XiaoMi-AI文件搜索系统
World File Search System飞机姿态
采用传感器融合技术确定飞机姿态和位置信息
图 3.11：GPS 与垂直陀螺仪姿态.................................................................................... 41 图 3.12：GPS 与垂直陀螺仪姿态.................................................................................... 41 图 3.13：卡尔曼滤波器序列...................................................................................... 42 图 3.14：卡尔曼滤波器状态和协方差矩阵的进展....................................................... 46 图 3.15：扩展卡尔曼滤波器 (EKF) 序列.................................................................... 47 图 4.1：YF-22 机载计算机 2.................................................................................... 52 图 4.2：NovAtel GPS.................................................................................................... 53 图 4.3：Goodrich Systems 垂直陀螺仪.................................................................... 54 图 4.4：IMU 与 GPS 测量获取率............................................................................. 55 图 4.5：GPS 位置（放大）..................................................................................... 57 图 4.6：GPS 位置 -瞬时信号丢失................................................................................ 57 图 4.7：方差计算的稳定状态时间段.................................................... 59 图 4.8：GPS 辅助 INS/垂直陀螺仪框图.................................................... 61 图 4.9：滤波处理序列....................................
传感器 - 语义学者
摘要：本文提出了一种稳健、准确的飞机姿态估计方法。飞机姿态反映了飞机的飞行状态，准确的姿态测量在许多航空航天应用中都非常重要。本工作旨在建立一个基于通用几何结构特征的飞机姿态估计通用框架。该方法提取线特征来描述单幅图像中的飞机结构，并利用通用几何特征形成线组以进行飞机结构识别。利用平行线聚类来检测机身参考线，飞机的双侧对称特性为弱透视投影下机翼边缘线的提取提供了重要约束。在识别飞机主要结构后，采用平面相交法根据建立的线对应关系获得三维姿态参数。我们提出的方法可以增加双目视觉传感器的测量范围，并且具有不依赖于三维模型、合作标记或其他特征数据集的优势。实验结果表明，我们的方法可以获得不同类型飞机的可靠和准确的姿态信息。
CS-25 飞机的耐撞性 – - AIDAA
- 准备时间（倾倒燃料、关闭流出阀……） - 尽量减少冲击（降低前进和垂直速度 Vz、飞机姿态） - 考虑冲击载荷（Vz = 5 fps @ MLW）、结构损坏和浮力/浮力（疏散时间）
航空及航天工程学系 - 香港理工大学
先进的航空电子系统：机载通信系统（甚高频和高频收发器、甚大线模式；导航通信系统；紧急无线电示位标）；电传飞行控制（FBW 飞行控制特性、安全性和完整性、冗余度和故障生存、数字化实施和问题、飞行控制软件功能）；飞机综合系统（几乎所有飞机姿态和飞行路径指挥和控制参数的综合系统以及飞行指引仪和自动驾驶系统的模式报告、实时软件和先进的分布式架构）。
通过深度学习实现远程控制 - NSF PAR
摘要 — 人类遥控 (RC) 飞行员能够仅使用第三人称视角视觉感知来感知飞机的位置和方向。虽然新手飞行员在学习控制遥控飞机时经常会遇到困难，但他们可以相对轻松地感知飞机的方向。在本文中，我们假设并证明深度学习方法可用于模仿人类从单目图像感知飞机方向的能力。这项工作使用神经网络直接感知飞机姿态。该网络与更传统的图像处理方法相结合，用于飞机的视觉跟踪。来自卷积神经网络 (CNN) 的飞机轨迹和姿态测量值与粒子滤波器相结合，可提供飞机的完整状态估计。介绍了网络拓扑、训练和测试结果以及滤波器开发和结果。在模拟和硬件飞行演示中测试了所提出的方法。
NASA/TM—2019–220390 评估飞行的最佳实践...
SE-210 项目概述商业航空安全团队 (CAST) 成立了一个团队来分析一系列与机组人员失去对飞机姿态或能量状态的意识有关的事件和事故。这些事件被更广泛地称为失去飞机状态意识 (ASA)，它们是失控 (LOC) 事故的一个重要子集。随后，CAST ASA 团队制定了一套缓解策略 - 称为安全增强 (SE) - 以降低未来发生 ASA 事件的可能性。六个 SE（SE 200、207 至 211）要求进一步研究缓解策略。我们的工作专门用于解决 SE 210 输出 2 中确定的研究（请参阅 https://www.skybrary.aero/bookshelf/books/ 2540.pdf）。SE-210 输出 2 解决了驾驶舱界面在形成飞行员意识方面的贡献。更具体地说，重点是评估或评估驾驶舱界面，以确定其对 ASA 的支持程度。我们已经就此主题制作了一系列报告。
NASA/TM—2019–220390 评估飞行的最佳实践...
SE-210 项目概述 商业航空安全团队 (CAST) 成立了一个团队来分析一系列与机组人员失去对飞机姿态或能量状态的意识有关的事件和事故。这些事件被更广泛地称为失去飞机状态意识 (ASA)，它们是失控 (LOC) 事故的一个重要子集。随后，CAST ASA 团队制定了一套缓解策略 - 称为安全增强 (SE) - 以降低未来发生 ASA 事件的可能性。六个 SE（SE 200、207 至 211）要求进一步研究缓解策略。我们的工作专门用于解决 SE 210 输出 2 中确定的研究（请参阅 https://www.skybrary.aero/bookshelf/books/ 2540.pdf）。SE-210 输出 2 解决了驾驶舱界面在形成飞行员意识方面的贡献。更具体地说，重点是评估或评估驾驶舱界面，以确定其对 ASA 的支持程度。我们已就此主题制作了一系列报告。
基于重要性变化的性能下降及其在异种冗余驱动系统中的应用
摘要：重要性测度是识别和评估系统薄弱环节的重要方法，广泛应用于航空、航天、核能等系统的优化设计和维护决策。非相似余度作动系统（DRAS）是实现飞机姿态和飞行轨迹控制的关键飞机控制子系统，其性能和可靠性直接影响飞机的飞行品质和飞行安全。本文分别考虑Birnbaum重要性测度（BIM）和综合重要性测度（IIM）对DRAS中关键部件可靠性变化的影响，首先考虑了性能退化和功率不匹配导致不同部件物理故障特征的差异，然后分析了DRAS中关键部件的可靠性变化。然后通过假设 DRAS 组件的随机退化过程遵循逆高斯 (IG) 过程来估计系统中每个组件的可靠性。最后，使用 BIM 和 IIM 识别系统的薄弱环节，以便在维护期间将资源合理地分配给薄弱环节。所提出的方法可以为人员维护提供技术支持，从而以最小的生命周期成本提高系统可靠性。
相对航向估计及其在 GPS 拒绝环境中的目标切换中的应用
摘要 — 在本文中，我们解决了两架无法使用全球定位系统的固定翼飞机之间的目标切换问题。该问题需要估计飞行器之间的相对姿势。我们假设机载惯性测量单元可以提供飞机姿态的横滚和俯仰估计。我们研究了完成切换问题所需的其他相对状态的可观测性。具体来说，我们考虑了两种不同的情况。在第一种情况下，我们假设测量了飞机之间的相对位置，就像雷达或激光雷达传感器的情况一样。我们假设两架飞机不交换空速和转弯速率信息。在温和的假设下，我们表明两架飞机之间的相对航向是可观测的。在第二种情况下，我们假设只测量两架飞机之间的方位角，就像视觉传感器的情况一样。我们证明了与目标跟踪和切换相关的机动的状态可观测性。我们还提出了一种估计算法，该算法使用一组扩展卡尔曼滤波器来估计相对状态。全车动态仿真结果证明了所提方法的可行性。索引术语 — 多机器人系统、非线性滤波器、非线性可观测性、姿势估计、无人机。
在模拟环境中生成数据集...
在安全关键型飞机领域，在着陆进近期间实施用于跑道检测的物体检测方法受到限制。这种限制是由于验证设计和理解物体检测在操作过程中的行为方式的能力所带来的困难。在操作过程中，物体检测需要考虑飞机的位置、环境因素、不同的跑道和飞机姿态。训练这样的物体检测模型需要一个定义上述特征的综合数据集。需要分析特征对检测能力的影响，以确保数据集中图像的正确分布。收集这些场景的图像成本高昂，而且是航空业安全标准的必需要求。合成数据可用于限制创建包含所有特征的数据集所需的成本和时间。通过在模拟环境中生成数据集的形式使用合成数据，这些特征可以直接应用于数据集。这些特征也可以在不同的数据集中单独实现，并相互比较，以分析它们对物体检测能力的影响。利用该方法实现上述功能，可以确定以下结果。为了使物体检测考虑大多数着陆情况和不同的跑道，数据集需要复制真实飞行数据并生成额外的极端着陆情况。数据