XiaoMi-AI文件搜索系统
World File Search System飞行数据
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。
飞行数据记录器读出技术和监管...
范围 无论是在法国还是其他地方，飞行数据记录器 (FDR) 的读取通常都会暴露出各种问题，例如飞机运营商的文件不完整、过时或不合适，或者根本没有相关文件。有时这会大大延迟读取工作的验证。但是，在事故或事件发生后迅速获得完整准确的数据通常对于技术调查至关重要，从更广泛的意义上讲，对于航空运输安全也至关重要。从 FDR 中提取的数据有助于确定原因并制定适当的预防措施。没有与 FDR 法规相关的单一指导文件。一些国际和法国文本涉及这些方面，尽管并不总是以连贯的方式。为了全面了解遇到的问题，BEA 在对已知问题的分析和与法国飞机运营商的磋商的基础上进行了这项研究。其目标是提高各参与者对 FDR 对于预防事故的重要性的认识并提出改进建议。
CAP 739 飞行数据监控 - 民航局
本文件的最新版本以电子格式提供于 www.caa.co.uk/publications，您也可以在该网站上注册以通过电子邮件接收修订通知。由 TSO（文具办公室）代表英国民航局发布。
触发传输飞行数据工作组报告
在此背景下，国际民航组织飞行记录器专家组 (FLIRECP) 受命向国际民航组织空中航行委员会提出对附件 6 的修订。2010 年 6 月讨论了修订内容，其中规定，最大审定起飞重量超过 27 000 公斤的飞机： 首次颁发型号合格证是在 2018 年 1 月 1 日或之后，应安装一种自动传输足够信息以确定 4 海里以内水上事故位置的装置。 首次颁发个人适航证是在 2020 年 1 月 1 日或之后，应安装一种自动传输足够信息以确定 4 海里以内水上事故位置的装置。注：集成在可展开记录器中的 ELT 或数据传输可能是合规手段的例子。水下传输不被视为可接受的合规手段。
基于飞行数据监测的前兆项目：第 1 部分
民航局确定的、业界广泛认可的七大重要安全问题涵盖了航空事故中可能造成灾难性后果的主要事件类别：空中冲突、空中和坠机后起火、可控飞行撞地 (CFIT)、失控、地面处理、跑道偏离和跑道入侵/地面碰撞。具体而言，FDM 非常适合监测与空中冲突、可控飞行撞地 (CFIT)、失控和跑道偏离相关的问题。这项工作侧重于跑道偏离的一个要素，业界将其确定为 2010 年安全会议的优先问题之一。我们计划在未来通过进一步的工作研究其他七个重要安全问题。
基于飞行数据监测的前兆项目：第 1 部分
民航局确定的、业界广泛认可的七大重要安全问题涵盖了航空事故中可能造成灾难性后果的主要事件类别：空中冲突、空中和坠机后起火、可控飞行撞地 (CFIT)、失控、地面处理、跑道偏离和跑道入侵/地面碰撞。具体而言，FDM 非常适合监测与空中冲突、可控飞行撞地 (CFIT)、失控和跑道偏离相关的问题。这项工作侧重于跑道偏离的一个要素，业界将其确定为 2010 年安全会议的优先问题之一。我们计划在未来通过进一步的工作研究其他七个重要安全问题。
基于飞行数据监测的前兆项目：第 1 部分
民航局确定的、业界广泛认可的七大重要安全问题涵盖了航空事故中可能造成灾难性后果的主要事件类别：空中冲突、空中和坠机后起火、可控飞行撞地 (CFIT)、失控、地面处理、跑道偏离和跑道入侵/地面碰撞。具体而言，FDM 非常适合监测与空中冲突、可控飞行撞地 (CFIT)、失控和跑道偏离相关的问题。这项工作侧重于跑道偏离的一个要素，业界将其确定为 2010 年安全会议的优先问题之一。我们计划在未来通过进一步的工作研究其他七个重要安全问题。
将飞行数据与社交媒体数据融合 - NATO STO
军事决策通常基于信息系统，其中人类参与其中，必须解释来自多个来源的数据。当数据源产生大量数据时，这个过程对人类来说可能非常难以承受。我们研究大数据分析和信息融合技术在多大程度上可用于支持人类处理大量异构数据，并作为 OODA 循环的观察和定位步骤的一部分提高对正在展开的事件的理解。我们的工作重点是融合来自两个非常不同的数据源的数据：来自社交媒体平台 Twitter 的用户生成内容和来自 OpenSky 传感器网络的空中交通管制数据。我们的目标是查找并提供与航空领域相关的事件的详细信息，这些信息同时出现在两个数据源中。挑战在于融合来自飞机通信的准确和明确的数据与 Twitter 中使用的非常广泛和不精确的自然语言。为了弥合这些来源之间的语义鸿沟，我们开发了一种先进的信息融合模型，该模型允许我们使用每个来源作为事件的触发器，同时使用来自另一个来源的信息丰富数据。使用我们几个月来收集的真实数据，我们展示了多个证据表明两个来源相互丰富。这是以自动化方式完成的，但通常会导致更松散和不准确的关系，需要人类进行适当的解释和理解。尽管如此，这种组合增强了理解，因此非常有助于作为决策者评估事件进展并采取相应行动的基础。
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
报告 IN-002/2012 159 位置飞行数据...
右发动机启动后，机长示意协调员断开 GPU。然后，他启动了左发动机的启动程序，该发动机没有螺旋桨制动器。一旦该发动机稳定下来，他们就松开了右发动机上的螺旋桨制动器。然后机长示意协调员移除轮挡。她又将这个命令传达给操作员，操作员移除轮挡，将它们放在拖车上。当他进入卡车移动 GPU 时，他听到了尖叫声，并注意到飞机正在向前移动，其右螺旋桨即将撞击 GPU，因此他迅速离开。