无人机系统 (UAS) 为新时代的专业任务带来了巨大希望,包括个人空中运输、货运飞行操作、航空勘测、检查、消防等。预期市场增长巨大。要释放其可扩展性和现有优势,需要人类同时监督多个航班,专注于多飞行器任务管理,并将其在控制飞机飞行路径方面的主动作用移交给自主系统。实现这些可扩展性优势的关键是以最低限度的限制访问国家空域系统 (NAS),这对自动驾驶 UAS 飞机操作提出了一些独特的挑战。其中包括需要与现有空域结构和操作兼容,包括目视飞行规则 (VFR) 和仪表飞行规则 (IFR),这两者都不是为了满足 UAS 的独特需求和能力而开发的。
摘要 为保证飞机的正常稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此,飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后,可以通过飞行操作的不同阶段预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process)模型,并利用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
摘要 为保证飞机的正常稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此,飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后,可以通过飞行操作的不同阶段预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process)模型,并利用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
无人机在低空空域的运行正在迅速发展,并越来越多地用于各种应用,例如农业活动、交通监控、关键基础设施监视和检查、紧急情况和火灾的快速响应以及交付等。此外,商业和业务平台(例如,交付系统)也在不断发展,这可能会大大增加无人机运行的规模以及对低空运行和空域使用的需求。虽然在目前的交通密度下限制无人机的空域访问和将不同类型的空域用户隔离以进行低空飞行操作是可行的,并且可以确保飞机的安全运行,但这些安排无法应对在低空空域运行的无人机数量不断增加的情况,这可能会与载人航空发生冲突,最终目标应该是,正如国际民航组织全球无人机系统交通管理(UTM)框架中所述,考虑到安全和效率目标,实现所有空域用户的整合和公平访问。
摘要 为保证飞机的正常稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此,飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后,可以通过飞行操作的不同阶段预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process)模型,并利用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
无人驾驶飞机系统 (UAS) 为新时代的专业任务带来了巨大希望,包括个人空中交通、货运飞行操作、航空勘测、检查、消防等。预期的市场增长是巨大的。要释放其可扩展性和现有优势,需要一个人同时监督多个航班,专注于多飞行器任务管理,并将其在控制飞机飞行路径方面的主动作用移交给自主系统。实现这些可扩展性优势的关键是最低限度地访问国家空域系统 (NAS),这对自动驾驶 UAS 飞机操作提出了一些独特的挑战。这些包括与现有空域结构和操作兼容的要求,包括目视飞行规则 (VFR) 和仪表飞行规则 (IFR),这两者都不是为满足 UAS 的独特需求和能力而开发的。
摘要 为保证飞机的正常稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此,飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后,可以通过飞行操作的不同阶段预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process)模型,并利用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
背景 APL-UW 在海洋工程方面拥有非常广泛的背景,以支持科学、技术开发和新系统概念。该背景包括用于水面作业、浅水作业、海底作业和深海勘探的固定和移动海洋系统的机械、电气、软件、部署和恢复。此外,APL-UW 在水下航行器的系统集成方面拥有丰富的经验,从设计到建造、部署、恢复、测试和分析。这些包括遥控航行器,也包括自动驾驶航行器。此类航行器的例子包括第一批自主无人航行器之一——自推进水下研究航行器 (SPURV)。这种航行器在大多数飞行操作中使用机载自动驾驶控制器,并具有更高级别的指挥和控制功能,该功能集成了传感器、处理器和声学通信。这种航行器通常执行的任务包括对水柱、表面和底部特征进行海洋学调查。
航空事故调查处 飞机通用零件 航空安全报告 空中交通管制 空中交通服务标准部 英国飞机公司 英国民航适航要求 摄氏度 民航局 空中交通管制学院 首席部门管制员 驾驶舱语音记录器 测距设备 直接视觉 飞行高度层 飞行操作监察局 高频小时数 指示空速 图解零件目录 千克 节 伦敦空中交通管制中心 磅力 英寸 无类型等级执照 度数 磁性 空中交通服务手册 维护控制计划 兆赫 国家空中交通服务 磅/平方英寸 质量监测缺陷报告 质量监测程序 修正平均海平面气压 快速参考手册 皇家空军 皇家航空航天机构 工程师总库存管理 通用飞行数据记录器 统一粗调 统一精调 协调世界时 甚高频 VHF 全向无线电范围
摘要 为保证飞机正常、稳定飞行,飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态,其得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。鉴于此,飞机座舱自动化辅助系统已成为当今的研究热点。本文基于自动化辅助系统启动后,通过飞行操作的不同阶段,可以预测飞行员未来的操作行为,从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为及飞行过程任务要求的分析与建模,建立了MDP(Markov Decision Process,马尔可夫决策过程)模型,并采用价值迭代算法寻找最优预测序列,最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和驾驶舱自适应自动化辅助系统的侵入性提供了新的解决方案。