轨迹设计和优化是通过PoliteCnico di Torino创建的MATLAB代码的更新和增强来实现的,该代码通过STK Object Mode Model Software与STK方案相连。这两个软件的协同使用使MATLAB函数可以迭代Astrogator上的不同可能的轨迹解决方案,即STK的轨迹设计工具。然后,这些解决方案的相关结果和属性由MATLAB函数保存在专用结构中或在图中绘制,以帮助连续的分析和选择最佳任务控制序列。此软件分析工具用于为SROC任务的两个Conops设置最佳任务控制序列:观察和观察和检索方案。此外,分析了与Conops报告的任务阶段的几个偏差,以评估它们如何影响后续阶段。对于每个可能的偏差,都会对其进行验证,以尊重总持续时间,总deltav和空间骑手的安全性的约束。
图片列表 图 1 飞行阶段描述 ................................................................................................................................ 11 图 2 B707 驾驶舱 ................................................................................................................................ 12 图 3 A350 驾驶舱 ................................................................................................................................ 12 图 4 空客飞行员黄金法则 ...................................................................................................................... 13 图 5 达美航空 OCC ................................................................................................................................ 15 图 6 A320 起飞前检查清单 ...................................................................................................................... 16 图 7:ACROSS 项目中的姿势、眼神注视、EEG 分析 ............................................................................................. 20 图 8:ATM 领域中自适应自动化的示例 ............................................................................................................. 21 图 9:FLYSAFE 项目中向飞行员展示的天气雷达 + 上传的临近预报和预报 ............................................................................................................................................. 22 图 10:NINA 项目中 ATM 领域中 AI 生成的决策支持示例 ............................................................................................................................................. 23 图 11:概念与用例生成及选取流程 ...................................................................................................... 26 图 12 AI 潜能学习原理 ................................................................................................................ 34 图 13:UC 1 AI 概念总结 ................................................................................................................ 35 图 14:UC 2 AI 概念总结 ................................................................................................................ 37
引言航空业初期,驾驶依靠飞行员的感官判断。机载仪器逐渐出现(如高度计、空速指示器、指南针、人工地平仪等),驾驶舱也不断发展。20 世纪 70 年代引入了自动化系统 [1],例如飞行管理系统 (FMS)。这些自动化系统提高了安全性 [5, 10]、精确度和效率 [11]。然而,自动化也导致驾驶舱操作员数量的减少(目前为两名飞行员),从而改变了飞行员的任务。飞行员必须执行新的任务,如飞行计划、导航、性能管理和飞行进度监控 [12]。在很短的时间内,飞行员的任务变得更加被动,主要用于监控 [7, 9, 10]。
摘要 项目第二阶段扩展了数据收集和分析程序,以开发航路空中交通管制 (ATC) 专业知识和技能发展模型。通过记录五位有工作超负荷问题的专家的动态模拟器 (DYSIM) 表现来收集新数据。对专家管制员进行了深入采访,以阐述和验证心理模型。分析了联邦航空管理局关于操作错误的数据。进行了扩展的文献综述,以将研究结果与现有文献相结合。开发了一个精心设计和完善的心理模型和任务分解。心理模型的结构既暗示了管制员用于组织 ATC 知识的概念框架,也暗示了在工作中应用知识的策略。任务分解导致列出并验证了 12 项任务。策略使用分析表明,专家倾向于使用更少的策略、更多种类的不同策略、更多的工作量管理策略以及随上下文变化的策略使用。开发了关键 ATC 构造之间相互关系的工作模型。修订后的工作超负荷关键线索列表表明,参与者认为焦虑和沟通错误是超负荷情况正在形成的最重要线索。在教学内容、排序、媒体传递和培训环境方面确定了培训影响。(附录包括以下内容:57 个参考文献列表、术语和缩略词词汇表、策略词汇表、验证研究时间表、策略列表和验证访谈、DYSIM 超负荷问题解决的回顾性协议、工作超负荷问卷和 DYSIM 超负荷问题解决的错误列表。)(YLB)
条件:参谋人员接到上级总部的命令或指挥官派出任务,要求参谋人员进行任务分析。指挥官发布进行任务分析的指导。混合威胁在所有领域(陆地、海上、空中、太空和网络空间)、所有三个维度(人力、物理和信息)和电磁频谱中威胁部队的目标。此外,指挥官保持与部队维持所有形式接触的能力(间接;非敌对;障碍;化学、生物、放射和核 (CBRN);空中;视觉;电磁;和影响)。旅及以上级别的所有政治、军事、经济、社会、信息、基础设施、物理环境和时间 (PMESII-PT) 作战变量均存在且动态;营及以下级别存在四个或更多变量。上级总部的命令包括所有叠加和/或图形、作战区域、边界、控制措施和后续战术行动的标准。指挥部与下属单位、相邻单位和上级总部进行通信。指挥官已组织了指挥和控制系统的四个组成部分,以支持决策、促进沟通和开展行动。注意:使用秘密//可发布(S//REL)机密任务伙伴网络(MPN)执行任务,以实现指挥和控制、决策和与任务伙伴的共享理解(协作以及相关信息的显示和共享),这真实地描绘了任务伙伴环境(MPE)。陆军可能会在联合战区的 MPE 内在 MPN 上开展行动。仅在例外情况下,使用不可向外国人发布的秘密互联网协议路由器(SIPR)在 MPN 上生成订单和其他员工产品(NOFORN)。环境:此任务的某些迭代应在降级的指挥和控制网络、降级的电磁频谱条件和/或降级、拒绝和中断的太空作战环境(D3SOE)下执行。此任务不应在 MOPP 4 中进行培训。标准:参谋人员在收到指挥官的初步指导后进行任务分析(军事决策过程的第 2 步),以了解情况和问题,并确定指挥部必须完成的任务、必须在何时何地完成以及行动的目的。任务分析是根据 (IAW) FM 5-0、既定时间表、指挥官的意图、上级总部的命令、陆军道德和标准操作程序 (SOP) 进行的,同时严格遵守 GO / NO-GO 标准,不得出现任何错误。
DAM 任务分析文件 任务分析文件 DAMF 最终任务分析文件 最终任务分析文件 DAMP 初步任务分析文件 初步任务分析文件 DCI 接口控制文件 控制接口文件 DDO 靶场运行管理器运营总监 DEL 飞行综合报告 (FSR) 发射评估文件 DL 发射要求文件 DOM 发射请求 卫星发射
任务分析方法可用于在错误发生之前消除导致错误的先决条件。它们可用作新系统设计阶段或现有系统修改的辅助手段。它们也可用作现有系统审计的一部分。在对重大事故进行详细调查时,任务分析也可采用回顾模式。此类调查的起点必须是系统地描述事故发生时实际执行任务的方式。当然,这可能与执行操作的规定方式不同,任务分析提供了一种明确识别此类差异的方法。此类比较对于确定事故的直接原因非常有价值。2.面向行动的技术 2.1 分层任务分析 (HTA) 分层任务分析是一种系统方法,用于描述如何组织工作以实现工作总体目标。它涉及以自上而下的方式确定任务的总体目标,然后确定各种子任务以及为实现该目标应在何种条件下执行这些任务。这样,复杂的规划任务可以表示为操作的层次结构 - 人们必须在系统和计划中执行的不同事情 - 进行这些操作所需的条件。分层任务分析首先说明人员必须实现的总体目标。然后将其重新描述为一组子操作和指定何时执行它们的计划。该计划是 HTA 的重要组成部分,因为它描述了工人必须关注的信息源,以便发出各种活动的需求信号。如果分析师需要,可以进一步重新描述每个子操作,同样以其他操作和计划的形式。图 1.1 显示了隔离液位变送器进行维护任务的 HTA 示例。
摘要 可重复使用运载火箭 (RLV) 不仅是经济和生态可持续的太空进入的关键,也是满足对小型卫星和巨型星座日益增长的需求的一项至关重要的创新。为了确保欧洲独立的太空进入能力,ASCenSIon(推进太空进入能力 - 可重复使用性和多卫星注入)作为一个创新培训网络诞生,拥有 15 名早期研究人员、10 名受益者和 14 个遍布欧洲的合作组织。本文概述了该任务,从可重复使用级的上升到再入,包括多轨道注入和安全处置。特别关注 ASCenSIon 内部开展的有关任务分析 (MA)、制导导航和控制 (GNC) 和气动热力学 (ATD) 的活动。介绍了项目的预见方法、途径和目标。这些主题由于相互关联,需要内部创新和高水平的协作。飞行前设计能力推动了 MA 和 GNC 任务化工具与 ATD 软件相结合以测试/探索再入解决方案的必要性。这种可靠而高效的工具将需要开发用于发射器再入的 GNC 算法。此外,还解决了 RLV 轨迹优化的具体挑战,例如集成的多学科飞行器设计和轨迹分析、快速可靠的机载方法。随后,本研究的结果用于制定控制策略。此外,执行新颖的多轨道多有效载荷注入。随后,开发了一种 GNC 架构,该架构能够在精度和软着陆约束下以最佳方式将飞行器引导至目标着陆点。此外,ATD 在多个阶段影响任务概况,需要在每个设计步骤中加以考虑。由于初步设计阶段的复杂性和计算资源有限,需要使用响应时间短的替代模型来基于压力拓扑预测沿所考虑轨迹的壁面热通量。完整的概况包括发射装置为确保遵守空间碎片减缓指南而采用的任务后处置策略,以及这些策略的初步可靠性方面。本文对 ASCenSIon 工作框架内讨论的主题及其相互联系进行了初步分析,为开发 RLV 的新型尖端技术铺平了道路。关键词:可重复使用运载火箭、制导、导航和控制、可靠性、气动热力学、