基于模糊清楚度的最优离地

本文提出一种混合障碍物规避架构，将最优控制下的清晰度与模糊规则系统（FRBS）集成，以实现对无人机的自适应约束处理。我们受制于经典最优控制不确定性方法以及安全关键航空系统中可解释决策需求的启发，设计了三阶段的Takagi Sugeno Kang模糊层，根据FAA和EASA的监管分离最小化和空气适格性指南调制约束半径、紧急程度水平和激活决策。这些模糊派生的清晰度随后被纳入最优控制问题中，通过FALCON工具箱和IPOPT求解。该框架旨在通过选择性激活障碍物规避更新来减少不必要的重新计算，同时保持与航空程序的合规性。针对简化的飞机模型实现了概念验证，结果表明该方法能够在单线程MATLAB环境下以2.3秒的计算时间生成最优轨迹，表明其在近实时应用方面的可行性。然而，我们的实验发现FALCON和IPOPT最新版本存在关键软件不兼容问题，即拉格朗日惩罚项恒为零，导致约束无法正确执行。该行为在所有情景中均一致，表明是工具箱回归问题而非建模缺陷。未来工作包括通过回滚到早期软件版本来验证这一效应，使用进化方法优化模糊成员函数，并将系统扩展到更高保真的飞机模型和随机障碍环境。