XiaoMi-AI文件搜索系统
World File Search SystemFOQA
AC 120-82 - 飞行运行质量保证
a. FOQA 是一项自愿安全计划，旨在通过允许商业航空公司和飞行员与 FAA 共享去识别的汇总信息来提高商业航空的安全性，以便 FAA 可以监控飞机运营的全国趋势并将其资源用于解决运营风险问题（例如，飞行运营、空中交通管制 (ATC)、机场）。这一新的 FAA/飞行员/承运人合作伙伴关系的基本目标是允许所有三方识别和降低或消除安全风险，以及最大限度地减少偏离法规的情况。为了实现这一目标并获得有价值的安全信息，航空公司、飞行员和 FAA 自愿同意参与该计划，以便所有三个组织都可以实现使航空旅行更安全的共同目标。
尾翼或主翼失速？疑似结冰导致 LOC-I 事件
Mike 是伯明翰大学的副教授兼航空航天项目副主任。作为一名特许工程师和特许人体工程学/人为因素专家，Mike 对复杂的“人在回路”系统有着独特的见解。他是皇家航空学会会员、特许人体工程学和人为因素协会会员和飞行测试工程师协会高级会员，在布鲁内尔大学获得飞行安全博士学位。Mike 拥有行业背景，在 Westland Helicopters 完成了技术员学徒期，现在将时间分配在研究、咨询和教学活动之间。他专攻人为因素、飞行动力学、飞行测试、飞行模拟和建模，研究兴趣包括飞行失控、人类自主团队和 FDM/FOQA。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
使用可扩展的发现异常航空安全事件...
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多变量时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事故。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
严重事故报告 00/2518 - CAA
AFIS 模拟飞行仪表系统（新西兰航空公司用来区分‘传统’和‘玻璃’驾驶舱的通用术语） AFDS 自动驾驶仪飞行指引系统 AGL 地平面以上 A/P 自动驾驶仪 APP 自动飞行系统进近模式 AQD 航空质量数据库 ARINC 航空无线电公司 ASA 自动着陆状态信号器 A/T 自动油门 ATC 空中交通管制 CAANZ 新西兰民航局 Capt 机长 类别 CRM 机组资源管理 CDU 控制显示单元 CFIT 可控飞行撞地 CSB 载波加边带 CVR 驾驶舱语音记录器 DDM 调制深度差 DME 测距设备 EADI 电子姿态指示器 EFI 电子飞行仪表 EFIS 电子飞行仪表系统 EGPWS 增强型近地警告系统 EHSI 电子水平状况指示器 ETA 预计到达时间 ETD 预计离场时间 FA Faleolo VOR FAF 最后进近定位点 FAP 最后进近点FCC 飞行控制计算机 FCTM 飞行机组训练手册 FD 飞行指引器 FDR 飞行数据记录器 FMC 飞行管理计算机 FMCS 飞行管理计算机系统 F/O 副驾驶 FOQA 飞行运行质量保证 GPWS 近地警告系统 GP 下滑道（通常参考地面发射器时使用） G/S 下滑道（通常参考飞机仪表、接收器或机组程序时使用）