XiaoMi-AI文件搜索系统
World File Search System危急情况
CH-53K® - 洛克希德马丁
凭借无与伦比的速度、载重能力和机动性，CH-53K ® 能够以比同类直升机更少的出动次数和更短的时间完成最苛刻的任务要求。在 170 节（315 公里/小时）的巡航速度下，CH-53K 能够快速进入和退出危急情况，减少乘客和机组人员在恶劣环境中的暴露。
获奖者 - 武装部队部
海军航空实用实验和接收中心（CEPA/10S）的 Christophe 中尉和兰迪维肖海军航空基地的护卫舰上校 Gautier 共同参与了“SPEEN”项目，该项目旨在了解和预测飞行过程中可能导致飞机坠毁的无法解释的生理事件。它可以提高飞行安全性，在飞行员身体状况恶化时发出警报，但这种状况并不会让人察觉，它还能根据收集到的个人数据和人工智能预测危急情况。该项目由 Carré technologie 和 Knopé 公司共同开发。
高性能电磁阀 - Moog, Inc.
Moog 是零保持力解除装置的原始设计者和制造商。我们与 McDon-nell Douglas 合作设计了一种解除装置，该装置不会因飞行和降落在航空母舰上时发生的情况而意外解除。这些装置在标准 .060 直径解除环上提供零保持力（它们不会因风阻而束缚和意外解除炸弹）。启动时，这些装置将支撑垂直悬挂的 600 磅重量（销钉或挂绳不会意外拔出）。它们在 18 至 30 VDC 的电压范围内工作，用于危急情况，并且设计和制造为每次都能正常工作。
高性能螺线管 - Moog, Inc.
Moog 是零保持力解除装置的原始设计者和制造商。我们与 McDon-nell Douglas 合作设计了一种解除装置，该装置不会因飞行和降落在航空母舰上时发生的情况而意外解除。这些装置在标准 .060 直径解除环上提供零保持力（它们不会因风阻而束缚和意外解除炸弹）。启动时，这些装置将支撑垂直悬挂的 600 磅重量（销钉或挂绳不会意外拔出）。它们在 18 至 30 VDC 的电压范围内工作，用于危急情况，并且设计和制造为每次都能正常工作。
Hindsight21. 工作量 2015.pdf - ICAO
将严格遵循的程序与正常程序进行比较，通常可以说明“想象中的工作”与“实际完成的工作”之间的区别。现行程序通常是静态的，不能正确反映现实世界的复杂性。实际上，飞行员、管制员、医生和边境管制人员等专业人员会战略性地优先考虑他们的任务。他们将其中一些任务视为弹性弹簧，并将其减少到最低限度，并完全忽略他们认为不是任务关键的其他任务。在压力下决定减少任务负荷的性质与受到威胁的蜥蜴出于安全原因“选择”失去尾巴的性质并无不同。蜥蜴的尾巴和专业人员的非关键任务并非不必要的，但人们可以牺牲它们作为自卫机制来逃离危急情况。这使得专业人员能够在任务负荷突然增加时完成工作，并允许蜥蜴在受到捕食者攻击时保住生命。这种灵活性是专业人士的特征之一，他们为在压力下能够完成任务而感到自豪。
南苏丹 - 2023 – 2025 年战略
苏丹危机应急响应的重点是协助新抵达者从边境地区继续运输，在过境和接收地点提供救生援助。由于基础设施差和气候条件恶劣，继续运输变得复杂且有限，导致大量人口滞留在边境地区。随着苏丹冲突升级，预计新抵达者将增加，导致过境地点出现紧急人道主义需求的危急情况。可以继续前往原籍地或所选目的地的新抵达者可能会前往已经极其脆弱的社区。因此，该行动面临着人口群体增加、保护风险增加的问题，需要有针对性的干预措施来满足特定需求，包括针对 LGBTQI+ 个人的需求。世界粮食计划署 (WFP) 在 2024 年大幅削减粮食供应，导致保护脆弱性复杂化，由于生计选择有限，有迫切需求的难民数量增加。不断变化的风险因素包括
以人为本的航空人工智能方法 - 欧洲航空安全局
人工智能显然是支持飞机设计和运营的广泛应用的推动者。人工智能可以通过就日常任务提供建议（例如飞行剖面优化）或就飞机管理问题或飞行战术性质提供增强建议来协助机组人员，帮助机组人员在高工作量情况下做出决策（例如复飞或改道）。人工智能还可以根据运营环境和机组人员的健康状况（例如压力、健康等）预测和预防某些危急情况，从而为机组人员提供支持。由于 2022 年 4 月发布了第一个关于基于机器学习的系统的可信度的特殊条件，1 级人工智能应用已经在通用航空领域进行认证。人工智能还可以用于几乎任何涉及数学优化问题的应用中，无需分析相关参数值和逻辑条件的所有可能组合。机器学习的典型应用可能是飞行控制律优化、传感器校准、油箱数量评估、结冰检测等等。此外，人工智能还可用于在机载系统中嵌入复杂模型，例如通过使用内存和处理效率更高的代理模型。
使用自动编码器集成二阶滑模控制和异常检测以增强安全性和可靠性
摘要 本文提出了一个综合框架，通过集成二阶滑模控制 (2-SMC) 和基于机器学习和人工智能的先进异常检测和预测系统来提高四旋翼无人机的安全性和可靠性。本文提出了一种新的滑动流形方法，分为两个子系统，用于精确的位置和姿态跟踪，解决了设计四旋翼控制器的挑战。本文还使用 Hurwitz 稳定性分析对滑动流形的非线性系数进行了详细分析。它通过大量的模拟结果证明了所提方法的有效性。为了进一步评估四旋翼的安全性和可靠性，将异常检测和预测系统与位置和姿态跟踪控制相结合。该系统利用机器学习和人工智能技术实时识别和预测异常行为或故障，使四旋翼能够快速有效地应对危急情况。所提出的框架为设计四旋翼无人机的稳健和安全控制器提供了一种有前途的方法。它展示了先进的机器学习和人工智能技术在提高自主系统安全性和可靠性方面的潜力。
以人为本的航空人工智能方法 - EASA
人工智能显然是支持飞机设计和运营的广泛应用的推动者。人工智能可以通过就日常任务提供建议（例如飞行剖面优化）或就飞机管理问题或飞行战术性质提供增强建议来协助机组人员，帮助机组人员在高工作量情况下做出决策（例如复飞或改道）。人工智能还可以根据运营环境和机组人员健康状况（例如压力、健康等）预测和预防某些危急情况，从而为机组人员提供支持。由于 2022 年 4 月发布了第一个关于基于机器学习的系统的可信度的特殊条件，1 级人工智能应用已经在通用航空领域进行认证。人工智能还可以用于几乎任何涉及数学优化问题的应用中，无需分析相关参数值和逻辑条件的所有可能组合。机器学习的典型应用可能是飞行控制律优化、传感器校准、油箱数量评估、结冰检测等等。此外，人工智能还可用于在机载系统中嵌入复杂模型，例如通过使用内存和处理效率更高的代理模型。