转子测试,通常分为不同的活动,通常侧重于性能或动态行为 变速箱测试,专门针对这些关键部件,AH 目前正在为此建造一个全新的设备,专门用于在开发阶段进行变速箱测试 铁鸟测试,我们基本上将一架完整的直升机放入专用建筑物中,让其运行数小时,以降低风险/减少试飞或进行耐久性测试 疲劳、负载和环境测试,这是一项非常多样化的活动,其中对各种部件进行测试,以确定其在环境约束下的机械特性,这些环境约束代表了在使用寿命期间可能遇到的最极端情况 - 通常甚至超出确定裕度的范围。下表列出了最近活动期间生成的数据量和类型的一些数量级,这些数据目前以原始记录格式存储在数据文件中,并不适合大规模分析。对于未来的直升机,即使我们试图控制增长
违反航空规则,特别是违反气象飞行规则,可能会导致致命的后果。违反行为有时可以用故意冒险来解释,或者也可以是提高绩效和影响结果的策略的表现,例如节省时间或满足客户期望。本研究的目的是通过系统的文献综述,确定现有实证研究中的冒险行为类型,并确定与航空运营背景下的冒险相关的多层次前因。共确定了 4,742 条记录,经过筛选后,详细考虑了符合资格标准的 10 项研究,其中 3 项为定性研究,7 项为定量研究。审查仅包括已发表的作品,因此结果可能受到出版偏见的影响,但是,研究中的冒险类型与澳大利亚和新西兰事故报告中观察到的一致。主要的冒险行为是继续按照目视飞行规则 (VFR) 飞行,进入恶化的条件/仪表气象条件 (IMC)。多层次影响可以归类为两个总体主题,即“持续影响”和“接受风险/偏差正常化”。在所有研究中,一个或两个主题都始终贯穿整个研究结果,但应注意报告关联的相对频率。这篇评论指出了考虑社会和组织对冒险行为的影响的价值,并提出了未来研究的途径,特别是通过自我决定理论 (SDT) 视角探索影响。
摘要:在本论文中,我们研究了一组四旋翼飞行器的分散控制器的设计。四旋翼飞行器分为领导者和跟随者。领导者由人控制,而追随者则使用去中心化控制器来跟随领导者。追随者是自主的,不知道领导者的行为。本论文的新颖之处在于依靠 WiFi 模块等廉价传感器来估计与相邻四旋翼飞行器的距离。为了设计去中心化控制器,迭代学习与监督学习和模仿学习相结合,经历了几个阶段,包括日志收集、高级模型训练和设计“一个控制器”。然后控制器被集成到跟踪器中,使它们成为自治的。学习方法的主要优点是移动
虚拟现实 (VR) 已进入日常生活。虽然 VR 提供了越来越高的沉浸感,但控制和触觉仍然有限。当前的 VR 耳机配有专用控制器,用于控制每个虚拟界面元素。但是,控制器输入大多与虚拟界面不同。这降低了沉浸感。为了提供更逼真的输入,我们推出了 Flyables,这是一个使用四轴飞行器为虚拟用户界面元素提供匹配触觉的工具包。我们采用了五个常见的虚拟 UI 元素并构建了它们的物理对应物。我们将它们连接到四轴飞行器以提供按需触觉反馈。在一项用户研究中,我们将 Flyables 与基于控制器的 VR 输入进行了比较。虽然控制器在精度和任务完成时间方面仍然优于 Flyables,但我们发现 Flyables 提供了一种与 VR 环境交互的更自然、更有趣的方式。根据研究结果,我们概述了未来可以改善与 Flyables 交互的研究挑战。
黑鹰通用直升机是陆军航空舰队中一项宝贵的作战资产。直升机的维护和保养成本也相当高。直升机的一个特定子系统是主旋翼叶片,它是飞行的关键部件,采购和维护成本也相当高。为了进行这项研究,我们研究了当前的主旋翼叶片检查方法,研究了先进的检查技术,并提出了一个集成概念。还引入了数字成像来展示自动化检查方法如何产生值得探索的投资回报。对黑鹰主旋翼叶片使用新技术的建议不仅可以避免不必要的旋翼叶片大修和维修成本,还可以减少与维护和后勤足迹相关的时间表。总体而言,本研究显示的建议为陆军提供了一个现代化维护实践和减轻维护负担的机会。这些相同的改进建议不仅限于黑鹰舰队,还可以考虑应用于整个陆军维护企业,以提高物资可靠性和提高作战能力。
垂直爬升率,英尺/分钟 - 16,800 磅,4,000 英尺,95ºF,95% IRP 377 1,315 1,553 - 18,000 磅,4,000 英尺,95ºF,95% IRP 0 592 941
垂直爬升率,英尺/分钟 - 16,800 磅,4,000 英尺,95ºF,95% IRP 377 1,315 1,553 - 18,000 磅,4,000 英尺,95ºF,95% IRP 0 592 941
使用灵活的半参数计量经济学模型(使用 2010 年 9 月 16 日至 2019 年 9 月 15 日的数据进行估算),我们发现,增加 AASF 的 MilTech 机械师数量,可将 H-60 直升机维护停机事件的持续时间缩短至统计显著程度,无论研究的设施规模如何。对于给定规模的平均 AASF,每增加一名 MilTech 机械师,故障持续时间将减少 0.7% 至 1.1%,同时保持分配给 AASF 的其他飞机的数量和类型、即将部署、未完成的零件订单和设施特定影响等特征不变。特定 AASF 增加一名 MilTech 机械师的影响程度取决于几个因素,其中包括设施的基线 MilTech 机械师人数和设施的总体工作量。我们发现,增加一名军事技术机械师的边际影响会降低所有人员水平的 AASF 的故障持续时间,随着军事技术人力水平的提高,边际增幅会减小(军事技术机械师人力的规模收益递减)。换句话说,在保持总体工作量和其他因素不变的情况下,增加一名军事技术机械师的边际影响会降低