XiaoMi-AI文件搜索系统
World File Search SystemUAV
剂量水平资格代码和明尼苏达州儿童疫苗 (MnVFC) 以及无保险和保险不足的成人疫苗 (UUAV) 资格状态
鼓励所有免疫接种提供者向 MIIC 提交 DLE 信息。参加 MnVFC 计划并采用替代疫苗管理方法的诊所必须向 MIIC 提交所有为 18 岁及以下患者接种的疫苗的 DLE 信息。对于未参加 MnVFC 或 UUAV 计划和/或使用单独库存疫苗管理方法的诊所，向 MIIC 提交 DLE 是可选的。提供者应与技术人员和/或电子健康记录 (EHR) 供应商支持讨论如何使用其当前系统向 MIIC 提交此信息。
使用UAV- ...
本文提出了一种集中式供应链网络优化模型，该模型最大化了一家生产和/或外包生产，商店，船只和出售产品的公司获得的总利润，并使用由卡车组成的机队，以及在最后一英里的船队中，也是无人机。该模型以无人机的形式包括无人机（UAV）的现实特征，其基本限制（例如电池容量低和交付范围较短）。受约束的非线性优化问题被提出为变异不等式。的存在和唯一性结果以及详细的数值模拟的结果提供了解决变化不等式的结果，这些模拟的结果强调了使用混合机队从增强利润到减少空气污染的优势。我们的定量结果揭示了物流行业的巨大希望和见解，即在整体供应链网络环境中使用新兴的无人机技术作为最后一英里包裹的实用解决方案。
无人机辅助空间空气地面集成网络
摘要 - 在太空空间集成网络（Sagin）中，接收器会从卫星和陆地发射机中产生各种干扰。Sagin的异质结构为传统的干涉管理（IM）方案带来了挑战，可以有效减轻干扰。为了解决这个问题，为Sagin提出了一种新颖的无人机IM方案，其中考虑了不同类型的通道状态信息（CSI），包括无CSI，瞬时CSI和延迟的CSI。根据CSI的类型，干扰对准，梁形成和时空预编码在卫星和陆地发射机侧设计，与此同时，引入了无人机-RIS用于协同干扰消除过程。此外，当卫星侧的天线数量不足时，深入讨论了提出的IM方案获得的自由度（DOF）。仿真结果表明，所提出的IM方案在不同的CSI方案中提高了系统容量，并且性能优于没有无人机RIS的现有IM基准。
无人机在油棕收获预测中的应用 - IOPscience
摘要。确定用于油棕收获预测应用的无人机系统配置是实现种植园产量最大化的重要一步。本文的目的是展示如何使用无人机系统生成可用于预测作物的高分辨率图像。研究分为两个阶段：无人机系统配置分析和数字图像处理以预测作物。无人机系统配置分析包括机身、推进器、航空电子设备和地面控制站。机载系统使用由 Pixhawk 航空电子设备、电动机和 20.2 兆像素数码相机控制的 X-8 机身。无人机系统用于在北苏门答腊省 Labuhan Batu Utara 的一个 6 年生油棕种植园上生成高分辨率数字图像。该无人机系统可生成高分辨率数字图像，可用于计算植物数量。然后将此特定区域中的植物数量用作预测作物的输入。6 年生油棕种植园的估计产量平均为每公顷每年 50.5 吨。这个结果大于棕榈油种植园管理公司的估计结果，即每公顷每年 23 吨。
无人机与智能设备测绘摄影测量精度对比评估
摘要 本文评估了使用智能手机和智能相机的无人机摄影测量系统。根据相机自校准确定的内部方向参数进行图像三角测量。生成精确的正射镶嵌图像和数字表面模型，并使用航空和地面激光雷达数据评估其准确性。数字表面模型用于估算土方量并验证无人机摄影测量在施工现场使用的适用性。地理参考精度表明，智能相机在检查点和多边形部分方面的性能大约是智能手机的两倍。考虑到智能手机中的滚动快门，可以提高精度。特别是在倾斜和崎岖的地形中，智能手机可以从应用滚动快门方法中受益。一些国家通常将土方工程体积误差作为一项法律要求，我们的研究结果表明，在土方工程中可以有效且经济地使用带有无人机的智能相机。
CUAVA-2 CubeSat：第二次尝试远程飞行......
本文介绍了悉尼大学 ARC 立方体卫星、无人机及其应用培训中心 (CUAVA) 开发的 6U 立方体卫星任务。CUAVA-2 是继 CUAVA-1 任务之后的第二个立方体卫星项目，它借鉴了前一个任务的经验教训。CUAVA-1 是 CUAVA 发射的第一颗卫星，它携带了用于地球观测目标和技术演示的第一代有效载荷，但遇到了通信困难。对 CUAVA-1 进行了故障根源分析，以指导 CUAVA-2 的设计。CUAVA-2 卫星集成了 GPS 反射测量有效载荷，用于远程海况测定。它还包括一个高光谱成像仪，用于沿海和海洋、农业和林业环境、城市地区、水灾害评估和矿产勘探，以及用于技术演示和空间天气研究的二次有效载荷。本文讨论了 CUAVA-1 的故障分析结果、经验教训和设计输入，展示了它们与计划于 2024 年 2 月发射的 CUAVA-2 卫星的集成。
工程学位项目简化无人机...
将来，将在许多不同的地区应用无人机（无人驾驶汽车）的使用。继续对无人机的研究可以通过其在灾难响应，人道主义援助，环境监测，基础设施内置，改善运输和交付系统以及科学研究中的应用中受益。通过利用无人机技术并使技术更容易进入，我们可以在各个领域提高效率，安全性和可及性，同时解决全球挑战并改善个人和社区的福祉。由于地面站和无人机之间所需的复杂通信，使用无人机开始开发所需的进入知识可能很高。本报告的目的是通过对一些可用的通信协议，选择协议并使用所述协议来开发和实施界面来降低进入障碍，以开发和实施界面，以便在无人机上进行地面控制站和伴随计算机之间的通信。对无人机的通信协议的调查表明，广泛使用的Mavlink协议是该实施的最佳合适的通信协议。使用上述协议和UAV飞行控制器进行的开发和迭代过程，导致创建可以用作所需界面的工件。
使用 MPC 技术进行基于 Voronoi 的无人机编队部署和重新配置
摘要 —本文介绍了一种基于分散 Voronoi 的线性模型预测控制 (MPC) 技术，用于在有界区域内部署和重构由无人机 (UAV) 组成的多智能体系统。在每个时刻，该区域被划分为与每个 UAV 智能体相关联的不重叠的时变 Voronoi 单元。编队部署目标是根据每个 Voronoi 单元的切比雪夫中心将智能体驱动到静态配置中。所提出的基于 MPC 的编队重构算法不仅允许故障/不合作的智能体离开编队，还允许恢复/健康的智能体加入当前编队，同时避免碰撞。仿真结果验证了所提出的控制算法的有效性。
Thomas Chevet、Cristina Stoica Maniu、Cristina Vlad、Youmin Zhang。使用 MPC 技术进行基于 Voronoi 的 UAV 编队部署和重新配置。国际无人机系统会议，ICUAS'18，2018 年 6 月，美国德克萨斯州达拉斯。第 9-14 页，10.1109/ICUAS.2018.8453342。hal-01768188
摘要 —本文介绍了一种基于分散 Voronoi 的线性模型预测控制 (MPC) 技术，用于在有界区域内部署和重构由无人机 (UAV) 组成的多智能体系统。在每个时刻，该区域被划分为与每个 UAV 智能体相关联的不重叠的时变 Voronoi 单元。编队部署目标是根据每个 Voronoi 单元的 Chebyshev 中心将智能体驱动到静态配置中。所提出的基于 MPC 的编队重构算法不仅允许有故障/不合作的智能体离开编队，还允许恢复/健康的智能体加入当前编队，同时避免碰撞。仿真结果验证了所提出的控制算法的有效性。
MAKO 无人机飞行模拟用于数据驱动的故障诊断
过去十年，各种用途的无人机数量迅速增加。这促使监管机构急于制定安全的整合战略，以适当共享空域的利用率。处理故障和失效是关键问题之一，因为它们在可用的事件报告中占了更大的比重。这些小型飞行器的硬件限制表明，需要使用分析冗余，而不是常规飞行中通常的硬件冗余做法。在本研究过程中，回顾了飞机的故障检测和诊断。然后模拟了 MAKO 飞机的非线性模型，以生成故障和正常飞行数据。该平台能够为各种飞行条件生成数据，并设计用于故障检测和诊断的机器学习实现。