XiaoMi-AI文件搜索系统
World File Search System飞机着陆
使用生成对抗网络的生成合成飞机着陆轨迹
摘要 - 空中交通管理（ATM）系统的需求增加和复杂性需要在自动化方面取得重大进步，以确保安全和效率。人工知识（AI）和机器学习（ML）正在成为管理这种日益复杂性的有希望的解决方案，提供了增强的决策和预测能力。但是，ML模型在ATM中的有效性在很大程度上依赖于广泛的高质量数据的可用性。在许多情况下，此类数据是稀缺或不完整的，这为训练强大的模型带来了主要障碍。合成数据生成（SDG）是解决此问题的可行解决方案，从而可以创建解锁ML值求主的现实数据集。终端操纵区域（TMA）是空域的关键部分，其特征是交通密度高和轨迹类型，需要颗粒状数据才能准确地对这些情况进行建模。这项工作的主要研究目标是调查时机在产生合成的4维飞机着陆轨迹方面的适用性，能够捕获该空域中的交通模式，从而有助于分析空域约束并延迟传播。根据数据多样性，保真度和实用性评估了所得的合成轨迹。研究期间确定的主要挑战是数据类别的不平衡，这影响了模型准确捕获数据模式的能力，尤其是在较不频繁的情况下。这项工作证明了时刻在产生多种现实的轨迹方面的能力，这些轨迹难以与实际历史数据区分开。基于单独的分组生成合成数据显示了解决这些不平衡的希望，尽管这种方法对组的名称敏感。关键字 - 空气流量管理，深层生成模型，生成对抗网络，多元时间序列序列，合成数据质量评估
新颖的电池电源能力评估改进了EVTOL飞机着陆
电动垂直起飞和降落（EVTOL）飞机部署的关键方面是所使用的电池的安全性和性能能力。安全要求的一个组成部分是需要储备能源，只有在紧急情况下才能使用。在文献中，已经观察到应限制电池能量储备区域的下限，以避免发生急剧下降电压下降的区域。在此，提出了一种定义下限的方法。这旨在延长飞机可以在登陆不再完成之前巡航的时间。一种新型的功率能力测试程序用于测量可以完成恒定功率脉冲的最低电荷（SOC）。这与在预定的SOC点执行脉冲的现有功率能力测试不同。提出的方法的目标是复制着陆条件，以了解低SOC的功率能力性能。对各种环境条件和用例进行了测试，包括温度和功率脉冲以及两组不同老化的细胞。对于定义的测试条件，日历老年细胞的最低SOC值范围为6％至14％，而循环老化细胞的范围为8％至27％SOC。该测试的结果是一个特征图，将温度，脉冲功率和脉冲持续时间与最低SOC相关联。特征图指示需要在需要执行降落之前允许电池的最低SOC值。将特征图的精度与从测试数据参数参数的电池等效电路模型进行了比较。根据一组先前未测量的实验条件对定义的方法进行了实验验证。总体而言，与测量值相比，特征图提供了良好的精度，而MAP和模型方法的平均最大绝对百分比误差最多为7.5％。此外，测试结果表明，如果将最坏情况的降落场景用作储备区的下限，则如果不考虑细胞降解，则可用的名义飞行的可用SOC范围将受到很大的影响。
飞机着陆应用 - HAL 激光门户
摘要：飞机在着陆过程中的位置是关键。一组传感器提供数据以获得对飞机定位的最佳估计。然而，数据可能包含异常。为了保证传感器的正确行为，必须检测异常。然后，要么隔离故障传感器，要么过滤检测到的异常。本文提出了一种用于检测和纠正异常的新型神经算法，称为 NADCA。该算法使用紧凑的深度学习预测模型，并使用真实着陆信号中的真实和模拟异常进行了评估。NADCA 检测和纠正快速变化和缓慢移动的异常；无论信号的振荡程度如何，它都是稳健的，并且不需要隔离具有异常行为的传感器。无论传感器精度如何，NADCA 都可以实时检测和纠正异常。同样，NADCA 可以处理不同传感器中同时发生的异常，并避免信号之间可能出现的耦合问题。从技术角度来看，NADCA 使用一种新的预测方法和一种新的方法来实时获得平滑信号。 NADCA 的开发是为了检测和纠正飞机着陆过程中的异常情况，从而改善向飞行员提供的信息。尽管如此，NADCA 是一种通用算法，在其他情况下也很有用。NADCA 评估显示，异常检测的平均 F 值是 0.97，平均均方根误差 (R
应用于飞机着陆 - Portail HAL laas
摘要：飞机在着陆过程中的位置至关重要。一组传感器提供数据以获得对飞机定位的最佳估计。但是，数据可能包含异常。为了保证传感器的正确行为，必须检测异常。然后，要么隔离故障传感器，要么过滤检测到的异常。本文提出了一种用于检测和纠正异常的新型神经算法，称为 NADCA。该算法使用紧凑的深度学习预测模型，并使用真实着陆信号中的真实和模拟异常进行了评估。NADCA 检测和纠正快速变化和缓慢移动的异常；无论信号的振荡程度如何，它都很稳健，并且不需要隔离具有异常行为的传感器。无论传感器精度如何，NADCA 都可以实时检测和纠正异常。同样，NADCA 可以处理不同传感器中同时发生的异常，并避免信号之间可能出现的耦合问题。从技术角度来看，NADCA 使用一种新的预测方法和一种新的方法来实时获得平滑信号。NADCA 已被开发用于在飞机着陆期间检测和纠正异常，从而改善向飞行员呈现的信息。尽管如此，NADCA 是一种通用算法，在其他情况下可能有用。NADCA 评估给出的异常检测平均 F 值是 0.97，异常纠正平均均方根误差 (RMSE) 值是 2.10。
基于视觉的商用飞机着陆 - eucass
摘要 本文介绍了一种基于视觉的着陆 (VBL) 概念，该方法整合了以下贡献：a) 利用飞行员交互来利用人类卓越的物体识别能力。这大大减少了视觉系统必须覆盖的搜索空间。飞机数据、已知情景背景和背景信息也被整合在一起。b) 一种不同的设计方法，包括多种图像处理 (IP) 算法的组合，提高了从早期进近到着陆和在不同环境条件下滑行的整个距离范围的稳健性。c) 使用此处介绍的结果进行飞机控制的视觉伺服在随附的论文中进行了展示。13 对于初步测试，已经实施了合成图像的模拟。
飞机着陆系统 - NATO STO
第二场会议“常规飞机的系统细节”讨论了飞机着陆系统的基本系统考虑因素。例如，距离较近的城市中心之间的短途飞行问题变得越来越重要，第三场会议“垂直/短距起降飞机的系统细节”非常恰当地处理了这一领域。第四场会议“飞机着陆系统经验”支持了前几场会议的系统考虑因素，其中包括许多详细介绍着陆经验的宝贵论文。第五和第六场会议“技术硬件”描述了着陆系统相当广泛和重要的技术硬件方面。