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

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。

幾十年來，由于需求的不斷增長和行業間的競爭，飛機技術經歷了巨大的改進。由于飛行包線不斷擴大，戰斗機的性能要求和穩定性是一個重要因素。先進的戰斗機應具有高機動性。為了實現極高的機動性，需要非常好的飛機設計，包括在某些模式下具有靜態不穩定性的多個冗余控制執行器、近乎精確的非線性飛機數學模型以及合適的非線性控制設計技術。通常，塞斯納和派珀等訓練飛機都具有靜態和動態穩定性，易于修整和放手飛行。然而，這妨礙了極端機動能力。現代戰斗機（如 F/A-18 戰斗機）的結構不穩定，飛行時需要使用電傳操縱系統，因此機動性高，易于主動俯仰、滾轉和偏航。

通過引導發動機排氣流的推力矢量法與先進的飛行控制系統相結合，可提供非常高的攻角，從而在空戰中提供卓越的近距離空中狗斗能力。戰斗機機動性能的增強使其比傳統戰斗機更勝一籌。羅克韋爾-MBB X-31 試驗機就是一個很好的例子。美國國家航空航天局（NASA）為測試戰斗機三維推力矢量技術而設計的兩架 X-31 噴氣式戰斗機成功地展示了這一設想概念。洛克希德-馬丁公司的 F-22 猛禽戰斗機利用推力矢量控制實現了極限機動。考慮到飛機設計技術和生存能力要求的巨大變化，控制方案的設計對飛行控制設計師提出了巨大挑戰。

傳統上，飛機飛行控制器是通過在大量工作點上對非線性飛機模型進行線性化設計，然后使用增益調度來覆蓋整個飛行包絡線。但在大飛行包絡中實現增益調度是一項相對困難的任務。過去，線性飛機模型的飛行控制曾采用過多種設計方法，如極點放置、H-無限魯棒控制、最優控制等。但飛機的運動方程包括非線性氣動力和力矩。此外，在高攻角情況下，氣動力和力矩取決于氣流的歷史。當飛機進行高滾轉率機動時，主要會遇到兩種不穩定的情況，第一種是短周期縱向和方向振蕩的不穩定性，第二種是自動旋轉滾轉，在這種情況下，戰斗機會突然跳到更高的滾轉率，此外，控制也會變得效率低下。所有這些現象都可能導致高攻角或側滑，對結構造成異常負荷，從而導致事故。

線性控制器的缺點可以通過輸入輸出線性化（也稱為非線性動態反演 (NDI)）來克服。這種方法通過抵消模型的已知非線性函數來解耦選定受控輸出變量的動態，然后通過額外信號的反饋來獲得線性穩定的跟蹤誤差動態。顯然，要實現精確抵消，必須精確知道飛機的動態。這就將非線性系統轉化為恒定線性系統，但前提是所有非線性因素都必須精確已知。然而，考慮到現代飛機復雜的非線性氣動特性，要實現這一點極其困難。風洞試驗和飛行測試與計算流體動力學結果一起用于獲得經驗數據，但這些數據并不完全準確。通過使用穩健的線性控制器進行反饋控制，可以減小這些缺陷。盡管如此，由于結構損壞、控制效應器故障或不利的環境條件導致空氣動力學發生突然變化，因此無法保證理想的性能。

可變結構控制器（VSC）是針對存在不確定性的非線性飛機模型而設計的。然而，可變結構控制器是狀態變量的不連續函數。即使可以在邊界層對控制法則進行一些平滑處理，也可能會導致終端跟蹤誤差。

針對模型中的大參數不確定性和未知函數，設計了基于后步法控制的非線性自適應飛行控制器。后步法設計方法分幾步完成，因為這種方法具有迭代性質。所需的步驟數取決于受控輸出變量的相對程度。此外，還設計了基于神經網絡（NN）的飛行控制系統。最近，人們開始嘗試設計具有狀態和控制約束的自適應飛行控制器。這些自適應飛行控制器屬于確定性等價自適應控制系統。在這些控制器中，直接使用積分更新法獲得的參數估計。基于浸入和不變性（I&I）方法的非確定性等效自適應控制系統用于飛機控制。從實施的角度來看，自適應控制法則并不簡單，因為參數估算器需要估算大量的空氣動力參數。此外，過去曾對戰斗機的穩定性進行過大量分析。分析表明，飛機在旋轉耦合機動中存在豐富的動力學行為，包括線性和氣動非線性。基于分岔方法和偽穩態分析，作者觀察到滾轉耦合在某些控制面偏轉組合的瞬態階段會導致不良的跳躍現象和側傾角的快速發散。分岔理論由 Poincare 發明，用于分析非線性系統，首先應用于交叉耦合問題，然后擴展到高攻角飛行的全非線性問題。

本節引用的自適應飛行控制器只能實現漸近穩定性。研究人員還為一類非線性系統開發了有限時間穩定控制器。與漸近穩定控制系統相比，這類控制器具有更強的魯棒性。一些與有限時間飛行控制系統相關的研究也已出現。當務之急是探索有限時間控制方法在同時進行縱向和橫向機動以及在存在不確定性的情況下避免戰斗機滾轉耦合不穩定性方面的適用性。

本論文的主要目標是研究魯棒有限時間控制技術與滑模控制和超扭曲飛行控制相結合在現代戰斗機上的應用潛力。論文的貢獻如下：

• 根據幾何均勻性概念，為具有假定參數的標稱飛機模型設計了有限時間穩定（FTS）非線性飛行控制法。

• 開發了一種非連續滑動模式（DSM）飛行控制器，以消除模型中不確定性的影響。在閉環系統中，包括標稱有限時間穩定（FTS）控制法則和非連續滑動模式（DSM）控制信號，可實現滾轉角、俯仰角和側傾角的有限時間控制。DSM 控制法可能會導致控制顫振現象。

• 為了實現穩健控制，設計了一種超扭曲（STW）滑模控制法則。STW 控制法則是狀態變量的連續函數。在閉環系統中，利用 FTS 和 STW 控制法則，可以實現飛機的有限時間控制。此外，這種復合控制系統還能減弱不理想的控制顫振。研究表明，在包括復合控制法則（(i) 帶有 DSM 的 FTS 或 (ii) 帶有 STW 控制信號的 FTS）的閉環系統中，軌跡跟蹤誤差及其一階導數在有限時間內收斂為零。

• 通過類似的步驟，設計出了對滾轉角、攻角和側滑角進行有限時間控制的復合控制系統（帶 DSM 法則的 FTS 和帶 STW 法則的 FTS）。

• 仿真結果表明，盡管存在參數不確定性，所設計的復合控制器仍能實現令人滿意的（滾轉、俯仰、側滑）或（滾轉、攻角、側滑）同時縱向和橫向機動。研究指出，與必須估計大量空氣動力參數的自適應控制法則相比，衍生飛行控制器結構簡單。

有限時間穩定（FTS）這一概念最早出現于 20 世紀 50 年代，適用于在固定的有限時間間隔內運行受限的系統。它要求對系統變量進行規定的約束，而定義經典穩定性則不需要。戰斗機等動力系統的非線性微分方程需要快速、精確和連續的有限時間控制器。這些控制方案優于經典控制設計。首先，確定標量二階有限時間系統的相位肖像結構。然后，利用這一特征來開發一類可用作控制器的二階有限時間系統。滑模控制（SMC）是一種非線性控制方法，通過應用不連續的控制信號來改變非線性系統的動態，迫使系統沿著系統正常行為的橫截面 "滑動"。狀態反饋控制法不是時間的連續函數。相反，它可以根據當前在狀態空間中的位置，從一種連續結構切換到另一種連續結構。

超扭曲控制（STW）是一種穩健的連續飛行控制方案，就符號（x）項而言，它完全是一個 PI 控制器（具有 P 部分調制）。超級扭曲控制（STW）方案適用于動態系統控制，以減弱由于不連續滑模控制而在控制輸入中產生的顫振。

連續有限固定時間控制（FFTC）是傳統超扭曲控制的直接擴展。它估算了固定時間上限和收斂時間。設計一個固定時間連續控制法則，使系統狀態在預定義或固定時間內收斂到原點，是一個具有挑戰性的問題。

編隊控制概念基于對鳥類自然飛行行為的觀察，鳥類會保持一個確定的幾何形狀。候鳥利用領航員提供的上沖力和旋轉領航位置，以最小的個體努力擴大飛行范圍。這種模式可用于大航程通信飛行或無人偵察機，或在最佳燃料消耗情況下使用。許多研究人員都在研究兩架或多架飛機的編隊飛行控制。

圖 1.1： 四種具有推力矢量控制功能的超機動戰斗機（時鐘方向）。(a) F-22 由美國空軍提供，攝影師：TSgt Ben Bloker；(b) 蘇霍伊 SU 35 由 Dmitry Terekhov 拍攝；(c) 蘇霍伊 Su-57 由 Dmitry Zherdin 拍攝；(d) 洛克威爾-MBB X-31 由美國海軍陸戰隊 Cody Allee 少校拍攝。

本文探討了自主無人機系統（UAS）的制導和控制。具體而言，研究了基于模型參考自適應控制（MRAC）的尾翼無人機系統，以及用于戰術機動和覆蓋的多旋翼無人機系統的制導和控制。調查了當前和潛在的應用，并找出了現有技術的差距。

為了解決四旋翼無人機這一特殊類別的尾翼無人機系統的控制問題，研究人員開發了兩種方法，以解決建模不確定性、未建模有效載荷、陣風以及執行器故障和失靈等問題。在第一種方法中，尾翼無人機系統的縱向動力學采用 MRAC 法進行調節，以在新穎的控制架構中實現規定性能和輸出跟蹤。用于規定性能和輸出跟蹤的 MRAC 法則結合了線性二次調節器 (LQR) 基線控制器，使用積分反饋互連。利用障礙 Lyapunov 函數對軌跡跟蹤誤差進行約束，并通過采用軌跡跟蹤誤差瞬態動態參考模型來保證用戶定義的軌跡跟蹤誤差收斂速率。在該控制系統中，平移和旋轉動力學分別分為外環和內環，以考慮到四旋翼雙翼飛行器的動力不足問題。在外環中，氣動力的估計值和 MRAC 法則用于穩定平移動力學。此外 此外，還推導出參考俯仰角，使飛行器的總推力永遠不會指向地球，以確保安全，并避免通常用于確定方向的帶符號反正切函數固有的不連續性。在內環中，氣動力矩的估計值和 MRAC 法則用于穩定旋轉動力學。此外，還提出了一種用于確定所需總推力的法則，該法則可確保如果飛行器的方位與所需方位足夠接近，則會施加適當的推力。還提出了一種控制分配方案，以確保始終實現所需的推力力矩，并滿足對執行器產生的推力的非負約束。仿真驗證了針對規定性能和輸出信號跟蹤采用 MRAC 的控制架構，并將規定性能 MRAC 法與經典 MRAC 法進行了比較。

在第二種方法中，提出了一種基于 MRAC 的統一控制架構，該架構沒有將縱向和橫向動力學分開。平移和旋轉動力學分別被分離為外環和內環，以解決尾翼無人機系統的動力不足問題。由于預計飛行器會發生較大的旋轉，因此使用無奇異性的四元數來捕捉尾翼的方向。此外，還通過使用障壁 Lyapunov 函數來解決卷揚現象，以確保跟蹤誤差四元數的第一個分量為正，從而按照最短的旋轉將飛行器的當前方位驅動到參考方位。在外環中，利用對空氣動力的估計和 MRAC 法則確定所需的推力。參考方位是根據正交普羅克斯特問題的解確定的，該問題可找到從當前推力方位到所需推力方位的最小旋轉。由于正交普羅克里斯特問題的不連續性質，角速度和加速度無法通過對正交普羅克里斯特問題解的時間導數來推導。奇異值分解的不連續性。因此，我們使用兩次連續可微分函數--球面線性插值，來尋找連接捕捉車輛當前方位的單元四元數和捕捉參考方位的單元四元數的大地線。一個有趣的結果是，角速度和加速度只取決于參數化球面線性插值函數的標量值函數的一階導數和二階導數；實際函數并不重要。然而，確定該函數的形狀并非易事，因此采用了受模型預測控制啟發的方法。在內環中，使用氣動力矩估計值和 MRAC 法來穩定旋轉動力學，并將推力分配給各個螺旋槳。建議的控制方案的有效性通過仿真得到了驗證。

提出了一種用于自主無人機系統的集成制導和控制系統，可在未知、動態和潛在的敵對環境中，按照用戶規定的不計后果或戰術方式進行機動。在該制導和控制系統中，戰術操縱是通過在飛行器接近目標時利用環境中的障礙物來實現的。不計后果的機動是通過在向目標前進時忽略附近障礙物的存在，同時保持不發生碰撞來實現的。魯莽行為和戰術行為的劃分受到生物啟發，因為動物或地面部隊都會使用這些戰術。制導系統融合了路徑規劃器、避免碰撞算法、基于視覺的導航系統和軌跡規劃器。路徑規劃器以 A? 搜索算法為基礎，并提出了可定制調整的 "到達成本"（cost-to-come）和啟發式函數，通過降低底層圖中捕獲靠近障礙物集的節點的邊的權重，利用障礙物集進行躲避。啟發式的一致性已經確定，因此，搜索算法將返回最優解，而不會多次擴展節點。在現實場景中，需要快速重新規劃，以確保系統實現所需的行為，并且不會與障礙物發生碰撞。軌跡規劃器基于快速模型預測控制（fMPC），因此可以實時執行。此外，還采用了一個自定義的可調成本函數，該函數權衡了與障礙物集的接近程度和與目標的接近程度的重要性，為實現戰術行為提供了另一種機制。新穎的避免碰撞算法是基于解決一類特殊的半有限編程問題，即二次辨別問題。避撞算法通過尋找將無人機系統與障礙物集分隔開來的橢球體，生成無人機系統附近自由空間的凸集。凸集在 fMPC 框架中用作不等式約束。避撞算法的計算負擔是根據經驗確定的，并證明比文獻中的兩種類似算法更快。上述模塊被集成到一個單一的制導系統中，該系統為任意控制系統提供參考軌跡，并在多次模擬和飛行測試中展示了所提方法的有效性。此外，還提出了飛行行為分類法，以了解可調參數如何影響最終軌跡的魯莽性或隱蔽性。

最后，介紹了用于自主無人機系統的綜合制導和控制系統，該系統可在未知、動態和潛在敵對環境中，按照用戶的要求，以不計后果或戰術的方式執行戰術覆蓋。覆蓋的制導問題涉及收集環境信息的策略和路線規劃。收集未知環境信息的目的是幫助服務組織和第一反應人員了解態勢和制定計劃。為解決這一問題，需要綜合考慮目標選擇、路徑規劃、避免碰撞和軌跡規劃。我們提出了一種基于八叉樹數據結構的新型目標選擇算法，用于為路徑規劃器自主確定目標點。在該算法中，由導航系統推導出的體素地圖捕捉了環境中各區域的占用和探索狀態，并被分割成捕捉大面積未探索區域和大面積已探索區域的分區。大面積未探索區域被用作候選目標點。目標點的可行性通過采用貪婪 A? 技術來確定。該算法擁有可調參數，允許用戶在確定目標點序列時指定貪婪或系統行為。這種技術的計算負擔是根據經驗確定的，并證明可在現實場景中實時使用。路徑規劃器基于終身規劃 A?（LP A?）搜索算法，與 A?技術相比，該算法更具優勢。此外，還提出了一種可自定義調整的成本-歸宿和啟發式函數，以實現戰術或魯莽的路徑規劃。提出了一種新的避免碰撞算法，作為上述避免碰撞算法的改進版本，改進了所產生的約束集的體積，從而使更多的自由空間被凸集捕獲，因此，軌跡規劃者可以利用更多的環境進行戰術機動。該算法基于半定量編程和快速近似凸殼算法。軌跡規劃器以 fMPC 為基礎，采用自定義成本函數，通過滑行障礙物表面實現戰術機動，并將所需加速度作為與掩體距離的函數進行調節；采用障礙函數約束飛行器的姿態并確保推力正向性；采用四旋翼無人機系統的輸出反饋線性化運動方程作為微分約束，以實現積極的機動。利用定制的 C++ 模擬器驗證了所提系統的功效。

本論文將探討在海洋環境中運行的自主無人機系統在制導和控制算法方面存在的一些不足。

多無人機協同升降系統使用多個無人機共同升降和運輸有效載荷。從可擴展性和便攜性的角度來看，這些系統有可能大大降低空中運輸任務的物流成本。與傳統的單機物流模式不同，通過在多架廉價飛機之間分配起升能力，可以有針對性地運送大量有效載荷。為了以高度自主的方式完成大跨度的任務，合作飛機必須能夠在多個點可靠地與單一有效載荷對接，并在系統參數未知的情況下，以可變幾何配置的方式在飛行途中穩健地穩定下來。本論文提出了一種新穎的自適應飛行控制框架，該框架使用擴展卡爾曼濾波器在控制分配方案中更新相關系統參數。此外，這項研究還對之前開發的模塊化對接系統進行了擴展，該系統支持在不同的復合系統幾何結構中進行自組裝，考慮了多智能體操作，并通過模擬交易研究優化了設計參數。論文介紹了高保真模型和模擬，利用多體反饋線性化約束穩定和基于約束的脈沖接觸模型等技術，以驗證控制策略，并在復雜動力學條件下優化設計。本論文還介紹了無人飛行器合作飛行控制和參數估計的實驗結果。

完全自主的航空系統（FAAS）將邊緣和云硬件與無人機和大量軟件支持結合起來，以創建自主系統。FAAS 通過對環境的實時感知和響應，在無人駕駛的情況下完成復雜的任務。FAAS 需要高度復雜的設計才能正常運行，包括機載、邊緣和云硬件和軟件層。FAAS 還需要復雜的軟件，用于控制無人機的底層操作、數據收集和管理、圖像處理、機器學習、任務規劃和高層決策，這些軟件必須在整個計算層次結構中有效集成，以實時實現自主目標。

即使是相對簡單的 FAAS，其復雜性也難以保證效率。然而，效率對 FAAS 的有效性至關重要。FAAS 在資源稀缺的環境中執行任務，如自然災害地區、農田和偏遠的基礎設施設施。這些地區的計算資源、網絡連接和電力都很有限。此外，無人機電池壽命短，飛行時間很少超過 30 分鐘。如果 FAAS 設計不合理，無人機可能會浪費寶貴的電池壽命來等待遠程計算資源的進一步指示，從而延誤或無法完成任務。因此，FAAS 設計人員必須謹慎選擇或設計邊緣硬件配置、機器學習模型、自主策略和部署模式。

FAAS 有能力徹底改變許多行業，但要提高其可用性和有效性，還有許多研究工作要做。在本論文中，我將概述自己為設計和實施高效、有效的 FAAS 所做的努力。本文將重點討論以下五個主題，包括 FAAS 的設計、實施和應用：

§1. 創建新的通用和特定領域的機器學習算法，并謹慎使用其他算法

§2. FAAS 層次結構中各級硬件的選擇

§3. 為自主策略、硬件設備、機器學習技術和部署特性的選擇和切換提供動力和環境意識信息。

§4. 在線學習能力可抵御有限的云訪問、網絡中斷和電力短缺。

§5. 全面的應用，展示 FAAS 的技術價值，推動采用，并確定未來的研究挑戰。

圖：FAAS 非常復雜。它們在遠程環境中運行，使用新穎的自主策略和機器學習算法，必須承受功率限制并利用創造性的網絡解決方案來實現其目標。

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。

無人機（UAVs）在軍事和民用領域發揮著至關重要的作用。本論文的研究有助于智能控制系統（ICS）領域，特別是實現旋轉翼無人飛行器（RUAV）可靠、便捷的自主控制。特別是，本論文解決了如何適應未建模動態和干擾（如在空中改變有效載荷）的難題。

無人機可以攜帶額外的重量，如傳感器、貨物，甚至被稱為有效載荷的懸掛物。已經開發了許多策略來穩定不斷變化的有效載荷，但這些策略都假定有效載荷是剛性的，重心（CoG）是靜態和已知的。有效載荷質量及其類型在飛行過程中的變化會極大地影響無人機的動態性能，這就要求控制器進行調整，以保持令人滿意的閉環性能。此外，還沒有探索過在半空中從一架較大的飛機（如氣象氣球）上發射一組具有隨機姿態的送貨無人機的情況。最后，未建模的動力學和陣風等不確定因素給飛行操作帶來了挑戰，因此綜合控制系統對于處理這些不確定因素至關重要，但對非基于模型的綜合控制系統的設計和開發關注不夠。

受這些研究空白的啟發，本論文探討了如何處理有效載荷在空中的 CoG 變化和姿態獨立發射的控制問題。為解決這些問題并實現理想的軌跡跟蹤控制，本文提出了一種新型非基于模型的綜合控制系統，稱為雙向模糊腦情感學習（BFBEL）控制系統。所提出的控制系統融合了模糊推理、神經網絡和基于強化學習的新型雙向腦情感學習（BBEL）算法。所提出的 BFBEL 控制器能夠從零開始快速適應，可用于控制 RUAV 的所有六自由度 (6DOF)。為擴大擬議控制器的適用性，開發了單輸入-單輸出（SISO）和多輸入-多輸出（MIMO）架構。本研究考慮的兩種無人駕駛飛行器模型是四旋翼無人駕駛飛行器（QUAV）和直升機無人駕駛飛行器（HUAV）。SISO 版本的 BFBEL 控制系統被應用于 QUAV，以解決處理 CoG 和重量不同的外部有效載荷的問題。BFBEL 控制系統的 MIMO 版本應用于 HUAV，以解決在空中獨立發射姿勢的問題。對這兩種系統都進行了模擬評估，并通過實驗驗證了如何處理 CoG 不確定的外部有效載荷問題。最后，在相同的控制情況下，將飛行能力和控制性能與傳統的比例積分微分（PID）控制器方案進行了比較。

這項研究的目的是調查和開發適合設計和分析低可觀測無人作戰飛行器（UCAV）的概念設計方法和計算工具，這些飛行器可執行從亞音速到高超音速飛行狀態的各種任務，具有各種有效載荷和性能要求，以及各種操作限制。

毫無疑問，無人駕駛飛機已經改變了航空航天的許多方面，而軍事應用往往引領著這些變革努力。UCAV 已成為應對未來空戰所面臨的技術、作戰和經濟挑戰的潛在戰略。這些挑戰包括第四代戰斗機機隊的老化、新型先進 4+ 和第五代平臺的部署、據報道當前無人飛行器的高脆弱性以及高超音速飛行器和武器的未來發展。

為了研究未來飛機的配置，克蘭菲爾德大學飛機設計組的霍華德-史密斯教授于 2012 年設想了 GENUS 飛機設計環境。該框架依賴于一個具有高度模塊化和靈活性的中央架構，能夠使用類似的分析工具設計、分析和優化多個種類的飛機，揭示新設計的真正差異和潛在優勢。

質量估計、推進、空氣動力學、性能、雷達截面估計和氣動熱分析工具已集成到 GENUS 框架中，以研究 UCAV 的設計空間。由于獲取 UCAV 和類似配置的高質量數據往往受到限制，因此無法對這些方法進行驗證，也無法從中比較和生成更高保真的模型。第9.2節確定并提出了今后提高這些方法準確性的具體步驟。

本研究進行的設計空間探索包括：亞音速 UCAV 執行高-低-高任務的任務參數權衡研究、性能與當前第五代戰斗機相當的 UCAV 平臺的概念和初步設計、全超音速深度攔截任務權衡研究，以及執行時間緊迫的打擊任務的高超音速（M ≥ 3.0）艦載 UCAV。

圖 UCAV 完整的結構布置（改編自 Sleightholme）。

提綱

第 2 章簡要介紹了無人飛行器的發展歷史，強調了從最早的空中魚雷到現代沖突的軍事應用。隨后，在本研究的背景下對 UCAV 進行了定義，并對聯合行動的未來進行了簡要展望。還介紹了主要的技術驗證計劃和當前的 UCAV 設計。本節最后回顧了設計和開發 UCAV 背后的技術挑戰。

第 3 章介紹了 GENUS 飛機設計環境、其核心理念、總體結構概述、數據分層和模塊之間的數據共享，最后介紹了框架內優化問題的設置；并提供了一個準多目標優化的簡要示例。

第 4 章提供了集成到 GENUS 框架各分析模塊中的 UCAV 設計方法的技術細節；提供了質量估計、空氣動力學、推進建模和雷達截面的驗證和確認。由于 UCAV 配置具有從亞音速到高超音速的廣闊設計空間，因此在開發這些方法時考慮到了靈活性和可擴展性。除了典型的飛機設計分析模塊外，還創建了一套特殊模塊來分析非典型學科：通過物理光學近似方法增加了雷達截面估計；作為高超音速運行的一個關鍵方面，還包括飛行器熱負荷分析和燃料熱管理系統。

第 5 章介紹了典型對地打擊任務（Hi-Lo-Hi）中低可觀測亞音速 UCAV 配置的任務和性能權衡研究。在機翼面積不變的情況下，量化了前緣掠角、巡航馬赫數、作戰半徑和比過剩功率對λawing UCAV配置的影響。

第 6 章介紹了為建立第五代 UCAV 設計所做的概念和初步設計工作，該設計旨在與當前的第五代戰斗機和未來的第六代戰斗機一起進行高度集成和協調的作戰行動。這種 UCAV 的任務設計包括亞音速對地攻擊剖面和有限的超音速作戰能力。已對總體結構概念、發動機尺寸和集成、燃料、動力和執行系統以及起落架尺寸和航電系統設計進行了初步設計研究。

第 7 章涉及各種作戰任務、有效載荷和操作要求下的超音速設計概念研究。對馬赫數 2.0 的深度攔截任務（Hi-Hi-Hi）進行了研究，并對巡航和沖刺馬赫數進行了作戰貿易研究。隨后，還介紹了航母艦載高超音速打擊 UCAV 的作戰貿易研究。評估了巡航馬赫數、巡航高度和作戰半徑對重要性能參數（如到達目標時間和熱管理限制）的影響。

第 8 章是主要討論部分，總結了在各種任務和作戰限制條件下各類 UCAV 的主要結果和發現。

最后，第 9 章總結了成果、結論和確定的下一步工作。

GENUS飛機概念設計環境

克蘭菲爾德大學飛機設計組自 2012 年起開始開發 GENUS 飛機概念設計環境(122)。其名稱源于生物分類學的分類方法，代表了在通用架構下設計、分析和優化各種飛機的能力，如圖 3-1 所示。

圖 3-1 - 適用于飛機的生物分類法

GENUS 是基于 Java 的代碼，因此無需客戶許可證即可在任何操作系統中運行。Java 的在線支持和開發非常廣泛，有多個數值、數學、圖形和后處理庫可供免費使用，大大提高了框架的潛在能力，同時降低了開發成本。

圖 3-2 - Java 與傳統代碼交互的一般程序

另一個重要特點是 Java 能夠通過其 Java 本地接口 (JNI) 實現與 FORTRAN 和 C/C++ 等其他編程語言進行通信。圖 3-2 顯示了 Java 與傳統飛機設計代碼（通常用 C、C++ 和 FORTRAN 編寫）之間的集成和通信過程。該功能廣泛應用于 GENUS 框架的各個分析學科，以增加保真度，而無需長時間重寫或獨立開發復雜代碼。

GENUS 架構的核心理念可概括為以下幾個主要方面：

• 模塊化： 明確區分不同的分析學科，并按層級編程。抽象類是這一功能的基礎，Java 的多態性也為其提供了支持。

• 靈活性： 通過高度抽象化，分析技術可應用于多種飛機，而無需修改核心框架。

• 擴展性： 能夠在分析模塊中包含各種保真度級別，從經驗方法到高保真數值工具。Java 的本地接口及其多態性支持這一方面。特殊模塊（下文將解釋）可用于添加專業分析工具。

• 健壯性： 一個有凝聚力的框架，依賴于經過良好測試的方法以及適當的錯誤和異常處理方法。

• 獨立性： 在適當情況下，避免使用許可和依賴平臺的軟件。

圖 3-3 - GENUS 框架的組成部分和相互關系

GENUS 框架不應被視為一個黑盒系統，只需要用戶提供最少的輸入；相反，GENUS 依賴于一個知識淵博的用戶/設計者，以循環和建設性的方式與框架的前端和后端進行交互。這種互動利用了設計者的專業知識、直覺和假設，從而產生新的知識。圖 3-3 是用戶與框架互動的頂層示意圖。

GENUS 核心框架由九個基本模塊組成，其中包括 1. 幾何 2. 任務 3. 推進規范 4. 質量分解 5. 空氣動力學 6. 推進分析 7. 包裝 8. 性能 9. 穩定性

所有模塊都采用抽象 "GENUS模塊 "的結構，如圖 3-4 所示。隨后，9 個基本模塊中的每一個都有一個 "抽象 "模塊。如圖 3-5 所示，所有特定模塊都是這些抽象模塊的擴展和實現。

圖 3-4 - 抽象 "GENUS模塊 "的總體結構

圖 3-5 - 性能模塊的層次結構和數據流

為了分析飛機設計的非常規方面，可以在原有 Genus 模塊的基礎上實施一系列特殊模塊。特殊模塊的例子包括雷達截面分析、音爆強度、成本估算和航空熱力學分析。

圖 3-6 是一個框架示意圖，顯示了單個設計實例的啟動過程。每個模塊都可以根據用戶的需要進行輸入，然后將輸入信息傳遞到后續模塊，如連接箭頭和變量所描述的信息流所示。

圖 3-6 - 在 GENUS 中啟動設計實例的 N2 圖示例

圖 3-7 顯示了帶有幾何和體積約束、質量和燃料收斂誤差以及推力和穩定性約束的優化循環的 N2 圖。輸入變量僅與幾何、任務（估計起飛質量）和推進規范模塊相對應。該圖表示一個固定飛行任務（航程、速度、有效載荷......）的典型收斂優化循環。目標函數箭頭來自框架域，一般代表可選擇的各種目標；典型目標函數的例子包括最大起飛質量 (MTOM)、運行空重 (OEM)、總耗油量、RCS（特定視角或平均值）等。

圖 3-7 - GENUS 優化設計的 N2 圖示例

本研究提出了一種方法，用于訓練和驗證數據驅動的、參數化的、多保真的減序模型，能夠預測具有不連續特征的高維空氣熱流場。在設計新概念時，設計者往往缺乏進行傳統概念設計所需的歷史數據，因此必須依賴基于物理學的模型和模擬工具的數據。然而，現實的計算預算往往限制了可用于訓練預測模型的高保真樣本的數量。在這些情況下，多保真方法已被確定為提高模型準確性的關鍵推動力，因為它們能夠利用來自高保真和低保真來源的訓練數據，這使設計者能夠使用大量廉價的低保真樣本來補充訓練數據并提高采樣分辨率。這項研究制定了一種方法，利用Procrustes流形排列，用線性和非線性投影方法進行多保真模型的減序。然后將這些方法應用于陸軍海軍的Finner射彈，以在學科和系統層面上描述這種方法。據觀察，所提出的模型階次還原能夠準確地捕捉表面分布。當部署在一個耦合軌跡模型中時，減序模型能夠在模擬中取代全序CFD，同時與全序解決方案保持密切一致。所提出的方法也優于傳統的空氣動力學數據庫查詢表，同時保持可控的計算成本。

技術途徑

降維

降序建模是一種廣泛的方法，它尋求確定高維數據集的低維表征，盡可能準確地捕捉原始數據中觀察到的相關行為（Maaten, et al., 2009）。降維（DR）算法通常用于減少原始模型的自由度數量，以獲得一些低維表示，被稱為潛空間，它保留了原始數據集的一些質量，如觀察到的協方差或成對距離（Xiao, et al., 2017）。然后，原始的高維訓練數據被投射到這個低維的潛空間中，以便在進行預測時可以識別和利用數據的主導特征。ROM可以分為侵入式和非侵入式，前者意味著它們必須與分析的管理方程對接，并且經常需要修改源代碼（Lucia & Beran，2003），后者意味著它們只使用輸入和輸出數據進行訓練（Chen，2012）。由于現代高超音速系統的高度多學科性，設計者在早期設計階段使用 "黑盒"分析代碼是很常見的。出于這個原因，非侵入式ROM通常是航空航天應用的首選（Rajaram, et al., 2020）（Xiao, et al., 2017）。

文獻中已經開發了許多非侵入式的ROM技術，每個技術都有不同的假設，即如何最好地識別和描述訓練集的基本行為（Maaten, 等，2009）。線性方法，如主成分分析（PCA）（Tropea, et al., 2007），可能是最常用的技術，并已在航空航天應用中成功使用了幾十年（Iuliano & Quagliarella, 2013）（Jolliffe, 1986）（Lumley, 1967）。利用非線性降維（DR）的ROM，如基于歧義學習的ROM（Franz, et al., 2014），最近被使用，因為它們能夠比線性對應技術更有效地捕捉不連續的流動特征，如沖擊（Decker, et al., 2021）。

使用Procrustes分析的流形對齊

為了使前面討論的方法適用于CFD解決方案，必須以相同的網格尺寸、節點連接和基礎物理模型拍攝快照。Manifold Alignment（MA）被認為是增強這些單保真ROM技術的關鍵因素，因此它們可以利用多保真來源的數據（Wang & Mahadevan，2009）（Wang & Mahadevan，2008）。這使得在訓練預測模型時，只要每個數據集的基礎系統是相關的，就可以同時利用來自不一致配方的數據集（Perron, et al., 2020）。特別是，Procrustes MA已被證明在構建多保真ROM方面表現良好，因為它能夠利用來自不一致來源的數據，而不需要修改原始訓練集（Perron, et al., 2020）。(Decker, et al., 2021)開發了MA在CFD ROM中應用的數學公式。

圖2:使用Procrustes分析的流形對齊的概念說明。

降階建模方法

這種方法的結果是遵循圖3所示結構的場代理。在這些模型中，DR被用來識別捕捉每個數據集的基本行為的潛在空間。通過減少每個保真度級別的數據得到的潛空間使用MA進行融合。在實踐中，這個潛空間具有足夠低的維度，多保真插值或回歸技術（如CoKriging（Han等人，2012））可以用來預測未見設計點的潛空間坐標。有了這些預測的潛空間坐標，就可以通過一個叫做Back-mapping（Franz, et al., 2014）（Decker, et al., 2021）的過程構建高維領域的預測。

圖3:多保真ROM結構的說明。

軌跡分析

一旦空氣動力學的ROMs被訓練出來，它們就可以被部署在一個耦合的分析框架中以評估它們的性能。在這項研究中，進行了滑行軌跡分析。高超音速飛行器的軌跡對高水平的性能目標有重大影響，并推動了其他幾個學科的關鍵邊界條件。任務優化是必要的，以確定特定飛行器的最佳性能。由于這些原因，滑行軌跡分析是一個有用的測試案例，以評估所提出的方法的實用性。

文獻中已經開發了許多方法來解決高超音速滑翔軌跡。工程中感興趣的問題往往過于復雜，無法用變分法分析解決，因此需要數值方法（Rao，2009）。已經開發了一系列被稱為直接方法的數值方法，這些方法將軌跡離散化，并使用一個稱為轉錄的過程將最優控制問題轉換為非線性編程（NLP）問題，可以通過直接優化解決（Rao，2009）（Ross & Fahroo，2002）。在直接方法家族中，有兩類主要的解決方法：射擊法和同位法。射擊法通過顯式積分治理方程來傳播軌跡，而配位法通過將治理方程視為離散域內每一點的平等約束來隱式執行治理方程（Von Stryk & Bulirsch，1992）。射擊法對參數化簡單的問題表現良好，并允許使用高階數值積分方案，而配位法由于現代NLP求解器的魯棒性和利用數值稀疏性的能力，被認為對更復雜的問題效果良好（Rao，2009）。出于這個原因，本研究中使用了直接配位來進行軌跡分析。

為了解決這些問題，軌跡分析是用Dymos（Falck, et al., 2021）實現的。Dymos建立在OpenMDAO（Gray, et al., 2010）的基礎上，利用偽光譜配位技術來進行優化。問題使用IPOPT算法（Wachter, 2002）解決，該算法在pyOptSparse框架（Perez, et al., 2012）中實現（Wu, et al., 2020）。

在這項研究中，運動方程是針對球形、非旋轉地球上的二維飛行路徑而實現的：

在有環境因素的城市區域內安全有效地使用四旋翼飛行器，對美國軍事和民用部門具有巨大的重要性。本技術報告探討了一個高度適應性的模擬設置，其中有一個包含學習元素的非線性控制器。其他模型因素--如無人機的幾何形狀、權重和風的力量--在所提出的框架內很容易被修改。用虛幻引擎進行的模擬，可以結合現實世界的城市數據、現實的風和現有的開源軟件。

引言及與美國陸軍的相關性

無人系統和無人駕駛航空系統（UAS）的使用在全世界的軍隊中激增，在通信、監視、偵察和戰斗中都有應用（Nacouzi等人，2018）。在敵對地區，無人機系統將受到多種威脅，包括網絡和物理威脅，以及環境危害。生存和任務的成功往往取決于以最小的通信或依賴全球導航衛星系統（GNSS）的能力，如GPS（Guvenc等人，2018；Sathyamoorthy等人，2020；Fan等人，2022）。例如，無人機系統的通信可用于檢測和獲得無人機系統的位置，而基于衛星的導航很容易被欺騙或干擾，因為信號非常弱。其他傳感器也經常被用來增強GNSS的位置分析，并可以用來取代它，如光學系統--包括照相機、雷達、光探測和測距（LiDAR）系統和慣性測量單元（IMU）（Angelino等人，2012）。這些都提出了自己的挑戰。慣性測量單元是標準設備，但只能檢測線性和角加速度，同時通過檢測地球的局部磁場來確定方向（共9個自由度）。因此，位置誤差，即測量的加速度的第二個時間積分，會隨著時間的推移而累積。在使用IMU進行UAS導航時，其他令人擔憂的來源包括環境影響（即風或降水）。 UAS結構的物理變化，如增加一個傳感器或武器包，包括武器發射后的變化，使工作進一步復雜化。這種質量和質量分布的變化改變了UAS的質量中心和慣性張量。光學傳感器、雷達和LiDAR系統增加了重量，并經常發射射頻或光，使它們更容易被探測到和/或需要處理資源。增加的重量和/或處理可能對電池壽命產生不利影響，從而影響運行時間和整體可靠性。

為了解決這些問題，我們正在研究在大風環境中使用控制算法，以了解IMU信號如何在控制中被用來考慮（和/或改變）UAS的位置計算。再加上不確定性措施，這些最終可用于檢測UAS飛行性能的變化，或對GNSS信號的欺騙。

城市環境是安全和可靠的無人機系統運行的第二個關注領域（Watkins 2020）。它們被認為是國防部行動的一個挑戰領域，也是政府和商業服務的一個巨大的技術增長領域。在這份報告中，我們展示了一個模擬空間，我們正在建立專門用于模擬城市環境中的無人機系統，以解決自主和半自主控制的問題，重點是環境的相互作用，包括風和靜態碰撞威脅。物理學和控制的關鍵部分直接用C++實現。除此之外，在可能的情況下，我們正在利用當前的免費和開源資源（即軟件、軟件框架和數據），但要注意的是，我們包括使用一些在產品商業化成功后需要付費的工具。我們采取了一種模塊化的方法，隨著其他軟件框架和系統的成熟，將能夠靈活地過渡到其他軟件框架和系統。我們目前的系統已經基于用于小型無人機系統的PX4控制器庫和實時發布-訂閱（RTPS）數據傳輸協議。RTPS應能使我們的發展在其他工具成熟時過渡到其他工具，并使用通用的應用編程接口（即API）過渡到其他工具和數據，如計算的風數據。對于圖形和用戶界面，我們使用虛幻引擎（UE）（Matej 2016），這是一個游戲引擎，提供最先進的圖形功能和我們的模型中使用的一些物理學--最重要的是無人機系統和其環境之間的碰撞檢測。

第2-4節詳細介紹了整個模擬的主要計算部分：納入現實世界的城市數據，生成現實的風模型，無人機的幾何和物理建模，以及線性和非線性控制。我們對整體模擬的這些主要部分中的每一個都依賴開源軟件，如UE、OpenStreetMap（OSM）（Anderson等人，2019年）、Mapbox和AirSim（Shah等人，2017年），并根據需要詳細說明（見圖1；例如，真實城市的模型導入游戲引擎中）。第5節和第6節提供了樣本結果和結語。

圖1 將城市數據納入UE進行大規模模擬的兩個例子。伊利諾伊州的芝加哥（上）；弗吉尼亞州的水晶城（下）。這兩張圖片都是使用開源工具創建的，將開源的Mapbox城市數據導入UE中。