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

無人飛行器（UAV）與智能反光面（IRS）相結合，利用無人飛行器的三維移動性和 IRS 的智能無線電功能，是提高無線通信信道容量的尖端技術。這項研究設想了這樣一種場景：一群配備 IRS 的無人機通過 OFDMA 同時向一個基站（BS）傳輸信號，為多個物聯網（IoT）地面節點（GN）提供服務。組成 IRS 的無源元件數量龐大，給任務設計帶來了極大的復雜性。因此，每個 IRS 都被劃分為可同時服務于不同節點的補丁。考慮到一般里氏衰落，推導出了 IRS 輔助無人機輔助網絡的綜合信道模型。然后，設想了一個多目標混合整數非線性編程問題，通過聯合優化軌跡和相移矩陣，使全球導航網的總速率最大化，同時使用戶數據速率差最小化。用調度（即補丁-GN 分配）來重新表述這個非凸問題，在解決上具有挑戰性。因此，該問題被重新編排為馬爾可夫決策過程，并通過深度強化學習獲得了準最優解。我們進行了廣泛的仿真分析，以驗證所提模型的結果和準確性。

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。

這項工作旨在利用無線音頻傳感器網絡為無人駕駛航空器系統（UAS）提出一種探測、識別和跟蹤解決方案。根據適用于無人機系統的技術趨勢（更小、更便宜、更合作），我們提出了一種采用與 "攻擊者 "相同技術方法的分布式監控解決方案。特別是，由于無人機會引起周圍聲學環境的變化，我們研究了音頻傳感器網絡的使用。更確切地說，我們采用了一種三階段算法來檢測監控環境中音頻能量的存在，識別特定的音頻特征，然后與多節點方法合作跟蹤無人機。通過實驗獲取的音頻信號，我們展示了所提方法的初步性能。我們還討論了改進實際實施的未來工作。

參考場景

微型和小型無人機（1 千歐元及以下）成本低，易于采購，使恐怖分子使用這種技術的障礙降至零。此外，開放源碼技術通常用于設計無人機系統的某些組件，這就為設計專用有效載荷的人填補了一個很小的知識空白。如此易于采購和個性化的飛行平臺最終可以接近合理的目標。根據這一趨勢，協調無人機中隊很快就會成為任何人都可以利用的資源。應對這種威脅的措施不可能是集中式的。目前，我們看到的非對稱解決方案適用于前沿作戰基地或安裝了大型無人機探測器的沙漠場景。然而，這種威脅在城市場景中可能無處不在，因此建議采用對稱的對策，即分布式、小型和廉價的對策。

特別是近年來無線傳感器網絡的不斷發展，以及節點的小型化和低成本化，可以為城市環境或復雜場景提供最合適的解決方案，因為在城市環境或復雜場景中，可能會有平民存在，而固定的軍事設施可能并不合適。

如圖 2-1 所示，這項工作將以大量廉價音頻傳感器為參考場景，每個傳感器都能夠識別無人機的音頻特征，并在發現匹配時，通過與其他節點協作定位惡意來源。研究的重點是在空曠場地場景中，利用音頻陣列檢測、識別和跟蹤單架無人機或小型無人機群，即可與單個大型單元同化。

方法

由于所提方法的目標具有三重性（即檢測、識別和跟蹤惡意無人機），因此我們的方法采用了三層算法疊加的方式。圖 3-1 給出了所追求的研究方法的總體描述。我們依靠獲取音頻信號來準確描述無人機系統的存在。第一層用于檢測無人機系統的存在。在這一階段，音頻傳感器從環境中采集少量樣本，例如每秒一次，以揭示從環境中感知到的音頻能量異常。

當這一層檢測到匹配時，第二層就會在短時間內（如約 240 毫秒[3]）通過連續采樣進行識別。識別階段的目標是區分異常聲音是否與飛越音頻傳感器網絡的無人機有關，并最終確定其類型。我們將研究兩種主要方法：一些作者在 [1] 中提出的方法和循環神經網絡 (RNN) [6]。第二識別層中的正匹配將啟用第三階段的跟蹤算法。在這一階段，發出警報的節點（在識別階段匹配成功的節點）會喚醒鄰居節點，以執行波束形成跟蹤。這是耗電量最大的階段，因為需要維護音頻傳感器網絡與其遠程控制中心之間的通信鏈路，以及音頻傳感器的連續采樣階段。

所采用的分層策略應能優化計算能力和電池需求。事實上，始終處于活動狀態的第一層執行的是低復雜度、低消耗的數學計算。另一方面，只有在出現異常音頻時，才會執行更強大的計算，即細粒度簽名識別和音頻跟蹤。

德國航空航天中心（DLR，柏林）光學傳感器系統研究所開發、制造和運行模塊化航空攝像系統（MACS）已有十多年的歷史。它是一種高度靈活的系統，適用于多種載體系統，如無人機系統（UAS）、直升機或駕駛飛機。它可用于環境變化測繪、三維重建和城市測繪等多種應用。該系統的主要目標之一是為民用安全應用提供快速可靠的地理參照信息和態勢感知。

在本文中，我們將介紹 MACS 的最新發展情況，該系統可將地理參照圖像鑲嵌圖實時集成到指揮與控制系統（C2）、地理信息系統軟件和移動設備中，供第一響應人員使用。衛星通信系統的使用使 MACS 即使在沒有電信服務的破壞環境中也能在全球范圍內使用。地理參照圖像鑲嵌圖可通過網絡地圖服務傳播給全球終端用戶。通過森林火災和洪水等幾個使用案例說明了發展情況。

作為亥姆霍茲創新實驗室 OPTSAL 的一部分，與商業伙伴一起將選定的科學發展成果和技術轉化為實際應用并集成到 C2 系統中。該工作流程已成功通過認證，可集成到網絡地圖服務標準協議中，從而在全球地理信息系統中共享 MACS 數據。針對救災情況，我們展示了通過聯合國國際搜救咨詢小組（INSARAG）協調管理系統向所有團隊整合和分發實時地圖的工作流程。進一步的發展包括使用機載分類來提取相關信息并減少需要傳輸的數據量。

這項工作使用來自建設性模擬的可靠數據，比較了有監督的機器學習方法，以估計空戰中發射導彈的最有效時刻。我們采用了重采樣技術來改進預測模型，分析了準確度、精確度、召回率和f1-score。事實上，我們可以發現基于決策樹的模型性能卓越，而其他算法對重采樣技術非常敏感。在未使用重采樣技術和使用重采樣技術的情況下，最佳f1-score模型的值分別為0.378和0.463，提高了22.49%。因此，如果需要，重采樣技術可以提高模型的召回率和f1-score，但準確率和精確度會略有下降。此外，通過創建基于機器學習模型的決策支持工具，有可能提高飛行員在空戰中的表現，這有助于提高攻擊任務命中特定目標的有效性。

這項工作提出了一個在歐盟項目FOLDOUT中開發的融合和跟蹤系統，旨在通過融合不同的傳感器信息和提出對監視區域內檢測到的目標自動跟蹤來促進邊防工作。FOLDOUT的重點是歐盟內部和外部地區的穿透式樹葉檢測。融合多個傳感器信號可以提高檢測的有效性，特別是在森林和其他被樹葉遮擋的地區。我們使用加權地圖（也稱為熱圖）來結合多傳感器信息；對所產生的融合目標進行跟蹤；根據對融合檢測的時間關聯的成本計算來創建或更新跟蹤。我們比較了來自單個傳感器的跟蹤結果和來自融合目標的跟蹤結果，這些數據是在模擬邊界收集的，代表了保加利亞的實際歐盟邊界。結果表明，如果根據融合后的數據而不是單個傳感器的信息進行追蹤，追蹤效果會得到加強。

檢測與跟蹤方法

邊防軍的主要興趣是在全球地圖上對監視區域內檢測到的人員進行定位和跟蹤。為了實現這一目標，首先要將不同傳感器系統觀察到的單個人的探測結果進行融合。當檢測結果相互關聯并保持一致時，就可以在一個共同的地圖上對單獨的目標進行跟蹤。

圖2：指導動作（紅線），扮演一個非法越境的場景：1.一個人通過步行越過邊境。2.該人沿著邊境小路向大路走去。3.此人停下腳步，在路上停留很長時間（可能是在等待汽車中的走私者）。4.在某一時刻離開道路，躲進樹叢中。5. 在樹葉中，該人再次回到路上（可能再次尋找汽車）

A.單傳感器檢測

RGB和熱像儀中的人員檢測

基于深度學習的綜合物體檢測被應用于相機圖像上。深度學習方法已被證明優于以前的最先進的機器學習技術。深度神經網絡（DNNs）模仿了大腦感知和處理信息的方式。與以前的方法相比，DNNs學習了諸如人物檢測等任務所需的特征。近年來，DNN在物體檢測和分類任務上表現出突出的性能[9, 10]。在這項工作中，物體檢測是基于一個著名的DNN實現，即YOLO檢測器[11]。

PIR傳感器中的人員檢測

探測器經過調整，使被動紅外傳感器在PIR周圍7.5米的半徑內觸發人的存在。

B.異質傳感器融合

在這項工作中，我們使用加權地圖來提供傳感器數據的層次（也稱為HeatMaps），并以邏輯和數學的方式組合它們。它的動態是完全使用不同傳感器模式的傳感器檢測假設的事件驅動。這些傳感器假設包括位置（WGS84基準）、時間戳（Unix時間戳）和權重（例如，從傳感器檢測中獲取的信心）。為了實現這一點，有兩個組件是必不可少的：加權分布圖（HeatMaps）；線性意見庫。圖3顯示了這種方法的基本概念。

圖3：融合方法的基本概念（左），作為使用兩個加權分布圖（熱力圖）的例子。應用不同的衰減函數（右）來建立加權分布圖的時間動態行為。

加權分布圖(熱圖)

加權分布圖是我們數據融合方法的兩個基本組成部分中的第一個。加權地圖的基本思想是，保持和更新關于不同傳感器探測假設的時空信息。加權地圖來自于概率占用網格，但以加權的形式解釋傳入的數據。此外，還采用了時間上的衰減來模擬傳感器數據的及時行為。權重被存儲在一個可選擇分辨率的數組中，代表WGS84坐標中感興趣的矩形區域。圖3展示了用于模擬加權分布圖動態行為的可能衰減函數。

通常，加權分布圖對應于任何一種傳感器數據或傳感器模式（例如，從攝像機圖像中檢測人的邊界框）的時空。傳感器數據被攝取到一個專門的加權圖中，這導致加權圖的值根據傳入的傳感器假設的權重而增加（替換）。相對而言，衰減將及時應用到加權分布圖的值矩陣中。每次傳感器假設被攝入分布圖，它將通過重新計算加權分布圖的權重和衰減以前狀態的值來更新。

最后，線性意見庫允許我們結合多個加權分布圖，從而結合多傳感器模式，目的是減少傳感器系統的整體錯誤發現率。

線性意見庫(LOP)

我們融合方法的第二個重要組成部分是線性意見庫[8]。

每當一個加權分布圖的狀態由于新的傳感器檢測假設而被更新時，就會應用LOP。在評估了LOP之后，閾值處理使我們能夠產生警報。為了確定警報的位置，在組合值矩陣中超過閾值的區域使用分割算法（blob檢測）。這些警報是由多個傳感器假設產生的，用于為跟蹤提供必要的輸入數據，這將在下一節中描述。

C.多目標跟蹤

為了跟蹤越境進入禁區或敏感區域的入侵者的行動，我們開發了一種基于空間和時間上關聯目標檢測的成本計算的定制算法。該跟蹤系統的工作原理是完全基于目標的位置和時間戳建立一個模型。

在第一次檢測目標時，該模型以該檢測的位置和時間戳進行初始化。軌跡模型是用以下元組定義的：???? = (????,????,????)。

如果幾個目標檢測同時發生，那么創建的模型模板數量與同時收到的檢測數量相同。后續的檢測被添加到一個給定的軌道模型中，這取決于將檢測添加到軌道中的成本。該成本被定義為傳入的檢測和軌跡候選者之間的距離。

在有多個傳入的檢測和多個軌跡候選者的情況下，已經實施了匈牙利算法[12]，使檢測和軌跡之間的關聯產生最小的成本。

在這項工作中，提出了混合無人駕駛航空器（UAV）--無人駕駛潛航器（UUV）平臺的概念設計方法。隨著任務的復雜性和不同平臺之間的互操作性的需求與日俱增，混合平臺正成為一個重要的解決方案。混合型UAV-UUV可以在空中和水下環境中進行無縫和重復的操作，這一點眾多動物物種已經以優化的方式執行。設計方法從審查少數可用的原型開始，創造最初的設計趨勢，并繼續進行分析計算。這些計算以飛機設計教科書為基礎，并考慮到混合平臺的特殊性進行了修改，如水和空氣之間的過渡手段。混合翼體（BWB）的布局配置被選中，因為它具有許多空氣動力學的優勢。然后通過使用高保真CFD計算來驗證分析計算結果。概念設計階段的結果表明，所提出的混合無人機-UUV配置的方法提供了一個良好的設計精度。最后，這種方法的結果，即混合UAV-UUV平臺，有可能解決包括水下和空中環境的任務的操作差距。

由于固有的設計復雜性、無限的測試空間和缺乏自主性的具體措施，自主和協作無人系統的實施和測試具有挑戰性。這些挑戰限制了美國空軍部署和利用這些系統所提供的戰術和戰略優勢能力。這項研究在廣域搜索（WAS）場景中實例化了一個自主系統參考架構（ASRA），作為自主和協作系統的快速原型設計和評估的測試平臺。該研究旨在提供一個框架，以評估系統實現任務和自主目標的能力，開發可重復使用的自主行為，并開發可重復使用的協作決策算法。對于這項研究和對WAS任務的應用，自主性的衡量標準來自于自主系統的要求：響應性、穩健性和感知的準確性。自主行為，包括結合簡單（原子）行為的更復雜行為被開發出來，各種協作決策規則被定義。隨后的評估在四個場景中實施了立體實驗設計。按照嚴格的測試計劃，測試是在仿真中進行的，實現了自動測試和快速分析。測試結果被用來創建一個響應模型來描述系統，并進行多重響應優化，以確定一個最佳配置，在給定的目標密度下，使搜索面積、檢測百分比和感知精度最大化。

本文描述了九個不同機構與海軍信息戰中心研究人員之間的合作成果，在美國海軍2019年三叉戟勇士演習的背景下，利用物聯網（IoT）在海軍艦艇上創建基于傳感器的態勢感知，部署、測試和展示隱私保護技術。在DARPA通過Brandeis項目的資助下，該團隊建立了一個綜合的物聯網數據管理中間件，名為TIPPERS，通過設計支持隱私，并整合了各種隱私增強技術（PET），包括差分隱私、加密數據的計算和細粒度的策略。我們描述了TIPPERS的架構及其在創建智能艦船方面的應用，該艦船提供物聯網支持的服務，如占用分析、跌倒檢測、檢測未經授權進入空間以及其他態勢感知場景。我們描述了創建物聯網空間的隱私影響，這些空間收集的數據可能包括個人數據（如位置），并分析了在這種情況下支持的PETs的隱私和效用之間的權衡。

TIPPERS物聯網平臺

TIPPERS是一個用于智能空間的新型傳感器數據收集和管理系統，它結合了各種智能空間的應用。TIPPERS架構的一個關鍵設計特點是，它與空間、傳感器和任務無關，允許它作為即插即用的技術來創建智能空間。此外，TIPPERS體現了一種隱私設計的架構，它能夠整合不同的隱私增強技術（PET）。特別是，在DARPA Brandeis項目的背景下，各種PET已經被整合，包括安全計算、隱私政策和DP（關于這些PET的更多信息，見附錄1（補充材料））。

TIPPERS設計

如圖 1 所示，TIPPERS 架構包括幾個決策，以支持設計隱私的目標。首先，TIPPERS通過在物聯網設備的世界（即傳感器、執行器、原始觀測值等）和人的世界（即人、空間、現象等的互動）之間進行轉換，提供底層傳感器基礎設施的抽象。該系統基于代表這兩個世界的領域模型，使用戶/開發者能夠與高層次語義的概念進行互動。還包括基于本體的翻譯算法，將高級用戶請求（例如，"降低入住率大于75%的房間的溫度"）轉換成具體的底層設備基礎設施上的行動。其主要優點是，它簡化了智能應用的開發，并促進了它們在不同空間的可移植性，因為它們是建立在高級概念上，而不是建立在物聯網設備上。其次，它簡化了隱私策略的定義，因為用戶可以專注于他們想要保護的東西（例如，"當我在工作時間與約翰在一個私人空間時，不要捕捉我的位置"）。TIPPERS使用這樣的隱私策略來指導其數據收集、存儲和共享行為。

圖1：TIPPERS架構

作為實現這種將原始數據轉化為更高層次的語義解釋的機制，TIPPERS支持虛擬傳感器，其中傳感器數據流可用于創建這種推斷的數據流。例如，虛擬傳感器可以將連接數據（例如，來自WiFi AP的日志，包含關于哪些設備連接到它們的信息）轉化為不同空間沿時間的占用情況。這使TIPPERS能夠納入進一步的PETs。例如，傳感器數據流在傳遞給運營商時，可以洗掉個人身份信息（PII）。

最后，TIPPERS架構包含一個調解模塊，將傳感器數據適當地存儲在相應的數據庫/存儲技術中（例如，允許使用不同的基礎數據庫系統）。這種調解包括三個部分，涉及TIPPERS模式、數據和查詢與數據庫系統之間的具體映射任務。這使得TIPPERS可以根據數據的特點、安全要求以及需要在數據上運行的查詢類型，將數據存儲在不同的系統中。利用這一功能，TIPPERS系統進一步包括安全的數據存儲技術，可以維護加密的數據并對這些加密的數據進行計算。

在TIPPERS中集成隱私增強技術（PET）

TIPPERS支持兩種方式將PETs整合到傳感器數據管理中。首先，TIPPERS支持的虛擬傳感器技術可以被利用來修改/擾亂與應用程序共享的傳感器數據流。這種修改可以包括洗刷敏感數據（例如，從圖像中刪除人臉或從傳感器數據中刪除標識符），添加噪音，取消數據的鏈接等。使用虛擬傳感器的一個很好的例子是整合PGS，使占用的數據流不同程度的私有化。

其次，TIPPERS支持系統和底層存儲機制之間的調解。例如，TIPPERS與PULSAR支持的FSS和MPC技術，以及Jana支持的確定性加密、保序加密和基于秘密共享的技術進行調解。這樣，TIPPERS可以被配置為在PULSAR中存儲低級別的傳感器數據（如WiFi連接），這樣，插入可以是快速的，聚集（例如，占用水平）可以被快速確定。當政策取決于誰在一個特定的空間或有多少人在里面時，這對實時政策執行至關重要。相比之下，可能需要更復雜操作的數據（例如，結構化查詢語言（SQL）連接操作，以結合傳感器數據和元數據）可以存儲在Jana中，它支持不同的加密技術，支持更完整的復雜SQL操作。

圖2說明了TIPPERS中的數據流和在海軍驅逐艦中部署的綜合PET的樣本，附錄1（補充材料）對此有更詳細的描述。

圖2：TIPPERS數據流

本文提出了一個敏捷的協同模擬框架，用于開發新型飛行器的數字孿生原型。該框架能夠在飛行器設計周期的早期階段對其性能和飛行動力學進行快速評估。該框架將用于飛行動力學建模的MATLAB/Simulink環境與AGI STK Aviator任務模擬器整合為一個松散的計算回路。兩個軟件包的結合使飛機不僅可以從飛行動力學的角度進行評估，而且可以從GPS覆蓋和雷達跟蹤的整體任務角度進行評估。

這種虛擬飛行測試和評估框架的優勢在于更快地開發新的飛行器，從設計周期的早期階段就施加任務約束。在不同條件下的復雜任務場景中測試原型模型，可以及早發現設計的局限性，從而改善飛機的設計過程，減少進一步的設計成本。

本文最后以英國兩個城市布里斯托爾和卡迪夫之間的民用eVTOL飛行模擬為例進行了總結。eVTOL的空氣動力學建模是基于數值生成的數據查詢表，而任務分析是基于飛機沿途的GPS和雷達監視能力。

在過去的幾十年里，數字孿生（DTs）在航空航天工程中的逐步使用已經得到了證明。自NASA在阿波羅計劃期間首次將數字孿生體引入航空航天領域以來，真實車輛的數字模型已經幫助解決了許多問題。2002年Grieves博士提出 "數字孿生 "一詞后不久，NASA承認計算能力的進步，并將數字孿生確定為建模、仿真和信息技術領域的三大技術挑戰[1]。最近城市空中交通（UAM）概念的興起，其中電動垂直起降（eVTOL）飛機是最受歡迎的，計算能力的進步表明在飛機設計的早期階段有可能使用數字孿生原型（DTPs）。DTPs允許預測 "所設計的產品在其高低公差之間變化的部件的行為，以確定所設計的產品符合擬議的要求"[2]，并且也受到諸如波音等OEM廠商的青睞[3]。如果成功的話，在商業航空工程的歷史上，這將是第一次允許在實際測試飛機被制造之前測試整體的飛機操控質量。這將允許更快和更便宜的認證過程，這對設計和制造eVTOLs的初創公司至關重要[4]。此外，這也可以減少軍用飛機從設計到樣機的時間尺度。

人們普遍認為，第一批eVTOLs雖然被設計成自主飛行器，但在之后的操作過程中，將以駕駛配置[5-6]和/或遠程控制進行測試[4]。這意味著對新飛行器的飛行/操縱質量（FQs/HQs）和飛行性能的徹底分析對于確保飛行安全是最重要的。大多數eVTOLs被設計為像直升機一樣起飛和降落，像飛機一樣飛行，垂直和水平飛行之間的中間階段稱為過渡。HQ通常是作為認證的要求而建立的，例如，歐洲航空安全局對大型運輸機的CS-25和歐洲航空安全局對大型直升機的CS-29。然而，民用飛機的HQ通常非常簡短和靈活。這與軍用飛機的總部要求相反[7-8]，后者的定義更加精確，并以所謂的任務要素（MTE）為基礎。MTEs能夠將任務要素區分為不同的任務，如初始起飛、爬升、過渡等。此外，軍事領域導致了垂直/短距離起降（V/STOL）飛機的FQs/HQs規范的發展[9-11]。最著名的是V-22鶚式飛機（螺旋槳驅動）和鷂式/F-35（都是噴氣機驅動）。美國聯邦航空管理局在認證阿古斯塔-韋斯特蘭AW609傾轉VTOL飛機時，使用了這些軍事規格作為支持。民用飛機認證機構使用不同的方法進行eVTOL認證，即FAA使用所謂的混合方法，即要求來自于目前現有的法規，而EASA專門為小類VTOL飛機發布了特殊條件要求[12]。

上述討論得出的結論是，目前的eVTOL認證法規是相當靈活的。因此，在2020年啟動了研究項目[13]，調查使用數字工具對新的eVTOL設計進行認證的潛力。本文提出了建模和仿真框架，以測試使用MTE的（e）VTOL飛機設計，作為定義飛行/操縱質量和飛行性能特征的手段。本文定義了所開發的框架、被調查的飛機、任務，并討論了結果和建議框架的進一步發展方向。

建模和仿真框架

擬議的框架將用于飛行動力學建模的MATLAB/Simulink環境與AGI STK Aviator任務模擬器相結合。目前，該框架形成了一個松散耦合的計算回路，因為它需要在兩個軟件包之間手動傳輸數據。

圖1展示了該框架的結構，并確定了兩個軟件包之間的數據流。MATLAB/Simulink為STK Aviator提供飛機狀態，即姿態和位置，STK Aviator為飛機運行的環境建模。MATLAB/Simulink和STK Aviator的這種結合，可以從飛行動力學和整體任務的角度對飛機進行評估。例如，任務評估的一組目標可以是任務期間飛機的GPS覆蓋和雷達跟蹤。這個框架不僅可以評估飛機對預定任務的適用性，還可以在制造實際產品之前及時糾正設計問題。