XiaoMi-AI文件搜索系统
World File Search System飞机数据
维持技术项目经理 - ACMAR。......
职位描述：向保障总监汇报的保障技术 PM 将负责：• 美国陆军自主配置管理和航空记录 (ACMAR) 计划的详细规划和执行，包括人员配备、技术开发、财务绩效、分包商（行业/学术界）管理和客户关系管理。• 先进技术开发计划的项目管理，该计划结合了硬件和软件元素，旨在支持美国陆军未来平台并与传统飞机兼容。• 硬件技术包括开发、改造和集成尖端传感器技术，以自主记录、跟踪和报告选定飞机部件的信息，从而提高战备状态并降低生命周期成本。• 利用当前的机载传感器、航空电子设备、发动机控制单元 (ECU)、健康和使用情况监测系统 (HUMS) 和其他先进的机载飞机系统，捕获可用的飞机数据进行处理和分析。• 软件技术包括开发代表性客户数据管理环境、开发组件剩余使用寿命 (RUL) 计算、操作员和维护人员用户界面应用程序，以及作为维持生态系统的一部分与其他 AVX 开发的程序集成。
公务航空飞行数据监控参与...
尽管已经做出了巨大努力来降低风险，但风险仍然存在于日常运营中，特别是在运营商与复杂系统交互时。然而，传统的风险识别策略是在问题发生后解决问题，这种策略是有限的。需要不断跟踪组织日常运营中当前关注的风险，以确保这个快速增长行业的安全。由于飞行数据监控 (FDM) 提供了日常飞行性能的全面可靠信息，因此它为当今公务航空运营商面临的许多问题和挑战提供了解决方案。快速访问记录器 (QAR) 技术长期以来被认为是全球航空公司的最佳实践，现在使 FDM 在小型飞机上变得实用。好处包括：安全 - 识别和拦截事故前兆。操作 - 生成汇总数据以支持轶事飞行操作反馈并改变操作环境或程序。维护 - 通过将汇总和单个飞机数据应用于发动机和机身维护成本。航空公司类别的 FDM 计划从最初的实验发展到今天的成熟计划，历时 45 年。商务航空有机会通过系统性和实验性的举措（例如 CASE FDM 项目）实现其自身的 FDM 成熟度发展。因此，我们希望您能加入我们，成为参与运营商。
云特征与雷达关系...
基于在中国东北吉林省伊通进行的飞机和云雷达联合观测，研究了云的特性。飞机提供云滴尺寸分布的现场测量，而毫米波长云雷达垂直扫描飞机穿透的同一片云。将飞机测量计算出的反射率因子与同时的雷达观测进行了详细比较。结果表明，在暖云中，两种反射率相当，但在冰云中差异较大，这可能与液态水的出现有关。在水云中获得的反射率之间具有可接受的一致性，证实了使用飞机数据推导云特性是可行的，因此云雷达可以远程感知云特性。基于暖云中收集的数据集，通过分析云粒子和毛毛雨滴的反射率概率分布函数，研究了诊断毛毛雨和云粒子的反射率阈值。反射率因子 (Z) 与云液态水含量 (LWC) 之间的关系也是从云粒子和毛毛雨的数据中得出的。与云滴相比，毛毛雨的关系被许多散射点所模糊，因此不太明显。但是，可以通过滤除反射率比大、消光系数大但有效半径小的滴尺寸分布来部分去除这些散射。然后可以得出云粒子和毛毛雨的 Z –LWC 经验关系。
数字差异 - flydocs
Adrian Ryan 最初于 2009 年创立了 FLYdocs，但在软件诞生之前，他们花了几年时间探索多个市场并推动技术进步。当时，这个小团队萌生了一个改变飞机交易方式的想法。头两年用于开发 FLYdocs 的核心功能。Ryan 致力于构建一种高度先进、基于云、面向数字交易的记录、数据和飞机交易产品，该产品拥有所有支持后台基础设施来帮助人们实现这一目标。FLYdocs 的首次销售活动始于 2011 年的口口相传，但正式的商业销售活动始于 2013 年初。从那时起，该公司迅速发展成为其市场上最大、最先进的参与者。如今，FLYdocs 是一家具有开创性、颠覆性、不断扩张的国际软件企业，为航空业的创新和技术进步提供动力。凭借世界上最先进的飞机数据和记录管理平台为核心，全球团队帮助航空公司、出租人、原始设备制造商和维护、维修和维修组织 (MRO) 避免处罚并保护资产价值，同时为全球所有用户的适航性提供大力支持。
数字差异 - flydocs
Adrian Ryan 最初于 2009 年创立了 FLYdocs，但在软件诞生之前，他们花了几年时间探索多个市场并推动技术进步。当时，这个小团队萌生了一个改变飞机交易方式的想法。头两年用于开发 FLYdocs 的核心功能。Ryan 致力于构建一种高度先进、基于云、面向数字交易的记录、数据和飞机交易产品，该产品拥有所有支持后台基础设施来帮助人们实现这一目标。FLYdocs 的首次销售活动于 2011 年通过口口相传开始，但正式的商业销售活动始于 2013 年初。从那时起，该公司迅速发展成为其市场上最大、最先进的参与者。如今，FLYdocs 是一家具有开创性、颠覆性、不断扩张的国际软件企业，为航空业的创新和技术进步提供动力。凭借世界上最先进的飞机数据和记录管理平台为核心，全球团队帮助航空公司、出租人、原始设备制造商和维护、维修和维修组织 (MRO) 避免处罚并保护资产价值，同时为全球所有用户的适航性提供大力支持。
飞行数据监控 (FDM) 未知危险检测...
摘要 — 航空公司安全部门分析机上记录的飞机数据 (FDM) 以检查安全事件。此活动依靠人类专家创建一个基于规则的系统，该系统根据一小组参数是否超过一些预定义的阈值来检测已知的安全问题。但是，罕见事件最难手动检测，因为模式通常无法一目了然。专家一致认为，进近和起飞程序都更容易发生安全事故。在本文中，我们进行了描述性和预测性分析，以检测 LEBL 机场 25R 跑道进近阶段的异常情况。从描述的角度来看，聚类技术有助于在数据中发现模式和相关性，并识别类似观察的聚类。此外，这些聚类可能会将某些点揭示为与其他观察值隔离的罕见事件。可以使用预测分析以及更简洁的深度学习 ANN 和自动编码器来检测这种异常事件。该方法依赖于学习“正常”观察的样子，因为它们通常是大多数情况。之后，如果我们处理异常飞行，由于与训练数据的偏差，模型将返回较高的重建误差。这表明预测方法可以作为安全专家和 FDM 分析师极其有用的取证工具。关键词 — 异常检测、危险识别、安全、聚类、深度学习、LSTM、自动编码器、HDBSCAN
COTS 动态飞行数据方法...
关键词：FTI、OLM、FDR、FDAU、HUMS、ODR、固态存储器、结构和频谱分析 简介 传统上，飞机数据监控系统 (HUMS、FDAU、ODR 等) 都是根据当时认为需要的具体测量和分析工具为每种飞机类型量身定制的。在大多数情况下，规格要么是基本点（让潜在供应商对实际需要做出有计划的猜测），要么过于具体，以至于系统设计几乎没有灵活性。最终结果通常以“黑匣子”系统结束，该系统可能只会在具有定制硬件和软件的特定飞机类型上使用。硬件和软件的鉴定成本高昂，灵活性低，维护成本高，这通常导致投资回报率低。系统调试和鉴定（包括 CAA 和 FAA 批准）所花费的时间意味着许多系统在投入使用之前就已经过时了。COTS 方法越来越多的 HUMS 和其他 DAU 用户正在寻求商用现货 (COTS) 解决方案，以便利用新的采集、处理和数据存储技术、现有的传感器/总线接口和数据分发标准以及大量免费提供的高质量数学、统计和结构分析软件在航空航天/工业/商业市场上。与定制系统设计相比，使用 COTS 系统具有一些显着的优势 –
飞行数据监控 (FDM) 未知危险检测...
摘要 — 航空公司安全部门分析机上记录的飞机数据 (FDM) 以检查安全事件。此活动依靠人类专家创建一个基于规则的系统，该系统根据一小组参数是否超过一些预定义的阈值来检测已知的安全问题。但是，罕见事件最难手动检测，因为模式通常无法一目了然。专家一致认为，进近和起飞程序都更容易发生安全事故。在本文中，我们进行了描述性和预测性分析，以检测 LEBL 机场 25R 跑道进近阶段的异常情况。从描述的角度来看，聚类技术有助于在数据中发现模式和相关性，并识别类似观察的聚类。此外，这些聚类可能会将某些点揭示为与其他观察值隔离的罕见事件。可以使用预测分析以及更简洁的深度学习 ANN 和自动编码器来检测这种异常事件。该方法依赖于学习“正常”观察的样子，因为它们通常是大多数情况。之后，如果我们处理异常飞行，由于与训练数据的偏差，模型将返回较高的重建误差。这表明预测方法可以作为安全专家和 FDM 分析师极其有用的取证工具。关键词 — 异常检测、危险识别、安全、聚类、深度学习、LSTM、自动编码器、HDBSCAN
课程描述
课程概述这个32小时的高级课程将使您拥有从无人飞机系统（UAS）（也称为无人机）中识别和提取可回收的各种数据来源所需的实用技能和能力，其中包括与批准的最佳实践一致的相关控制设备。使用Spyder Forensics的领先研究和开发，本课程将向您介绍无人机的世界，并指导您如何在进行法敏提取和对UAS数据进行分析的最佳实践中，并分析用作证据或情报收集。与会者将学习如何使用行业标准工具来创建包括飞行日志，飞机数据，照片和视频文件在内的不破坏性工具从飞机内收集数据，而无需拆卸飞机或控制器。学生将学习在获取移动设备上的应用程序数据时学习过程。获得数据后，与会者将使用最初旨在与这些类型的结构一起使用的软件来掌握如何分析飞行日志和用户数据，从而获得有关工作流程的知识，以连接无人机应用程序之间的数据和从飞机中恢复的飞行数据之间的数据。本课程使用非破坏性过程来提取和分析UAS中所有硬件的数据，包括手持设备，移动应用程序和无人机。可以免费使用dfir实验室中使用的大部分软件，而无需购买其他应用程序来进行简单的无人机检查。主要学习目标
JSBSim 参考手册
该软件是多年来许多人努力的成果。Tony Peden 几乎从第一天起就为 JSBSim 的发展做出了贡献。他负责初始化和修剪代码。Tony 还将 David Megginson 的属性系统整合到 JSBSim 中。Tony 来自俄亥俄州立大学，拥有航空和航天工程学位。David Culp 为 JSBSim 开发了涡轮机模型，并制作了几个使用它的飞机模型，包括 T-38。David 有驾驶多种军用和商用飞机的经验，包括 T-38、波音 707、727、737、757、767、SGS 2-32 和 OV-10。David 是一名航空工程师，毕业于美国空军学院。David Megginson 长期参与 FlightGear 的核心开发人员工作。David 将我们的飞行动力学与他的通用航空飞行经验相关联，以帮助实现最大程度的真实感。David 设计了 FlightGear 和 JSBSim 使用的属性系统。他以对 XML 技术的贡献而闻名，并编写了 FlightGear 和 JSBSim 使用的 easyXML 解析器。Erik Hofman 做过各种工作，包括搜索飞机数据、创建飞行模型（F-16）和执行一些编程。他还测试了 IRIX 兼容性。Erik 拥有计算机科学学位。Mathias Frölich 添加了多功能的每起落架地面高度功能以及许多其他功能。Mathias 是一位来自德国的数学家。Agostino De Marco 为 JSBSim 创建了功能广泛的成本/惩罚调整分析功能，并单独使用 JSBSim 以及与那不勒斯大学的 FlightGear 一起使用。来自英国的 David Luff 提供了原始活塞发动机模型。Ron Jensen 一直在不断完善它。拥有多年模拟经验的工程师 Lee Duke 和 Bill Galbraith 提出了改进 JSBSim 的建议和想法。美国宇航局兰利研究中心的 Bruce Jackson 多年来一直参与各种模拟的开发和使用，他一直给予支持和帮助，他多年前用 C 语言编写的模拟代码（“LaRCSim”）对 JSBSim 的早期开发具有指导意义。协调 FlightGear 及其部分组成部分（SimGear）开发的 Curt Olson 多年来在无数次模拟、控制理论和许多其他主题的讨论中提供了很大帮助。与 FlightGear 社区的合作使 JSBSim 成为了更好的工具。最后，用户和开发者社区的努力使 JSBSim 达到了今天的水平。感谢所有花时间报告错误或要求功能的人。