摘要： 针对大规模动态作业环境中多域协同决策的复杂性与实时性挑战，提出了基于大语言模型的集群协同决策框架（Courses of action-large language models，COA-LLM），通过提示词工程、环境态势文本化与多级指令解析，构建了“感知-决策-执行”闭环响应系统。突破了传统目标分配方法仅能处理离散任务的限制，实现了离散任务分配与连续空间决策的统一。最终，在仿真系统中构建了集群协同场景，使用了GPT与DeepSeek等通用大模型，并与其他基于优化算法和机器学习的算法进行了对比实验。实验结果证明了COA-LLM框架的可行性和有效性，框架的输入灵活性与输出可解释性，为智能指控系统的发展提供了新范式。
摘要： 固定翼微型飞行器（Micro air vehicle， MAV）速度低、转动惯量小，飞行过程中在大气扰动下迎角易发生较大变化，俯仰角又会在迎角恢复力矩作用下振荡，纵向静稳定性对MAV的俯仰姿态控制品质有一定的影响。为了提高MAV的俯仰姿态控制品质，本文首先提出了一种不同纵向静稳定性下MAV俯仰姿态控制品质的评估方法，该方法定义俯仰角振荡过程中的方差与极差来表征俯仰姿态控制品质，之后以控制品质最优为目标分别对不同静稳定性下MAV飞行姿态控制系统的控制参数进行调整。通过研究不同静稳定性下的最优控制品质变化规律，获得MAV纵向静稳定性对俯仰姿态控制品质的影响。结果表明，俯仰姿态控制品质与纵向静稳定性之间呈现一定的非线性规律，纵向静稳定性或静不稳定性的增强都将导致MAV在大气扰动下俯仰姿态的振荡程度增强，取得纵向中立稳定的MAV将有着最优的俯仰姿态控制品质。
