2） 仿生机械抓扣式栖息机构所对应的飞行平台多为多旋翼无人机，未来的研究可将飞行平台转为扑翼机或固定翼无人机。将仿生机械爪移植到扑翼机上实现扑翼机对复杂环境的栖息着陆及目标物的抓取，实现更彻底的仿生无人机设计。同时也可将仿生材料引入到仿生机械抓扣的设计中，如人工肌肉等，实现对鸟类更深入的模仿设计。

3） 机械抓扣式栖息机构和仿生机械抓扣式栖息机构都可改变为抓取机构，搭配多旋翼无人机或者直升机在目标物体上定点悬停进行抓取，通过对目标物体的抓取来实现无人机栖息或运输载荷。

4） 基于螺旋桨式栖息无人机多为多旋翼无人机，通过其自带的爬壁轮机构可在倾斜或者垂直壁面上爬行。该类型栖息最大的特点是无人机可在栖息物体表面爬行，进而完成一定的任务。爬壁无人机栖息更多的是一种动态栖息，旋翼电机不停车，在壁面栖息的能耗相对悬停时稍低。因此可通过加装其他栖息机构，如负压吸盘等机构等，借助吸盘对栖息物体产生的负压来实现在壁面上的停车进而提高续航时间。未来基于螺旋桨式栖息的多旋翼无人机可向变体无人机方向发展，通过改变机体结构或者旋翼电机的倾转角度来实现更好的栖息与壁面爬行。

5） 基于电磁吸附的栖息机构可应用到更微型的仿生无人机上，如基于飞行昆虫或小型鸟类所设计的仿生无人机或扑翼机。通过携带电磁吸附机构可使用比悬停所需功率小3 个量级的栖息功率来完成栖息操作，进而实现无人机的长时间续航。

6） 不同作用原理的栖息机构设计将越来越多元化，相互之间可进行组合设计。将针刺或者微棘的机构整合到机械或仿生机械抓扣机构，在抓取的同时利用针刺或者微棘来增大摩擦力来实现更好的栖息或抓取载荷。可将粘胶垫结合到机械或者仿生机械抓扣机构，在栖息或抓取的同时增加粘胶垫的粘附力。也可将电磁式栖息机构整合到基于螺旋桨式栖息的无人机，增大对金属壁面的吸附力。不同种类的栖息机构界限越来越不明显，相反，应对不同栖息场景的组合设计会越来越多。

 3 变体无人机栖息方案 

美国空军研究试验室Reich 等［83］描述了一种用于栖息微型无人机的机械化机翼概念，结构如图63 所示［83］，机翼能够在2 个跨距关节上旋转，以模拟鸟类在栖息中的翅膀运动，研究表明该机翼可使无人机以近乎为0 的垂直和水平速度栖息在树枝等目标物上。哈佛大学Manchester 等［84］提出了一种具有可变前掠翼无人机，结构如图64［84］所示，通过前掠翼角变化来提升无人机在大迎角栖息机动时的操作性能。布里斯托尔大学航空航天工程系Greatwood 等［85］提出了一种可变后掠翼无人机，结构如图65 所示［85］，飞行试验表明可变后掠翼设计能使无人机在栖息时的俯仰机动达到30°的前扫掠，栖息的最后时刻空速可降至3 m/s 以下，远低于9 m/s 的失速速度。南京航空航天大学自动化学院袁亮［86］研制了一种可改变主翼位置的变体无人机，并对其栖息机动进行建模和轨迹优化，结果表明变体部件能够显著提高姿态操纵效率进而改善栖息机动性能，结构如图66 所示［86］。

图63 美国空军研究试验室变体机翼［83］

Fig.63 Variable wing of America Air Force Research Laboratory ［83］

图64 哈佛大学变体机构［84］

Fig.64 Variable mechanism of Harvard University［84］

图65 布里斯托尔大学航空航天工程系变体无人机［85］

Fig.65 Morphing UAV of Department of Aerospace Engineering，University of Bristol［85］

图66 南京航空航天大学自动化学院变体无人机［86］

Fig.66 Morphing UAV of College of Automation Engineering，Nanjing University of Aeronautics &Astronautics［86］

康奈尔大学Garcia 等［87-88］讨论了变体无人机空气动力学的综合模型，特别考虑了非线性影响，为高度非线性无人机控制奠定了基础，结果表明利用失速后飞行的能力和无人机重新配置，在没有高推力的情况下垂直栖息着陆是可能的。南京航空航天大学自动化学院何真等［89］对变体无人机栖息机动纵向的运动进行了建模、仿真和分析，建立了变体无人机栖息机动的纵向多体动力学模型，通过理论计算和分析验证了变体结构能提高无人机栖息机动性能。同时何真等［90］采用轨迹线性化和张量积变换方法转换得到T-S模糊模型，对非变体和变体下的栖落机动控制过程进行了仿真，结果表明带有变体结构的无人机能提高栖落机动中升降舵抗饱和能力，具有更强的操纵性能。

 4 微型无人机栖息方法 

4.1多旋翼无人机

4.1.1栖息位置选择

新加坡国立大学机械工程系Wang 等［91］提出一种用于多旋翼无人机离线栖息位置选择的方法，来选择感兴趣的栖息地，选择方法分为预选和精选，并在选择过程中同时考虑几何和任务约束，包括相机范围、屋顶面积、坡度和视线等，最终生成一组排名靠前的栖息位置。