XiaoMi-AI文件搜索系统
World File Search System机载系统
麻省理工学院林肯实验室远程实习项目
雷达系统能够适应收集要求的变化，而不会在任务执行和产品分发之间产生过多的延迟，这为探索各种新的操作概念创造了机会。为了最大限度地减少这种延迟，雷达系统应实时生成雷达控制参数，而无需人工参与，并且必须使用低级编程语言将原始射频数据缩减并处理为标准化格式。学生将与实验室工作人员合作，根据 MATLAB 中的算法描述生成可重复使用、高度优化的 C++ 模块，遵循标准化接口，以控制雷达和处理返回信号。这些模块将使用合成和/或收集的数据进行测试，以便将它们部署到实验室运营的机载系统中。该计划将增加学生对优化代码开发、雷达控制、数字信号处理和集成软件设计的知识。
TSO-C147，交通咨询系统 (TAS) Ariborne Equipment
(1) A 类。设备包含一个水平状态显示器，用于指示入侵飞机的存在和相对位置，以及一个声音警报，用于通知机组人员交通咨询 (TA)。 (2) B 类。设备包含一个声音警报和一个视觉通告，用于通知机组人员交通咨询 (TA)。 (c) 环境标准。设备应符合 1997 年 7 月 29 日发布的 RTCA/DO-160D“机载设备的环境条件和测试程序”中规定的测试条件。 (d) 软件标准。如果物品包括数字计算机，则必须根据 1992 年 12 月 1 日发布的 RTCA DO-178B“机载系统和设备认证中的软件注意事项”开发软件。 2. 标记。根据 14 CFR 第 21.607(d) 节中规定的标记，以下要求适用于根据本 TSO 制造的所有单独设备组件：
都灵理工大学 ISTITUZIONALE 知识库 - CORE
飞机设计异常复杂，这有几个原因，其中之一就是该过程涉及大量完全不同的设计学科。我们投入了大量精力来协调和优化飞机设计，试图将所有学科以相同的细节水平考虑在内。在正在进行的 H2020 AGILE 研究中，正在建立飞机 MDO（多学科设计优化）流程，将多种设计工具和能力联系在一起。本文重点评估主要机载系统设计参数对其他学科的影响。从基线飞机（AGILE DC1 区域涡扇发动机）开始，已经根据飞机重量、燃油消耗和发动机性能的变化量化了每个参数的影响。该分析是一个有用的起点，可以更好地理解新型机载系统配置（如 More 和 All Electric）对整体飞机设计的重要性和影响。
X-36 飞行测试——试飞员的视角 - NASA
从程序冗余的角度来看，拥有第二架飞机可以降低风险。为了降低每架飞机的风险，机载回收降落伞提供了紧急回收的最后机会。但是，可接受的风险扩展到飞机和机载系统，但不包括硬件和软件的资格测试等流程。完成必要的工作以确保飞行测试和飞行器团队在程序和培训方面经验丰富也极为重要。虽然使用相同的工程和核心人员进行完整的飞行测试程序可能很容易，但流程、软件和硬件的文档记录是一项真正的挑战，它比我们预期的要花费更多时间。在第 2 次飞行中，当数据链路丢失导致我们第一次发生重大紧急情况时，这种更加重视程序和培训的好处得到了凸显
城市空中交通管制白皮书 | Skyroads
为管理非载客 UTM 而构建的系统无法“升级”以达到监管认证所需的安全级别。需要实现每人使用飞行器 10 -9 /小时的全系统故障率。需要从一开始就将 ATC 系统 ([16], [17], [18], [19]) 和机载系统 ([20], [21], [22], [23]) 认证的监管要求纳入开发生命周期。追溯添加未作为开发一部分进行的流程、阶段和产品，即“稍后认证”方法，是不可行的和/或成本过高。 设计保证级别 (DAL，从 A 级（最高级别）到 E 级（最低级别）越低，开发成本和工作量越低。因此，D3 的目标是选择尽可能低的 DAL。D3 系统的 DAL 是在产品开发过程中作为系统架构和系统规范阶段的一部分确定的。
沿轨干涉机载雷达的飞行中多通道校准
摘要 — 多通道校准对于检测移动目标并准确估计其位置和速度至关重要。本文介绍了一种快速有效的沿轨多通道系统校准算法，特别是针对时空自适应处理 (STAP) 技术。所提出的算法校正了接收通道的相位和幅度偏移，还考虑了沿斜距和方位角时间的多普勒质心变化（例如由大气湍流引起）。多普勒质心变化的知识对于准确的杂波协方差矩阵估计尤其重要，这是 STAP 有效抑制杂波所必需的。重要的校准参数和偏移量直接从距离压缩训练数据中估计。基于使用 DLR 机载系统 F-SAR 获取的真实多通道 X 波段雷达数据对所提出的算法进行了评估，并与最先进的数字通道平衡技术进行了比较。实验结果表明，所提出的校准算法在实时应用中具有潜力。
安全网络商用飞机...
下一代商用飞机模型具有网络设施，使机载系统能够相互通信以及与机外系统通信。这一新功能使网络应用程序能够为飞机制造、运营和维护流程带来诸多好处。然而，与此同时，也引入了可能威胁机载系统的漏洞。欧洲航空安全局和美国联邦航空局等监管机构认识到，前所未有的网络化飞机模型可能会影响长期存在的安全法规和指导。在本文中，我们重点关注特定网络应用程序的安全，即飞机可加载软件的电子分发。数据网络的使用为安全关键和业务关键的飞机软件的破坏提供了机会。本文介绍了我们提出的安全框架，用于识别对飞机软件分发的威胁并减轻这些威胁。此外，还讨论了分发安全方面的挑战以及网络化飞机安全性方面的未解决的问题。
APJ 阿卜杜勒卡拉姆博士技术大学北方邦，......
电池安全：团队必须确保电池端子不会发生短路和潜在的火灾隐患。违反规定将被取消比赛资格。 禁止更换电池：比赛期间不允许更换电池。 静止：如果机器人在 30 秒内无法移动至少一英寸，则将被视为静止。但是，如果机器人传动系统的一侧被禁用但仍能显示一些移动，则不会取消比赛资格。 气动装置：允许使用加压非易燃气体来启动气动装置。允许的最大喷嘴压力为 50 巴。储罐和压力调节器必须经过认证，团队必须在注册时出示安全和安保文件。 压力监控：机器人必须配备机载仪表来指示气压，并配备检查气缸压力的装置。 仅限机载系统：所有气动和液压系统都必须是机载的。不允许从赛场外进行外部输入。 3. 比赛规则：
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。
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。