XiaoMi-AI文件搜索系统
World File Search Systemight
通过训练熟练的目光注视策略，提高航空公司飞行员的视觉扫描和手动飞行性能
摘要：驾驶舱监控不力已被确定为导致航空事故的重要因素。因此，改进飞行员的监控策略有助于提高飞行安全性。在两个不同的环节中，我们在全飞行模拟器中分析了专业航空公司飞行员的飞行性能和眼球运动。在预训练环节中，20 名飞行员以飞行员飞行 (PF) 的身份执行了手动进近场景，并根据其飞行性能分为三组：不稳定、标准和最准确。不稳定的飞行员对各种仪器的关注不足或过度。他们的视觉扫描模式数量低于设法稳定进近的飞行员。最准确的飞行员表现出更高的感知效率，注视时间更短，对重要主要飞行仪表的注视更多。大约 10 个月后，14 名飞行员返回进行后续训练。他们接受了一项短期培训计划，并执行了与预训练课程类似的手动方法。其中七人（实验组）收到了关于他们自己的表现和视觉行为（即在预训练课程期间）的个人反馈，以及从最准确的飞行员那里获得的各种数据，包括一段眼动追踪视频，其中显示了最准确的飞行员之一的有效视觉扫描策略。另外七人（对照组）收到了有关驾驶舱监控的一般指导。在训练后阶段，实验组的飞行表现更好（与对照组相比），其视觉扫描策略与最准确的飞行员的视觉扫描策略更加相似。总之，我们的结果表明，驾驶舱监控是手动飞行性能的基础，并且可以使用主要基于高度准确的飞行员的眼动示例的训练计划来改进它。
基于生理特征的飞行员认知负荷识别...
认知负荷是飞行员在对飞机操控信息认知过程中产生的，与飞行安全息息相关。认知负荷是飞行员在完成任务过程中产生的生理和心理需求，因此研究在复杂的人-机-环境相互作用下飞行员认知负荷的动态识别具有重要意义。本文设计了机场交通航线飞行模拟试验，获取飞行员的心电生理和NASA-TLX心理数据，分别对其进行小波变换预处理和数理统计分析，并利用Pearson相关分析法对预处理后的心理生理数据进行特征指标选取。基于心理生理特征指标，结合RNN和LSTM构建飞行员认知负荷识别模型。与RNN神经网络、支持向量机等其他方法建立的认知负荷识别模型相比，本研究结果更加准确。本研究可为预防和减少飞行任务中认知负荷引起的人为失误提供有益参考，有望实现飞机驾驶舱的智能控制，改善飞行操纵行为，保障飞行安全。
自动功能的扩展...
CS-23 飞机的自动飞行能力通过基于目视飞行规则 (VFR) 的自动机动而得到增强，目前载人飞行也遵循此规则。本文介绍的系统能够使用具有安全监控功能的自动飞行控制系统的现有模块将飞机引导至预定的着陆轨迹。本文开发的有限状态机使用户能够提供高级命令，使自动化系统能够根据 VFR 将飞机引导至选定的预先规划轨迹。进近和复飞机动是使用航路点离线规划的，这些航路点用于引导和控制。在 C2LAND 项目过程中，该系统被集成到飞行系统动力学研究所的自动飞行软件中。使用增量测试计划进行了软件在环 (SiL) 和硬件在环 (HiL) 测试，以确保代码的安全性和稳健性。随后，该系统在研究所的可选驾驶 Diamond DA42 飞机上的广泛飞行测试活动中得到了成功演示。
第 1 章 - 普林斯顿大学
飞行已经变得如此普遍，以至于我们倾向于将许多飞行细节视为理所当然。尽管如此，飞行是一个复杂的过程，涉及平衡、稳定性和控制机器，其设计既复杂又优雅。所有飞机都受相同的物理规则支配，但它们的运动细节可能完全不同，不仅取决于飞行器的形状、重量和推进力，还取决于其结构、控制系统、速度和大气环境。本书介绍了飞机的飞行动力学，特别关注用于分析、模拟、飞行品质评估和控制系统设计的数学模型和技术。在本章中，我们介绍了大多数飞机共有的配置的基本组件（第 1.1 节），并通过对当代飞机的描述提供了说明性示例（第 1.2 节）。全书使用的符号在第 1.3 节中介绍，并提供了一个基于纸飞机飞行的介绍性示例。
第 1 章 - 普林斯顿大学
飞行已经变得如此普遍，以至于我们往往认为飞行的许多细节都是理所当然的。然而，飞行是一个复杂的过程，涉及平衡、稳定性和控制一个设计既复杂又优雅的机器。所有飞机都受相同的物理规则支配，但它们的运动细节可能大不相同，不仅取决于飞行器的形状、重量和推进力，还取决于其结构、控制系统、速度和大气环境。本书介绍了飞机的飞行动力学，特别关注用于分析、模拟、飞行品质评估和控制系统设计的数学模型和技术。在本章中，我们介绍了大多数飞机共有的基本配置组件（第 1.1 节），并通过对当代飞机的描述提供了说明性示例（第 1.2 节）。第 1.3 节介绍了全书使用的符号，并提供了一个基于纸飞机飞行的介绍性示例。
基于物理的数字孪生，用于自主无人机着陆的模型预测控制
本文提出了一种两级数据驱动的数字孪生概念，用于飞机的自主着陆，并给出了一些假设。它具有一个用于模型预测控制的数字孪生实例；以及一个用于流体结构相互作用和飞行动力学的创新实时数字孪生原型。后者的数字孪生基于对高保真、粘性、非线性飞行动力学计算模型的预先设计的下滑道轨迹的线性化；并将其投影到低维近似子空间，以实现实时性能，同时保持准确性。其主要目的是实时预测飞行过程中飞机的状态以及作用于飞机的空气动力和力矩。与基于稳态风洞数据的静态查找表或基于回归的替代模型不同，上述实时数字孪生原型允许模型预测控制的数字孪生实例由真正动态的飞行模型而不是一组不太准确的稳态气动力和力矩数据点来告知。本文详细描述了所提出的两级数字孪生概念的构建及其通过数值模拟的验证。它还报告了其在斯坦福大学现成的无人机在自主模式下的初步飞行验证。
飞行器的建模、仿真、分析和稳定...
本论文旨在开发一种基于具有六个自由度的飞翼非线性模型的逼真模拟器，目的是将其用作研究不同环境中的飞机的工具，以及用于任务规划和稳定性控制设计，为 HABAIR 项目提供进一步的概念验证。此类工具可用于验证飞机设计，最大限度地减少物理实施中的反复试验过程。这种类型的飞机在过去几年中越来越受欢迎，可以进行具有成本效益的测绘、监控和监视。为了保证模拟器的真实性，大气、空气动力学和推进模型与刚体运动的牛顿-欧拉方程和运动学方程相结合。飞翼飞行包线是根据高度和空速确定的。开发了修剪和线性化函数作为实现和分析非线性模型的线性化版本的方法。线性化后的纵向和横向模型允许应用经典分析工具来评估整个飞行包线内的系统动力学。通过比较非线性和线性化模型的响应来验证修剪和线性化功能。最后，介绍了模拟器的实现，以及对飞机模型的机动性、动力学、可控性的研究，确保了使用的可行性
航空航天 | MDPI
飞机设计本质上是一项多学科工作，在此过程中，多个工程师团队之间必须交换数据和信息，每个团队都具有特定领域的专业知识。管理协作组之间的数据传输、可能的翻译和存储非常复杂且容易出错。采用标准化、以数据为中心的方案来存储所有数据可提高一致性并降低误解和冲突的风险。为了有效地实现这一点，必须首先努力在分析模块和数据档案之间开发合适的接口。此外，设计过程的每个阶段对设计和分析工具的保真度和分辨率都有不同的要求。对于稳定性和控制分析以及飞行模拟，需要生成用于空气动力、力矩和导数的查找表。不同的飞行分析工具需要不同的表格/输入格式。例如，代尔夫特理工大学开发的飞行分析器和模拟器 PHALANX [ 1 – 4 ] 需要一组三维力和力矩系数表，每个控制通道单独作用。多保真气动建模旨在以最佳的计算资源分配覆盖整个飞行包线的飞行状态参数空间。这又需要一个标准化的、以数据为中心的方案来托管数据，可用于各种
航空航天 | MDPI
飞机设计本质上是一项多学科工作，在此过程中，多个工程师团队之间必须交换数据和信息，每个团队都拥有特定领域的专业知识。管理协作组之间的数据传输、可能的翻译和存储非常复杂且容易出错。采用标准化、以数据为中心的方案存储所有数据可提高一致性并降低误解和冲突的风险。为了有效实现这一点，必须首先努力在分析模块和数据档案之间开发合适的接口。此外，设计过程的每个阶段对设计和分析工具的保真度和分辨率都有不同的要求。对于稳定性和控制分析以及飞行模拟，需要生成气动力、力矩和导数的查找表。不同的飞行分析工具需要不同的表格/输入格式。例如，代尔夫特理工大学开发的飞行分析器和模拟器 PHALANX [ 1 – 4 ] 需要一组三维力和力矩系数表，每个控制通道单独作用。多保真度气动建模旨在以最佳的计算资源分布覆盖整个飞行包线的飞行状态参数空间。这又需要一个标准化的、以数据为中心的方案来托管数据，这些数据可用于可变的保真度。标签 Li （其中 i = 0、1、2、3）用于对计算模型及其软件实现的保真度级别进行分类：
障碍物和阵风环境下节能无人机飞行控制方法
摘要：本文介绍了一种节能的无人机（固定翼无人机）控制方法，该方法由三组算法组成：飞行器航线规划、飞行中控制和修正预定飞行轨迹的算法。所有算法都应考虑无人机必须避开的障碍物和无人机作业区域中的风力。基于无人机数学模型、稳定和导航算法以及 Dryden 湍流模型进行了测试，并考虑了无人机推进系统的参数。本文详细描述了如何构建用于规划无人机任务的连接网络。提出了一种确定行动领域中不同点之间实际距离的算法，该算法考虑了障碍物的存在。该算法应基于在六边形网格上确定飞行轨迹的方法。它介绍了基于一组混合整数线性问题 (MILP) 优化算法模型开发的专有无人机路径规划算法。它介绍了无人机控制器如何使用预先准备的飞行路径来监督沿预设路径飞行。它详细介绍了当代无人机的架构，这些架构具有实现自主任务的嵌入式能力，这需要将无人机系统集成到文章中提出的路线规划算法中。特别关注了在有阵风的情况下无人机任务的规划和实施方法，这有助于确定无人机飞行路线以最大限度地降低飞行器的能耗。所开发的模型在基于 ARM 处理器的计算机架构中使用硬件在环 (HIL) 技术进行测试，该技术通常用于控制无人驾驶车辆。所提出的解决方案使用两台计算机：基于实时操作系统 (RTOS) 的 FCC（飞行控制计算机）和基于 Linux 并与机器人操作系统 (ROS) 集成的 MC（任务计算机）。这项工作的一项新贡献是整合了规划和监控方法，以实施旨在最大限度地降低车辆能耗的任务，同时考虑到风力条件。