖像庫。

圖 3-14： 數據后處理算法概覽。

可配置的自動工作流程管道極大地促進了基于 CNN 算法的開發。這項工作開始時還沒有這樣的工具，因此我們創建了一個集成的模塊化深度學習開發環境--Deeplodocus。該環境已公開發布，目前已躋身 Python 軟件包索引庫前 50%軟件包的行列。利用 Deeplodocus，對全卷積單級 YOLOv3 物體檢測算法進行了訓練，以檢測真實世界長波紅外圖像序列中高度雜亂的船只。進一步增強 YOLOv3 后，F 分數達到 0.945，這是首次使用合成數據來訓練 CNN 算法，以成功檢測長波紅外圖像中的軍用艦船。

圖 2-5： 說明必須將多個不同的流程和軟件組件編譯成單一的互聯系統，才能訓練、驗證和測試深度學習算法。

利用新加坡海事數據集的視覺光譜和近紅外數據，將 YOLOv3 的檢測準確率與兩個替代 CNN（Faster R-CNN 和 Mask R-CNN）進行了基準比較，結果顯示 YOLOv3 比 Mask R-CNN 快三倍，但準確率低 3%。通過使用依賴光譜域的編碼對 YOLOv3 進行修改后，近紅外測試數據的準確性達到了一流水平，同時保持了 YOLOv3 在速度上的顯著優勢。

圖 1-3: 現代制導導彈所含關鍵子系統示意圖

表 1-1：部分現役反艦導彈的最大速度和射程，以及推進、導航和末端制導方式。

圖 3-5： 作為合成紅外數據集基礎的 10 個 CAD 模型。(不按比例）。

在許多淺水和沿海水域應用中，視覺制導水下機器人與人類潛水員一起執行合作勘探、檢查和監測任務。這類陪伴機器人最基本的能力是在水下任務的各個階段以視覺解讀周圍環境并協助潛水員。盡管近年來技術不斷進步，但現有的實時視覺感知系統和解決方案在很大程度上受到能見度低、光照變化和突出特征稀少等海洋因素的影響。而水下光傳播的脆弱性（如與波長相關的衰減、吸收和散射）所導致的一系列非線性圖像失真又加劇了這些困難。在本論文中，我們提出了一套新穎的改進型視覺感知解決方案，以應對這些挑戰，從而實現有效的水下人機合作。研究成果包括底層視覺和基于學習的算法的新穎設計和高效實施，以及廣泛的現場實驗驗證和單板部署的實時可行性分析。

論文分為三個部分。第一部分側重于為自動潛航器（AUV）開發實用的解決方案，以便在執行水下任務期間陪伴人類潛水員。其中包括基于視覺的強大模塊，使自動潛航器能夠理解人類的游泳動作、手勢和身體姿勢，以便在保持平穩的時空協調的同時跟隨人類并與之互動。一系列封閉水域和開放水域現場實驗證明了我們提出的感知算法在水下人機合作中的實用性和有效性。我們還確定并量化了這些算法在不利視覺條件下不同操作約束條件下的性能變化。論文的第二部分致力于設計高效的技術，通過恢復水下圖像的感知和統計質量來克服能見度低和光學失真的影響。我們進一步證明了這些技術作為視覺導航自動潛航器自主流水線預處理器的實際可行性。最后，本論文的第三部分開發了高層次決策方法，如為快速視覺搜索建立空間注意力模型，學習識別何時需要圖像增強和超分辨率模塊來實現詳細感知等。我們證明，這些方法可將機載視覺感知模塊的處理速度提高 45%，使自動潛航器能夠做出智能導航和操作決策，尤其是在自主探索任務中。

總之，本論文描述了我們為解決水下人機合作實時機器視覺所面臨的環境和操作挑戰而進行的嘗試。針對各種重要應用，我們開發了穩健、高效的模塊，讓自動潛航器在僅依靠嘈雜的視覺傳感的情況下，通過準確感知周圍環境來跟隨同伴潛水員并與之互動。此外，我們提出的感知解決方案能讓視覺引導機器人在嘈雜條件下看得更清楚，并在有限的計算資源和實時限制條件下做得更好。除了推動最先進技術的發展之外，我們提出的方法和系統還讓我們朝著縮小理論與實踐之間的差距、改善野外人機合作的方向邁進了一步。

伊卡洛斯團隊創建了一個基于無人潛航器（UUV）的數字工程案例研究，通過執行 MagicGrid 架構開發方法，提供了使用 Cameo Systems Modeler 開發架構的強大視圖。案例研究包括通過中間件軟件（ModelCenter MBSE）連接該架構模型，以直接驅動多個工程分析工具（Excel、MATLAB/Simulink、計算機輔助設計工具）。通過實驗設計對設計進行改進，并通過軟件工具（ModelCenter Explore）實現可視化。本案例研究提供給海軍水面作戰中心-胡內姆港分部（NSWC PHD），作為系統工程師和系統后勤人員培訓的補充，以填補現有培訓的空白。

近年來，數字工程（DE）和基于模型的系統工程（MBSE）已成為美國國防部（DOD）和海軍部（DON）的行業標準。數字工程被定義為 "一種綜合的數字方法，它使用權威的系統數據源和模型作為跨學科的連續體，以支持從概念到處置的生命周期活動"（Shepard 和 Scherb，2020 年）。許多海軍組織已經適應了數字工程方法，并開始提供培訓計劃，重點關注數字工程的各個組成部分以及有助于支持這些流程的工具。

其中一些培訓項目嚴格專注于數字工程流程的一個特定組成部分。雖然許多培訓項目都深入關注某一特定組成部分，但它們只是對數字工程或架構開發方法進行了有限的分割。不同組成部分之間缺乏流動性，這暴露了數字工程教學的不足。所提供的培訓課程并沒有展示建筑開發和工程分析工具之間是如何相互作用的，也沒有展示它們是如何協同工作以實現成功的數字工程流程的。因此，學生在構思整個建筑開發方法和探索優化建筑設計的數字工程技術時受到限制。

本文的主要目標是利用 MBSE 和數字工程實施對理論上的無人潛航器 (UUV) 進行案例研究，以補充當前的培訓和教育。這將通過三項成果來完成：理論無人潛航器數字系統架構示例、MagicGrid 架構開發方法（包括工程分析軟件工具的使用）的書面和可視化教程，以及關于整個案例研究的最終報告。

理論UUV 是一個系統概念，將使用 Cameo Systems Modeler 將其轉化為數字架構模型。利用 MagicGrid 架構開發方法，除了 Model Center MBSE 外，UUV 架構模型還可通過不同的工程分析工具 [即 Excel 和 MATLAB/Simulink（計算機輔助設計工具）] 進行連接和分析。為了說明開發過程，在架構的同時還完成了基于文本和視頻的教程。最后，在架構模型上進行實驗設計，以測試系統能力并完善設計。

這些教程包括一個模型模板，作為當前培訓和教育的補充，提供更深入的 MBSE 和數字工程工具、技術和流程。這滿足了利益相關者的目標和要求，最終成果還可用于重新評估當前基于模型的程序執行流程。

本論文開發了一個基于海底特征導航的模擬框架。使用自動潛航器（AUV）在海底定位感興趣的物品是一種對海軍大有裨益的能力。自動潛航器為消除勞動力需求提供了一個途徑，但其購置和維護成本仍然很高。解決這一問題的辦法是使用兩艘 AUV，其中一艘的能力更強，負責用信標尋找和標記海底物品。配備成本效益型傳感器的消耗性 AUV 將對威脅進行定位、識別和消除。利用海底成像技術將海底圖像與先驗圖像馬賽克關聯起來，再加上超短基線（USBL）信標，AUV 可以在沒有傳統導航系統的情況下完成具有挑戰性的任務目標。增量平滑與測繪 2（iSAM2）是一種同步定位與測繪（SLAM）技術，可用于 AUV 的位置定位，是一種適合實時導航操作的技術，具有圖像和 USBL 傳感功能。模擬框架能夠評估 AUV 的性能，同時將實際操作的風險降至最低。該框架由一個軟件架構組成，可使用與實際操作相同的軟件進行測試。本論文展示了這一框架，并對其在基于圖像的 SLAM 中的可用性進行了分析。

為了支持未來的多域作戰分析，美國DEVCOM分析中心（DAC）正在探索如何在陸軍的作戰模擬中體現天基情報、監視和偵察（ISR）資產的貢獻。DAC正在使用基于能力的戰術分析庫和模擬框架（FRACTALS）作為方法開發的試驗基礎。用于預測衛星軌道路徑簡化一般擾動的4種算法已經被納入FRACTALS。本報告的重點是來自商業衛星群的圖像產品，其分辨率為1米或更低。報告介紹了預測分辨率與傳感器特性、傾斜范圍（包括地球曲率）和觀察角度的關系的方法。還討論了在不同分辨率下可以感知的例子。

在2021年建模與仿真（M&S）論壇期間，空間情報、監視和偵察（ISR）建模被確定為當前/近期的建模差距。美國陸軍作戰能力發展司令部（DEVCOM）分析中心（DAC）提交了一份陸軍M&S企業能力差距白皮書（Harclerode, 2021），描述了幫助填補這一差距的行動方案。陸軍建模和仿真辦公室已經資助DAC開發方法，以代表商業、國家和軍事空間和低地球軌道資產的性能及其對聯合作戰的影響，并在基于能力的戰術分析庫和模擬框架（FRACTALS）內進行測試實施。

FRACTALS是DAC開發的一個仿真框架，它提供了通用的結構 "構件"，用于模擬、仿真和評估ISR系統在戰術級任務和工作中的性能。FRACTALS作為DAC開發的各種ISR性能方法的測試平臺，將文件或數據被納入部隊的模擬中。FRACTALS還作為DAC的一個分析工具，在戰術環境中對ISR系統進行性能分析比較。

這項工作需要在一定程度上體現衛星飛行器（高度、軌跡和運動學）、傳感器有效載荷（光電[EO]、紅外、合成孔徑雷達和信號情報）、網絡、控制系統、地面站（時間線、通信、處理、利用和傳播）、終端用戶以及連接它們的過程和行為。本報告描述了DAC為支持這一工作所做的一些基礎工作，重點是可見光波段相機圖像。