大涡模拟 (LES) 已用于研究飞机编队后方 10 分钟内的远场四涡尾流涡旋演变情况。在编队飞行场景中,尾流涡旋行为比传统的单架飞机情况复杂、混乱且多样,并且非常敏感地取决于编队几何形状,即两架飞机的横向和垂直偏移。尽管在各种编队飞行场景中尾流涡旋行为的个案变化很大,但涡旋消散后的最终羽流尺寸通常与单架飞机场景有很大不同。羽流深约 170 至 250 米,宽约 400 至 680 米,而一架 A350/B777 飞机将产生 480 米深和 330 米宽的羽流。因此,编队飞行羽流没有那么深,但它们更宽,因为涡流不仅垂直传播,而且沿翼展方向传播。两种不同的 LES 模型已被独立使用,并显示出一致的结果,表明研究结果的稳健性。值得注意的是,二氧化碳排放只是航空气候影响的一个因素,还有其他几个因素,如凝结尾迹、水蒸气和氮氧化物的排放,这些都会受到编队飞行的影响。因此,我们还强调了年轻编队飞行凝结尾迹与经典凝结尾迹在冰微物理和几何特性方面的差异
近年来,多电动飞机 (MEA) 概念经历了重大发展和改进,力求在一系列飞行场景下降低噪音和二氧化碳排放、提高电力传输效率和提高可靠性。多电动发动机 (MEE) 越来越多地被视为 MEA 的关键补充系统。通过这一概念,传统的发动机辅助系统(即燃油泵、油泵、执行器)将被电动等效系统取代,为飞机和发动机电力系统优化和管理提供更大的空间。这一概念与从多个发动机转子中提取电力相结合,还可能显著节省燃油。迄今为止,发动机和飞机已使用单通道或双通道发电和配电系统。然而,随着飞行关键发动机辅助设备的电气化程度不断提高以及对更大负载传输灵活性的要求,应考虑采用三通道架构。
增强认知是一种人机交互形式,其中利用对用户认知状态的生理感知在需要时精确调用系统自动化。本研究监测飞行员的飞行生理状态,以确定 EEG 指标的最佳组合,以预测工作量的变化或增强认知的机会。参与者是 10 名拥有 FAA 商业飞行员证书和当前医疗证书的大学航空学生。每位参与者都执行了统一的飞行场景,其中包括工作量需求不同的程序。所有操作都是在飞行中同时获取 EEG 数据的同时进行的。EEG 数据分为高工作量和低工作量时期。计算功率谱密度值并对其进行多种机器学习方法来区分高工作量和低工作量时期。结果表明,在区分低工作量和高工作量方面具有出色的分类准确性。目前的结果进一步证明了增强认知的潜力。
摘要。随着人工智能 (AI) 和基于学习的系统的最新进展,各行各业已开始将 AI 组件集成到其产品和工作流程中。在可以频繁测试和开发的领域,这些系统已被证明非常有用,例如在汽车行业,车辆现在配备了先进的驾驶辅助系统 (ADAS),能够自动驾驶、路线规划以及与车道和其他车辆保持安全距离。然而,随着任务的安全关键方面增加,开发和测试基于 AI 的解决方案变得更加困难和昂贵。航空业就是这种情况,因此,开发必须在更长的时间内逐步进行。本文重点介绍在人类飞行员和潜在辅助系统之间创建界面,以帮助飞行员在复杂的飞行场景中导航。口头交流和增强现实 (AR) 被选为交流方式,口头交流以绿野仙踪 (WoOz) 的方式进行。该界面在飞行模拟器中进行了测试,并通过 NASA-TLX 和 SART 问卷就工作量和态势感知评估了其实用性。
目前,有翼 eVTOL 无人机的控制方法主要将飞行器视为固定翼飞机,并在起飞和降落时增加垂直推力。这些方法提供了良好的远程飞行控制,但未能考虑飞行器跟踪复杂轨迹的完整动态。我们提出了一种轨迹跟踪控制器,用于有翼 eVTOL 无人机在悬停、固定翼和部分过渡飞行场景中的完整动态。我们表明,在低速到中速飞行中,可以使用各种俯仰角实现轨迹跟踪。在这些条件下,飞行器的俯仰是一个自由变量,我们使用它来最小化飞行器所需的推力,从而降低能耗。我们使用几何姿态控制器和空速相关控制分配方案,在各种空速、飞行路径角和攻角下操作飞行器。我们假设采用标准空气动力学模型,为所提出的控制方案的稳定性提供理论保证,并展示模拟结果,结果显示平均跟踪误差为 20 厘米,平均计算率为 800 Hz,与使用多旋翼控制器进行低速飞行相比,跟踪误差减少了 85%。
摘要。随着人工智能 (AI) 和基于学习的系统的最新进展,各行各业已开始将 AI 组件集成到其产品和工作流程中。在可以频繁测试和开发的领域,这些系统已被证明非常有用,例如在汽车行业,车辆现在配备了先进的驾驶辅助系统 (ADAS),能够自动驾驶、路线规划以及与车道和其他车辆保持安全距离。然而,随着任务的安全关键方面增加,开发和测试基于 AI 的解决方案变得更加困难和昂贵。航空业就是这种情况,因此,开发必须在更长的时间内逐步进行。本文重点介绍在人类飞行员和潜在辅助系统之间创建界面,以帮助飞行员在复杂的飞行场景中导航。口头交流和增强现实 (AR) 被选为交流方式,口头交流以绿野仙踪 (WoOz) 的方式进行。该界面在飞行模拟器中进行了测试,并通过 NASA-TLX 和 SART 问卷就工作量和态势感知评估了其实用性。
摘要。本文提出了一种新方法,以增强保形映射在地形跟随 (TF) 和地形规避 (TA) 飞行中最佳轨迹规划过程中的应用。新方法使用保形映射概念作为修饰工具,将由于存在障碍物而导致飞行高度受限的受限轨迹规划问题转换为没有障碍物和最小高度约束的再生问题。在这方面,利用 Schwarz-Christoel 定理将高度约束纳入飞机动态运动方程。然后通过数值方法(即直接 Legendre-Gauss-Radau 伪谱算法)求解再生的最优控制问题。优化了飞行时间、地形遮蔽和气动控制力的综合性能指标。此外,为了获得真实的轨迹,在求解算法中将飞机的最大爬升率和下降率作为不等式约束。二维飞行场景的几个案例研究表明该方法在 TF/TA 轨迹规划中的适用性。大量模拟证实了所提方法的有效性,并验证了解决方案的可行性,满足了问题的所有约束。
摘要 — 飞机检查的可靠性对飞行安全至关重要。飞机结构的持续适航性很大程度上取决于经过培训的检查人员对小缺陷的目视检测,这些检查任务昂贵、关键且耗时。为此,无人机 (UAV) 可用于自主检查,只要能够在绕目标飞行时定位目标并纠正位置即可。这项工作提出了一种解决方案,用于在近距离自主绕机身飞行以进行目视检查任务时检测飞机相对于无人机位置的姿态。该系统的工作原理是处理来自机载 RGB 相机的图像,将传入的帧与已知机身表面位置的自然地标数据库进行比较。该解决方案已在真实的无人机飞行场景中进行了测试,显示出其在高精度定位姿态方面的有效性。所提出方法的优势具有工业意义,因为我们消除了现有技术解决方案中存在的许多限制。索引词——视觉检查,自我定位,3D姿态,地标检测
摘要 — 事故分析表明,飞行员可能无法处理诸如警报之类的听觉刺激,这种现象称为注意力不集中性失聪。这项研究的动机是开发一种被动脑机接口,可以预测在真实飞行条件下这种关键现象的发生。十名配备干脑电图系统的志愿者必须飞行一个具有挑战性的飞行场景,同时通过按下按钮来响应听觉警报。行为结果显示,飞行员错过了 36% 的听觉警报。ERP 分析证实,由于潜在的注意力瓶颈机制,这种现象会影响早期(N100)和晚期(P300)阶段的听觉处理。使用稀疏表示分类 (SRC)、稀疏和密集表示 (SDR) 以及更传统的方法(例如线性判别分析 (LDA)、收缩 LDA 和最近邻 (1-NN)),对警报开始前三秒提取的频率特征进行受试者间分类。在最佳情况下,SRC 和 SDR 分别给出了 66.9% 和 65.4% 的正确平均分类率来预测注意力不集中性耳聋的发生,优于 LDA (60.6%)、sLDA (60%) 和 1- NN (59.6%)。这些结果为神经自适应自动化的实施开辟了光明的前景,最终目标是增强警报刺激传递,以便人们感知和采取行动。
摘要 — 事故分析表明,飞行员可能无法处理诸如警报之类的听觉刺激,这种现象称为注意力缺失性失聪。这项研究的目的是开发一种被动脑机接口,可以预测在真实飞行条件下这种关键现象的发生。十名配备干脑电图系统的志愿者必须飞行一个具有挑战性的飞行场景,同时通过按下按钮来响应听觉警报。行为结果显示,飞行员错过了 36% 的听觉警报。ERP 分析证实,由于潜在的注意力瓶颈机制,这种现象会影响早期(N100)和晚期(P300)阶段的听觉处理。使用稀疏表示分类 (SRC)、稀疏和密集表示 (SDR) 以及更传统的方法(例如线性判别分析 (LDA)、收缩 LDA 和最近邻 (1-NN))对警报响起前三秒提取的频率特征进行受试者间分类。在最佳情况下,SRC 和 SDR 分别给出了 66.9% 和 65.4% 的正确平均分类率来预测注意力不集中性耳聋的发生,优于 LDA (60.6%)、sLDA (60%) 和 1-NN (59.6%)。这些结果为神经自适应自动化的实施开辟了光明的前景,最终目标是增强警报刺激传递,使其被感知和采取行动。