经过多年在无人机 (UAV) 方面的专注工作，NPS 和海军研究实验室 (NRL) 合作伙伴在世界上最具挑战性的环境之一：北极圈中成功完成了九年连续研发的最终测试。

协作团队整合了NPS自身的前沿技术航班-由Platform Aerospace开发和运营的Vanilla UAV路径规划软件，称为POTION（路径优化）。这一举措突破了他们的研究界限，在令人畏惧的阿拉斯加北坡对香草-POTION 组合进行了严格测试，充分利用了狭窄的天气窗口。

值得注意的是，9月份北极飞行的结果超出了所有人的预期，也超出了Vanilla在之前任务中创下的多项记录。这一成就凸显了 Vanilla-POTION 组合的卓越能力，并代表了在长期合作伙伴关系范围内推进海军行动无人机技术的一个里程碑。

NPS 机械与航空航天工程 (MAE) 副教授弗拉基米尔·多布罗霍多夫 (Vladimir Dobrokhodov) 博士领导了 NPS 的“能量感知空中飞行”工作，他于 2001 年开始在 NPS 担任博士后研究员。

多布罗霍多夫解释说：“滑翔机的效率是通过其明智的能源利用来量化的，这与战斗机的战斗效率指标形成鲜明对比。与运输机类似，滑翔机的目标是以最小的燃料消耗飞越遥远的距离。”“NPS 和 NRL 经过九年的精心合作，开发出了创新方法来优化长航时飞机的效率。”

早在 2014 年，Dobrokhodov 就与 NRL 的 Dan Edwards 博士和 Richard Stroman 博士合作，利用一种名为 Hybrid Tiger 的新型混合无人机探索能源感知飞行研究，该无人机集成了氢燃料电池、太阳能和大气风能收集技术。该项目历时三年。

该项目成就的核心是开发了最佳轨迹规划软件，模拟候鸟在大气风河中航行的节能飞行模式。

在以低空速和低高度为特征的节能飞行领域，对强风和结冰不利影响的敏感性被放大，使得飞行路径规划对人类操作员来说极具挑战性。航线的数学优化变得至关重要，需要复杂的软件解决方案，使飞机能够熟练地穿越各种潜在危险的天气条件。

与 MAE 教授马克·卡彭科 (Mark Karpenko) 和凯文·琼斯 (Kevin Jones) 密切合作，这些研究人员在飞行效率和最优控制工程领域花费了多年时间，帮助将能量最优方法推进到现在的 POTION。该团队开发了飞机的推进效率模型来模拟 Vanilla 无人机的燃油消耗，并使用机器学习将该模型集成到路线优化算法中。

卡彭科说：“使用神经网络来表示并快速执行原本复杂的能量模型是优化 Vanilla 飞行路径的关键推动因素。”

提供者：海军研究生院