XiaoMi-AI文件搜索系统
World File Search SystemPilots
管理下降剖面 - TheAirlinePilots.com
低于剖面多少取决于飞机类型和质量，因为每架飞机都有自己的空气动力学减速特性（以及阻力装置）和动量。例如，一架又大又重（340 吨）的 B777 必须低于剖面约 3000 到 4000 英尺才能减速，而较小的 ATR 即使只低于剖面 500 英尺也很容易控制。因此，根据飞机类型和飞行员的技能，该值可以是 500 到 1000 或 2000 或 3000 等。您将在特定飞机的航线训练期间发现这一点。然后，您可以根据经验修改此值以适合您自己。为了本文的目的，我们将取 1000 英尺的值并将其称为“减速值”。
A320 – 技术说明 - TheAirlinePilots.com
在组件示意图中，系统中有一个防冰阀。它与发动机或机翼防冰无关。如果组件出口温度低于 0 摄氏度，则管道等处可能会结冰。为确保温度高于 0，安装了一个防冰阀，该阀可在组件涡轮下游引入热排气。
Silo AI 利用 iTwin 平台为芬兰的水和区域供热系统运营商试行智能、数据驱动的资产优化服务
Silo AI 在芬兰为水和区域供热系统运营商试行智能数据驱动资产优化服务 利用 iTwin 平台将网络可视化工作量减少了 50%，从而改善了资产维护计划和能源效率 • Silo AI 为城市管道运营商开发并试行了一种智能数据驱动资产优化解决方案。 • 这项服务称为 Silo Flow，可以预测管道泄漏并确定区域供热系统的潜在冷却优势。 • 利用 iTwin 平台促进数据集成并提供整个管道网络的整体可视化。 • Silo Flow 将使客户网络的能源效率、性能和生产力提高几个百分点。 利用人工智能优化城市管道基础设施系统 作为北欧最大的私人人工智能 (AI) 实验室，Silo AI 开发可定制的、由 AI 驱动的解决方案和产品，实现城市基础设施、能源和物流的智能监控和预测。为了提高芬兰供水和区域供热网络的性能、可靠性和能源效率，Silo AI 发起了一个项目，为城市管道运营商开发一种智能、数据驱动的资产优化服务。Silo AI 业务开发主管 Harri Kaukovalta 表示：“很大一部分供水和区域供热网络即将到期，漏水不仅给网络运营商和社会带来了高昂的成本，也给管道网络客户带来了不适。”网络性能低下和泄漏增加了燃料消耗和水浪费，这不仅对商业不利，而且对环境也不利。Silo AI 与赫尔辛基环境服务局 HSY 和芬兰最大的电网运营商之一合作试行他们的解决方案，使这些系统运营商能够提供更可持续的能源服务，从而优化区域供热资产的性能并消除管道泄漏。Kaukovalta 说：“供热和供水的可靠性对人们有直接影响。”该系统优化服务名为 Silo Flow，可帮助预测网络故障并优先进行主动资产维护，以避免昂贵的维修和潜在的网络关闭，确保高效可靠的服务，同时最大限度地减少对环境的影响。分散的数据妨碍整体网络概览芬兰维护着超过 16,000 公里的区域供热管道。Kaukovalta 说：“尽管芬兰的区域供热系统维护得很好，但平均每 10 公里网络每年就会发生一次泄漏。”水网也是如此。Silo AI 试图利用人工智能和数据分析来查明容易发生泄漏的区域并优先进行管道维护改造。然而，管道优化和管道运行需要结合多种数据源和数据格式，从这些数据中分析出的数据和结果
通过拨款实现复原力：飞行员对复杂决策支持的看法
智能决策支持工具 (DST) 有望提高人类在航空备降等具有挑战性的情况下的决策质量。为了实现这些改进，DST 设计的一个共同目标是校准决策者对系统的信任。然而，这种观点主要来自受控研究，可能无法完全反映现实世界中备降的复杂性。为了了解 DST 在最了解备降复杂性的人眼中如何有益，我们采访了专业飞行员。为了促进讨论，我们构建了两个低保真原型，每个原型代表 DST 可以承担的不同角色：(a) 根据飞行员指定的标准主动建议和排名机场，以及 (b) 不引人注目地暗示飞行员应该注意的数据点。我们发现，虽然飞行员不会盲目信任 DST，但他们同时拒绝在决策时刻进行深思熟虑的信任校准。我们重新审视拨款，将其作为一个视角来理解这种看似矛盾的矛盾以及实现拨款的一系列手段。除了通常认为的透明度需求外，这些还包括整个决策过程中的可指导性和持续支持。根据我们的设计探索，我们鼓励将 DST 设计的视角扩展到实际决策点的信任校准之外。
针对以英语为母语和非英语为母语的飞行员的航空英语听力和重复任务
国际空域飞行员和管制员必须使用这种交流方式。国际民用航空组织还要求飞行员熟练掌握会话英语，以用于非标准交流。但是，我们过去的研究表明，航空英语和会话英语是不同的英语变体，这表明关于以英语为母语的人的熟练程度和非英语为母语的人的附加学习的假设可能是错误的。为了确定这些语言变体有何不同，我们对非英语母语和以英语为母语的飞行员进行了一项航空英语可理解性研究。结果表明，非英语母语的飞行员在航空英语方面表现出很高的熟练程度，但在会话英语方面却没有同等的熟练程度。非英语母语的航空英语用户承受着必须学习和保持两种语言变体熟练程度的不公平负担。本文讨论了对航空英语学习、培训和测试的影响。
癌症进化：达尔文和超越
预期团队成员行动的能力可以实现共同目标的共同行动。任务知识和心理模拟允许预测其他代理的行动，并推断出其潜在的心理表征。在人类 - AI团队中，为AI代理提供了预期的机制，可以促进合作和成功执行联合行动。本文提出了一个计算认知模型，证明了对操作员的心理模型的心理模拟和对其行为的预期。这项工作提出了两个连续的步骤：（1）应用层次群集算法来识别飞行员之间的行为模式。这些行为群集用于从经验数据（n = 13个飞行员）中得出共同点。（2）ACT -R（对思想的自适应控制 - 理性）认知模型被实施，以在精神上模拟飞行员的行动决策和时机的不同可能结果。ACT-R的模型跟踪允许跟踪操作员的个人操作。使用ACT-R的符号表示来实现两个模型：一个模拟规范行为，另一个模拟通过模拟个体差异和使用下符号学习来实现。通过对两个模型的比较来分析模型性能。结果表明，与规范性
飞机驾驶员的认知工作量评估
在本研究中，我们研究了飞机飞行员在模拟起飞过程中的认知负荷。我们提出了一个概念验证设置环境，用于在模拟器中收集 A320 起飞期间的心率、瞳孔扩张和大脑认知负荷数据。在实验期间，我们收集了 13 名飞行员的 136 次起飞，时间序列数据超过 9 小时。此外，本文研究了此类练习期间心率、瞳孔扩张和认知负荷之间的相关性，发现在关键时刻（例如发动机故障）认知负荷的激增会增加飞行员的心率和瞳孔扩张。结果表明，起飞过程中的关键时刻会增加飞行员的认知负荷。接下来，我们使用 stacked-LSTM 模型来预测未来 5 秒的认知负荷。该模型能够产生准确的预测。
六足机器人模拟器中的倾斜错觉导致航空公司飞行员对人工地平线做出错误反应
目标：我们测试六足模拟器中的某个程序是否会导致航空公司飞行员对倾斜角（即“倾斜”）做出错误的假设以及对姿态指示器 (AI) 做出错误的解释。背景：倾斜对解释错误的影响此前已在非飞行员中得到证实。飞行中，由于误导性的滚转提示（空间定向障碍）可能会出现错误的假设。方法：飞行员（n = 18）进行了 36 次试验，要求他们仅使用 AI 滚转至机翼水平。在显示 AI 之前，他们会收到滚转提示，在大多数试验中，提示与 AI 倾斜角方向相匹配，但在倾斜相反条件下（四次试验），提示方向相反。在基线条件下（四次试验），他们没有收到滚转提示。为了测试飞行员是否对 AI 做出反应，AI 有时会在倾斜水平条件下（四次试验）按照滚转提示显示机翼水平。结果：总体而言，飞行员在倾斜-相反条件下（19.4%）犯的错误明显多于基线条件（6.9%）或倾斜-水平条件（0.0%）。倾斜-相反条件下的学习效果明显，因为 38.9% 的飞行员在第一次接触这种条件时犯了错误。经验（即飞行小时数）没有显著影响。结论：倾斜程序可有效诱导飞行员的 AI 误解和控制输入错误。应用：该程序可用于空间定向障碍演示。结果强调了明确的显示的重要性，它应该能够快速纠正由于空间定向障碍而导致的错误假设。
培训印尼国家警察飞行员以提高……
摘要。目前，警察飞行员的培训没有定期和持续进行，导致飞行员缺乏知识，从而影响能力、专业素养和飞行安全。本研究旨在了解印度尼西亚国家警察飞行员当前培训的状况，了解提高能力、专业素养和航空安全所需的障碍和创新形式。这是一项采用案例研究方法的定性研究。本研究的主要信息提供者是印度尼西亚国家警察指挥官、飞行教练、现役飞行员、学生飞行员、印度尼西亚航空学院院长、巴纽旺宜和印度尼西亚鹰航培训中心负责人。这项研究是在印度尼西亚国家警察局安全维护局海军和空中警察部队专业改进部进行的。数据是通过在线访谈收集的。从关键线人处获得了进一步的信息和验证。我们还使用了观察和文件审查。根据对印尼国家警察八项教育标准的审查，发现印尼国家警察教育实施中仍然存在一些缺陷。这八项标准涉及：毕业生的能力、内容、流程、教育者和教育人员、基础设施、管理、融资和评估。研究人员还确定了实施培训创新的障碍。根据结果，建议专业改进司应在印尼国家警察飞行员的教育和培训方面寻找突破或创新，以提高他们的能力、专业素养和航空安全，特别是满足对最新航空知识的需求，并可随时随地轻松学习。这对应于印尼国家警察局长 Pol 的十六个优先计划。Listyo Sigit Prabowo 将军强调了两点：拥有优秀的印尼国家警察人力资源和现代化的警察技术。