XiaoMi-AI文件搜索系统
World File Search System空中
基于 4D 轨迹的空中交通管理
摘要。当前的空中交通管理 (ATM) 功能方法正在发生变化：现在“时间”被整合为轨迹的第四维度。这一概念将要求飞机准确遵守指定检查点的到达时间，称为时间窗口 (TW)。在此背景下，我们回顾了 4D 轨迹的操作概念，首先分析了它们在通信、导航和监视 (CNS) 系统中实施的基本要求，然后研究了它们在未来 ATM 环境中的管理。我们专注于定义 4D 轨迹与未来 ATM 框架的其他概念和系统之间的关系，以及其应用所需的需求，详细说明必须部署的主要工具、程序和 ATM/CNS 系统。我们评估了 4D 轨迹的管理和规划方式（协商、同步、修改和验证过程）。然后，基于 4D 轨迹的退化，我们通过评估退化容差和条件来定义和引入必要的纠正措施。
空中交通管制解决方案 - ATEN
据 Fortune Business Insights 称，空中交通管制 (ATC) 市场持续增长，预计到 2027 年将达到 94.5 亿美元，2020-2027 年预测期内的复合年增长率为 6.96%。这是由于全球机场数量不断增加、对更好的空域管理技术的需求以及乘客数量的增加。网络安全也是 ATC 运营商日益关注的问题，因为随着系统运营、提供乘客服务和通信线路的数字化程度不断提高，其攻击面也不断扩大。因此，ATC 运营商比以往任何时候都更需要可靠、安全的解决方案。为了支持运营商对空中交通管制技术不断发展和关键任务的需求，ATEN 提供了四种捆绑解决方案，支持最新的冗余、屏幕分辨率、定制和安全性。ATC 依靠快速、安全的信息和通信来实现安全运营，ATEN 深知这一点，因此我们开发了 KVM over IP 解决方案来应对这一关键全球行业带来的挑战。
空中交通管理缩写汇编
和所有工作领域一样，如今航空业在术语、定义、命令、标准和技术描述中使用了数量庞大的缩写。这通常适用于航空通信、导航和监视、驾驶舱和空中交通管制工作岗位、客运和货运以及所有其他飞行计划、组织和指导领域。此外，许多缩写不止一次使用，或者在不同语言中具有不同含义。为了了解空中交通管理中最常用的缩写，欧洲空中导航安全组织、美国联邦航空管理局、德国国防部和德国航空航天中心等组织过去曾发布过缩写列表，这些列表也附在本文件中。此外，还收录了一些与航空相关的大型国际项目的缩写，以便为用户提供尽可能完整的目录。这意味着《空中交通管理缩写汇编》第二版现在收录了大约 16,500 个航空领域的缩写和首字母缩略词。当然，使用通用互联网搜索引擎搜索缩写时总会提供很多结果，但通常无法完全确定缩写是来自航空还是其他专业领域。 ATM 专业互联网网站提供在线目录，但只能通过现有的互联网连接才能访问。此时，航空和空中交通管理缩写汇编希望为现有的参考可能性提供补充。本文件主要包含英文缩写，但也包括一些常见的法语、西班牙语和德语缩写形式。此外，文件末尾还包含民航组织 (ICAO) 附件标题、航空无线电协会规范和认证规范的简短列表。为了快速找到本文件中的关键字，我们建议使用术语搜索，可以使用组合键 CTRL+f 在许多 PDF 查看器中访问该搜索。如果第一个结果不是您要查找的缩写，通常可以按 F3 功能键继续搜索。一些 PDF 查看器还提供便捷的向后搜索功能，使用组合键 Shift+F3。我们想借此机会感谢所有来自不同学科的同事，他们帮助创建和系统化了这些缩写。如果没有这些来自国内和国际的帮助，我们不可能编制出如此规模的缩写列表。布伦瑞克，2022 年 5 月 Nikolai Rieck Henrik Woelke Marco-Michael Temme
空中交通管制应急行动计划
• 通信（例如，关键的空中/地面通信中断） • 电话（例如，关键的地面/地面通信中断） • 自动化（例如，关键的国家空域系统 (NAS) 自动化或其他关键自动化功能中断） • 电力（例如，关键或备用电源中断） • 人员配备（例如，人员配备大幅减少） • 监视（例如，失去主/次雷达或其他监视功能） • 疏散（例如，设施部分或全部疏散） • 无响应（例如，没有与设施联系或响应）
空中交通管制 - 移动军用雷达
航站楼区域内起飞的飞机。精密进近雷达可在所有天气条件下执行引导着陆。操作设备包括最新的显示和通信自动化设备。管制员位置配备多功能、多模式数字彩色显示器和全套通信设备，可满足所有管制员的任务要求。为支持着陆条件的变化，跑道变更由远程控制处理。移动版本将 ASR 和 PAR 天线安装在单个拖车中，外加一个全功能四位置掩体。
空中交通管制 - 移动军用雷达
航站楼区域内起飞的飞机。精密进近雷达可在所有天气条件下执行引导着陆。操作设备包括最新的显示和通信自动化设备。管制员位置配备多功能、多模式数字彩色显示器和全套通信设备，可满足所有管制员的任务要求。为支持着陆条件的变化，跑道变更由远程控制处理。移动版本将 ASR 和 PAR 天线安装在单个拖车中，外加一个全功能四位置掩体。
启用空中3D打印
抽象的航空3D打印是一项开创性的技术，但在其概念阶段，结合了3D打印和无人驾驶飞机（UAVS）的前沿，旨在自动地在偏远和难以到达的位置建造大型结构。所设想的技术将通过利用无人机作为精确的建筑工人来实现建筑和制造行业的范式转变。但是，无人机的有效负载能力有限，以及操纵和计划所需的复杂敏捷性，施加了一个强大的克服障碍。旨在超越这些问题，本文提出了一种新型的基于空中分解和调度3D打印框架，该框架将模型的原始3D形状的近乎最佳分解分解为较小，更易于管理的子零件，称为块。这是通过基于启发式函数搜索平面切割来实现的，该函数结合了与子部分之间的互连性相关的必要约束，同时避免了无人机的挤出机和生成的块之间发生碰撞的任何可能性。此外，还提出了一个自主任务分配框架，该框架确定了一个基于优先级的序列，将每个可打印的块分配给无人机进行制造。使用基于物理学的凉亭仿真引擎证明了所提出的框架的效率，在该引擎中建立了各种基于原始的CAD的空中3D构造，考虑到非线性无人机动力学，相关的运动计划和通过模型预测性控制的相关运动计划和反应性导航。
空中对象检测分析
摘要。计算机视觉允许计算机从图像，视频和其他视觉输入中检索信息。无人驾驶汽车（UAV）技术也用于帮助计算机视觉从空中收集图像数据。本文旨在通过从对象上方垂直捕获图像来使用UAV进行树对象检测。图像数据是从2023年7月5日至12日从Sleman Yogyakarta附近收集的。总共将162张图像用作数据集。Yolov8n模型被实施至162张图像作为培训和验证数据。接下来，将其他12个图像用作测试数据。结果表明，Yolov8n可以从上方检测到树木。具有适当图像捕获的测试数据集的置信值超过80％。作为用于对象检测的深度学习算法，Yolo模型可以快速准确地执行对象检测。随后的研究将着重于使用Yolo算法来分析对象检测的实施，以测量开放绿色区域。