XiaoMi-AI文件搜索系统
World File Search SystemUAS
UAS-NAS NASA 870 Ikhana UAS 无追逐 COA (NCC) 航班
1 简介 在 NAS 中飞行 UAS 的愿望和能力日益迫切。无人机 (UA) 在国家安全、国防、科学和应急管理中的应用推动了对 UAS 更宽松的 NAS 访问的迫切需求。UAS 代表着一种新功能，它将为政府 (公共) 和商业 (民用) 航空领域提供各种服务。由于对在 NAS 中安全操作 UAS 的要求缺乏共同的理解，这个潜在行业的增长尚未实现。NASA 的 UAS 在 NAS 中的集成 (UAS-NAS) 项目正在分离保证/感知和避免互操作性、人机系统集成 (HSI) 和通信等领域开展研究，以支持减少 UAS 常规访问 NAS 的障碍。这项研究分为两个研究主题，即 UAS 集成和测试基础设施。 UAS 集成侧重于空域集成程序和性能标准，以实现 UAS 在空中交通系统中的集成，涵盖感知和避免 (SAA) 性能标准、指挥和控制性能标准以及人机系统集成。在 UAS-NAS 综合测试与评估 (IT&E) 团队的帮助下，DAA 和空对空雷达 (ATAR) 系统的第一阶段最低操作性能标准 (MOPS) 于 2017 年 5 月发布。测试基础设施的重点是实现空中
Ikhana：支持长期地球科学任务的 NASA UAS
NASA Ikhana 无人机 (UAV) 是通用原子航空系统公司 (加利福尼亚州圣地亚哥) MQ-9 Predator-B 的改进版，用于支持 NASA 科学任务理事会以及通过合作伙伴关系与其他政府机构和大学开展地球科学任务。它可以在航空电子设备舱和外部吊舱中携带超过 2000 磅的实验有效载荷，并且能够在 40,000 英尺以上的高度执行超过 24 小时的任务。该飞机由移动地面控制站 (GCS) 远程驾驶，该控制站设计为可通过空中、陆地或海上部署。机载支持功能包括仪表系统和机载研究测试系统 (ARTS)。Ikhana 项目将于 2007 年初完成 GCS 开发、科学支持系统集成、外部吊舱集成和飞行许可以及操作人员培训。目前计划于 2007 年夏季进行大面积遥感任务。关键词：Predator-B、地球科学平台、高空长航时 (HALE)、Ikhana、UAS、UAV。
美国国家航空航天局 (NASA) 的 UAS 飞行测试飞行员视角
摘要 20 世纪末，美国国家航空航天局 (NASA) 参与了无人机系统 (UAS) 的研究和开发，以支持独特的科学任务。为了完成这些计划中的任务，NASA 开发了专门定制的飞行测试程序和技术。在过去十年中，通过执行大量 UAS 飞行测试任务，NASA 学到了很多关于如何规划和进行 UAS 地面和空中测试的知识，操作各种 UAS，从大型（第 5 组）：NASA RQ-4“全球鹰”（诺斯罗普·格鲁曼公司）（美国弗吉尼亚州福尔斯彻奇）高空长航时无人机和 NASA MQ-9“Ikhana”（通用原子航空系统公司（GA-ASI）（美国加利福尼亚州波威）无人科学研究飞机系统）到中小型（第 3 组和第 2 组）：NASA X-56 多用途技术试验台（洛克希德·马丁臭鼬工厂）（美国马里兰州贝塞斯达）；NASC RQ-23 TigerShark-XP™（Navmar 应用科学公司（NASC）（美国宾夕法尼亚州沃明斯特）无人机车辆等。对于将UAS纳入美国国家空域系统（NAS）的研究案例，NASA开发了包含有人机和无人机的脚本和非脚本遭遇，以及模拟（虚拟）交通遭遇，甚至通过模拟研究了将自主性融入UAS的发现和规避要求。本文将详细探讨
UAS-NAS NASA 870 Ikhana UAS No Chase COA (NCC) 航班
1 简介 在 NAS 中飞行 UAS 的愿望和能力日益紧迫。无人机 (UA) 在执行国家安全、国防、科学和应急管理方面的应用，推动了 UAS 减少对 NAS 的限制的迫切需求。UAS 代表了一种新功能，它将为政府（公共）和商业（民用）航空部门提供各种服务。由于对在 NAS 中安全操作 UAS 所需的条件缺乏共同的理解，这一潜在行业的增长尚未实现。NASA 的 UAS 在 NAS 中的集成 (UAS-NAS) 项目正在分离保证/感知和避免互操作性、人机系统集成 (HSI) 和通信领域开展研究，以支持减少 UAS 常规访问 NAS 的障碍。本研究分为两个研究主题，即 UAS 集成和测试基础设施。UAS 集成侧重于空域集成程序和性能标准，以实现 UAS 在空中运输系统中的集成，涵盖感知和避免 (SAA) 性能标准、指挥和控制性能标准以及人机系统集成。在 UAS-NAS 综合测试与评估 (IT&E) 团队的帮助下，DAA 和空对空雷达 (ATAR) 系统的第一阶段最低操作性能标准 (MOPS) 于 2017 年 5 月发布。测试基础设施的重点是实现空域集成程序和性能标准的开发和验证，包括综合测试和评估。为了支持综合测试和评估工作，该项目开发了一个适应性强且可扩展的相关测试环境，能够评估 UAS 在 NAS 中安全运行的概念和技术。为了完成建立相关测试环境的任务，该项目开展了一系列人机交互和飞行测试活动，将关键概念、技术和程序整合到相关的空中交通环境中，最终完成了 NCC 演示。每个综合活动都基于之前测试和技术模拟的技术成果、保真度和复杂性，并得出了支持制定 UAS 进入 NAS 的法规的研究结果。为了展示 NASA UAS 在 NAS 项目中集成第一阶段的成就，该团队选择在 NAS 中运行 NASA 870（“Ikhana”）UAS，而无需安全追踪车辆，开展飞行活动。本报告详细介绍了导致此次 NCC 飞行的事件。1.1 范围 详细的 NCC 飞行活动和设计协调始于 2017 年初，尽管关于执行无追逐演示飞行的高层讨论早在 2014 年就已开始。COA 批准无追逐飞行的申请于 2017 年 10 月 30 日提交到旧版 COA 在线系统，并于 2017 年 12 月 20 日重新提交并附上附加信息。2018 年 2 月至 3 月，在爱德华兹空军基地 (EAFB) R-2515 空域内使用 DAA 系统进行了系统检查飞行。最后，于 2018 年 5 月 24 日执行了一次带有照片追逐的飞行，并于 2018 年 6 月 12 日执行了一次无追逐进入 NAS 的飞行。
使用小型 UAS 进行 STEM 教育：利用无人机引入机器人技术和机电一体化技术
小型无人驾驶航空系统 (sUAS)，也称为无人机，作为飞行机器人，为向不同年龄段的学生介绍机电一体化和机器人技术的一般概念提供了绝佳的机会。适合课堂使用的超小型无人机重量在 50 到 150 克之间，大多不大于手掌。它们可以通过远程控制操作，涵盖运动学、传感和定位等方面。另一方面，它们还具有用于预编程和自主操作的出色界面，利用基于块或基于脚本的集成开发环境 (IDE) 来教授基础和高级计算机科学概念。本文通过确定认知、情感和心理运动这三个学习领域的核心优势，介绍了 sUAS 在教育应用中的优势。我们将使用全球领先的科学、技术、工程和数学 (STEM) 无人机提供商之一提供的 2017 年至 2021 年的第一手数据和调查结果来强调这一教育理念的好处。
检测和定位与移动设备集成的无人机系统 (UAS) 上的物体
I. 引言 无人机系统 (UAS) 领域已扩展到包括民用和军用在内的所有领域，并出现了许多创新用例。这些 UAS 在军事领域的应用正在取得显著进步。执行情报、监视和侦察 (ISR) 任务以及守卫职责等军事任务需要直接且耗时的人力。士兵花费大量时间进行巡逻、驻守检查站和守卫塔以实现这些任务的目标。然而，随着自主技术的进步，UAS 现在在减少人类执行这些劳动密集型任务的需求以及降低直接暴露于危险情况的风险方面发挥着重要作用。四旋翼飞行器具有垂直起降能力以及相对较高的有效载荷，为此类任务提供了绝佳平台。现在有机会整合现有能力并进一步利用潜在的 UAS。四旋翼解决方案的应用还支持国防部 (DoD) 在《2011-2036 财年无人系统集成路线图》[1] 中概述的无人系统目标。要执行 ISR 任务，UAS 需要检测威胁。传感和感知算法的最新进展使得使用基于视觉的传感器适合这项任务。UAS 需要在共享参考框架中定位威胁，并将此信息提供给士兵，以便
小型无人机系统探测和规避对有限超视距目标的要求
美国运输部联邦航空管理局华盛顿特区 20591 摘要：通过一系列行业范围内的数据调用收集了潜在的 sUAS BVLOS 操作场景/用例和 DAA 方法。向每位 333 豁免持有者征求了相同的信息。记录了来自 5,000 多名豁免持有者的摘要信息，收到的信息具有不同的详细程度，但提供了相关的经验信息来概括用例。制定了一项计划并完成了测试以评估 RLOS，这是安全 BVLOS 操作的潜在关键限制因素。介绍了所用设备、飞行测试区域、测试有效载荷和在不同高度进行测试的装置的详细信息，并提供了简化数学模型、在线建模工具和飞行数据的比较结果。提出了一个操作框架，该框架定义了推荐要求将使 sUAS 操作 BVLOS 成为可能的环境、条件、约束和限制。该框架包括可以基于 FAA 和行业行动建立的策略，这些策略应该会导致近期 BVLOS 航班增加。对 sUAS DAA 方法的评估是通过五个子任务完成的：对飞行员和地面观察员的观察和避免性能的文献综述、对 DAA 标准和推荐基线性能的调查、对现有/正在开发的 DAA 技术和性能的调查、对选定 DAA 方法的风险评估以及飞行测试。通过文献综述评估了飞行员和地面观察员的观察和避免性能。DAA 标准的制定——这里的重点非常明确——是通过与科学与研究小组 (SARP) 合作以及对有人驾驶和无人驾驶飞机交互的模拟来完成的。通过文献综述、信息请求和直接互动收集了有关 sUAS DAA 方法的信息。通过描述系统类型和定义指标和指标值来分析这些信息。通过关注 SMS（安全管理系统）流程的安全风险管理 (SRM) 支柱来评估与 sUAS DAA 系统相关的风险。这项工作 (1) 确定了与 BVLOS 中 sUAS 操作相关的危险，(2) 提供了考虑现有控制措施的初步风险评估，以及 (3) 建议采取额外的控制和缓解措施，以进一步将风险降低到最低实际水平。最后，进行了飞行测试以收集有关清晰和 DAA 系统危险的初步数据。
使用无人机系统 (UAS) 在茂密森林地区进行图像处理
推荐引用 推荐引用 Bhatt, P., Edson, C., & Maclean, A. (2022)。使用无人机系统 (UAS) 在茂密森林地区进行图像处理。 http://doi.org/10.37099/mtu.dc.michigantech-p/16366 取自：https://digitalcommons.mtu.edu/michigantech-p/16366
多智能体无人机系统 (UAS) 测试的无线终止开关系统的设计和实施
估计此信息收集的公共报告负担平均为每份回应 1 小时，包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查收集信息的时间。请将有关此负担估计或此信息收集的任何其他方面的评论（包括减轻负担的建议）发送至国防部华盛顿总部服务部信息行动和报告局 (0704-0188)，1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302。受访者应注意，尽管法律有任何其他规定，但如果信息未显示当前有效的 OMB 控制编号，则任何人均不会因未遵守信息收集而受到任何处罚。请不要将您的表格寄回上述地址。
多架无人机系统 (UAS) 运行中的警戒和自动化依赖性：模拟研究
目标：本模拟研究调查了影响多架无人机系统 (UAS) 操作期间持续表现和疲劳的因素。本研究测试了任务完成时间和自动化可靠性对监视任务准确性和对自动化依赖性的影响。它还研究了特征和状态个体差异因素的作用。背景：Warm 的警觉资源模型在人为因素中具有很高的影响力，但需要进一步测试其对需要持续关注的复杂现实任务的适用性。多 UAS 操作不同于标准警觉范式，因为操作员必须在自动化的支持下在多个子任务之间切换注意力。方法：131 名参与者使用配置为低认知要求的多 UAS 模拟执行需要信号识别和符号计数的监视任务，持续 2 小时。在组间操纵自动化可靠性。在执行之前测量五因素模型人格特质。使用邓迪压力状态问卷评估主观状态。结果：在更苛刻的监视任务上的表现准确性显示警惕性下降，尤其是在自动化可靠性较低的情况下。对该任务的自动化依赖性随着时间的推移而下降。状态因素而非特质因素可以预测绩效。在更苛刻的任务条件下，高痛苦与较差的表现有关。结论：警惕性下降可能是多 UAS 监视任务的操作问题。Warm 的资源理论可能需要修改，以纳入与低工作量、疲劳环境中的多任务处理相关的信息处理和任务策略的变化。应用：多 UAS 操作的界面设计和操作员评估应解决包括动机、压力和对自动化的持续关注等问题。