XiaoMi-AI文件搜索系统
World File Search System飞机着陆
飞机 LTO 循环污染物排放建模...
首次对苏加诺哈达国际机场飞机着陆起飞循环的污染物排放（CO、HC 和 NOx）和燃料消耗进行了评估。我们按飞机类型重点介绍了大型飞机，它们是该机场及其周边地区污染物排放的最大贡献者。进行分析以精确确定它们与燃料消耗之间的关系。提供了不同运行模式（滑行和起飞）的飞机污染物分布，并进行了比较。还确认了它们的扩散和影响。为了改善飞机对环境的影响，需要与空中导航功能相关的具体指导。空中交通管理局应更新现有指导，印度尼西亚政府应扩大对现有环境政策的修订。机场运营商、政府环境委员会、航空公司、空中交通管理人员和飞机制造商应积极参与，以评估减少排放对机场周边社区影响的可能解决方案的潜在益处。政府和飞机运营商都应采取行动，减少飞机的温室气体排放并节省燃料。可持续性是航空业面临的一个关键问题，航空业一致致力于为这个国际机场的可持续未来制定全球解决方案。 2013 Trade Science Inc. - 印度
飞机使用 GPS 运行的数学模型
本文介绍了使用基于 GPS 技术的飞机自动着陆系统。GBAS（地面增强系统）系统由地面和飞机子系统组成。它使用 GPS 信号确定 3D 空间中的位置，比现有的 ILS 着陆系统具有更多优势，在不久的将来，ILS 着陆系统将被完全取代。本文概述了这些优势。特别强调的是，飞机在进近和着陆阶段可以沿着灵活的曲线轨迹进行引导。这一事实表明，飞机可以在更大的角度下着陆，并避开机场周围区域的障碍物，减少人口稠密地区的噪音等。在交通方面，GBAS 正在增加机场的容量，并支持单位时间内更多的飞机着陆。随着 GPS 技术的发展和坐标测量精度的提高，以及使用作为 GBAS 基础的差分 GPS，实现了满足着陆规定要求的精度。本文介绍了用于 Matlab/SIMULINK 着陆过程仿真的飞机模型和着陆制导系统模型。建模方法和仿真是开发着陆算法、评估系统性能以及评估风和传感器测量误差等各种障碍的影响的良好方法。
影响飞机起飞及平稳飞行的因素分析
飞机着陆是飞行的最终阶段，飞机从 15 米的高度慢速飞行，着陆后完全停下来，然后在跑道上滑行 [4]。着陆是飞行中最困难的阶段，要求飞行员具备非常高的驾驶技能 [1]。着陆是通过减速并下降到跑道来完成的。减速是通过使用襟翼、起落架或减速板减少推力和/或产生更大阻力来实现的。飞行的起飞过程可分为两个主要阶段 - 加速和起飞。这两个阶段又由其他某些子阶段划分。航空工业的进步现已达到所有这些阶段都可以在没有飞行员参与的情况下进行的地步，即使用自动驾驶系统。在民航中，无人系统仍被谨慎使用，主要仅在水平飞行阶段使用，并且仍由机组人员控制。不过，主要是由经验丰富的飞行员执行着陆过程。由于着陆时所有动作的复杂性和危险性，根据统计，此阶段被认为是最危险的阶段 [2]。这项工作的目的是分析影响地面路径长度的因素，并开发一种系统，该系统可以在飞机着陆后完全自动停止飞机，或者至少帮助飞行员确定剩余的制动距离，以防止危险情况。开发的系统和方法将提供信息
使用虚拟现实进行维护程序培训
鉴于技术的快速进步和预算的下降，海军正在通过“水手 2025”和“高速学习”等计划探索创新的培训解决方案，这些计划要求进行更多以学习者为中心的实践培训。与这些计划一致，虚拟现实 (VR) 通过为水手提供交互式沉浸式 3-D 模拟环境来训练关键技能，提供了一种低成本的传统培训方法替代方案。事实上，理论研究预测，这种沉浸式培训将比传统的基于计算机的培训在程序性任务培训方面产生更好的学习效果，但很少有系统的实验来研究 VR 如何以及为什么对培训有效。我们进行了一项实验：1) 测试 VR 在军事任务培训方面是否与基于桌面的培训一样有效，2) 比较两种不同的输入方法在 VR 环境中进行交互。83 名参与者接受了 E-28 拦阻装置的维护程序培训，该系统可钩住飞机并在飞机着陆时迅速减速。参与者被随机分配到三种训练条件之一：基于桌面的模拟、基于手势的 VR 或基于语音的 VR。书面回忆测试是我们对学习成果的衡量标准。我们分析了受训者在训练过程中犯的错误，发现不同条件之间的差异表明桌面训练可能不如 VR 训练有效：
基于视觉的无人机自主着陆学习方法...
根据 ONERA [1] 和 EASA [21] 的路线图，实施机器学习 (ML) 技术以提高飞行器的自主性和可靠性是一个非常活跃的研究领域。视觉传感器和计算性能的最新进展以及 ML 技术和算法的改进使基于计算机视觉的解决方案成为改进制导、导航和控制架构的真正资产，例如通过丰富数据融合算法，从而提高无人机的导航性能 [24]。此外，这些解决方案是被动的、廉价的，除了机载摄像头和视觉处理单元外，不需要任何特殊设备。近年来，ONERA 和 ISAE-SUPAERO 为基于计算机视觉的民用飞机自主性和安全性的最新进展做出了重大贡献。尽管获得了宝贵的成果和多次成功的飞行演示，但大多数开发的方法都是基于经典技术，数据驱动算法的使用非常有限，并且考虑的场景仅限于正常能见度条件。因此，其他机器学习方法和架构仍有很大的改进和探索空间，特别是在民用飞机着陆阶段，在正常和下降的能见度条件下。事实上，着陆阶段被认为是迄今为止最关键的阶段，它可以从计算机视觉工具中受益，这些工具可以为飞行员提供信息，甚至可以部分或完全控制飞机。基于视觉的着陆是 EASA CoDANN（神经网络设计保证概念）报告 [6] 中详述的第一个具体示例，需要在传感器生成的图像上识别着陆跑道。
第 8 章 - 机场导航辅助设备 - La DOTD
机场的视觉和导航辅助设备 (NAVAIDS) 的主要功能是协助飞行员在飞机着陆、起飞和滑行过程中安全高效地移动飞机。因此，确保所有视觉和导航辅助设备正常工作并保持良好状态非常重要。本章将简要讨论各种视觉和导航辅助设备，提供关于大多数通用航空设施上更标准的视觉和导航辅助设备的检查程序的一般建议，并讨论维护此类设备时的安全程序。美国联邦航空局最近修订了其 2005 年 4 月 4 日发布的咨询通告 150/5340-26A，标题为“机场视觉辅助设施的维护”，该通告通过引用并入本文。咨询通告提供了系统维护信息，用于在您的机场建立机场视觉辅助设施的预防性维护计划。 AC 中的信息涵盖以下系统：机场照明拱顶和串联照明电路恒流调节器 (CCR)跑道和滑行道高架边缘照明系统跑道和滑行道路面照明系统跑道保护灯和停止排灯照明跑道和滑行道标志旋转信标照明风锥组件精密进近航道指示器 (PAPI) 系统目视进近坡度指示器 (VASI)跑道末端识别灯 (REIL) 和全向进近灯光系统 (ODALS)中等强度进近灯光系统 (MALS, MA
跑道上的 PAPI 灯光控制器原型 ...
每个机场均配备机场照明系统 (AFL) 作为飞机着陆、起飞和滑行的视觉辅助，以确保航班安全运行。AFL 之一是精密进近航道指示器 (PAPI)，其功能是引导飞行员提供正确的着陆角度信号以便在跑道上着陆。PAPI由4个盒子组成，分别是盒子A，B，C，D，每个盒子有2个PAPI灯，这样加起来就有8个PAPI灯。特别是在阿迪苏玛莫苏拉卡尔塔国际机场，PAPI和恒流调节器之间的距离非常远，并且没有对PAPI的直接监控和控制。一旦发生 PAPI 损坏，技术人员将首先从塔台收到信息，并且处理会延迟，这可能会影响飞行安全。针对发现的问题，作者提出了解决方案，即使用可编程逻辑控制器 (PLC) CP1E N30SDR-A 和人机界面 (HMI) 作为显示监视器，创建 PAPI 监控系统。使用的方法是使用电压分压器电压传感器连接到PAPI和SRF05超声波传感器来检测飞机的高度，然后转发给Arduino，之后PLC将从Arduino接收数据并转发给HMI 作为监视器显示。该工具可以在超声波传感器、电压读数和HMI监控方面发挥良好的作用。该工具的电压传感器测试结果是，框A的误差为3.92％，框B的误差为1.28％，框C的误差为4.7％，框D的误差为2.09％。关键词：AFL、Arduino、CCR、HMI、监控、PAPI、控制器、PLC、跑道、传感器
飞机起飞和着陆影响因素分析
飞机着陆是飞行的最终阶段，飞机从 15 米的高度缓慢飞行，着陆后完全停止，然后在跑道上滑行 [4]。着陆是最困难的飞行阶段，要求飞行员具备非常高的驾驶技能 [1]。着陆是通过减速并下降到跑道来完成的。减速是通过减少推力和/或使用襟翼、起落架或减速板产生更大的阻力来实现的。飞行的起飞过程可分为两个主要阶段 - 加速和起飞。这些阶段由其他某些子阶段划分。航空工业的进步现在已经达到了所有这些阶段都可以在没有飞行员参与的情况下进行的程度，即使用自动驾驶系统。在民航中，无人系统仍被谨慎使用，主要仅在水平飞行阶段，并且仍由机组人员控制。然而，主要是经验丰富的飞行员执行着陆过程。由于着陆时所有动作的复杂性和危险性，根据统计，此阶段被认为是最危险的阶段 [2]。这项工作的目的是分析影响地面路径长度的因素，并开发一种系统，该系统可以在飞机着陆后完全自动停止飞机，或者至少帮助飞行员确定剩余的制动距离，以防止危险情况。开发的系统和方法将告知机组人员剩余的制动距离。系统计算包括跑道的剩余长度，以飞机配备的系统的输出信号为基础 [3]。系统还考虑了各种因素，例如天气条件 [7]、刹车和轮胎状况、刹车率、减速统计、特定飞机的空气动力学特性 [5, 9]、控制方法 [12] 等。本文分析了飞机的刹车距离。根据事故统计，开发一种能够控制飞机着陆后和起飞期间刹车距离的自动化装置非常重要 [2]。该装置能够随时计算必要的制动力，以合理使用飞机的刹车系统，最大限度地延长轮胎和刹车的磨损，确保乘客安全并排除飞行员失误的可能性 [6]，以及用各种材料制成的元件和结构的强度 [8, 10, 11]。
飞机燃油规划和安全风险评估...
在本报告中，我们展示了荷兰皇家航空航天中心 (NLR) 航空运输安全研究所进行的研究成果。该研究项目是作者的硕士论文，旨在攻读代尔夫特理工大学 (航空运输与运营) 的航空航天工程硕士学位。该项目的主题是航空安全和定量风险评估领域。具体来说，该研究涉及航空公司运营 (商业航空运输) 中的燃料规划和燃料管理的安全问题。随着空中交通的快速增长，保持当前的安全水平并进一步提高它们是一项挑战，以实现欧盟的愿景安全目标，即到 2050 年每 1000 万次航班的事故少于一次。在各种事故和事件类别中，该项目研究与燃料有关的事故和事件。具体来说，我们调查了两起与燃料有关的事件；飞机着陆时燃油量低于最低规定燃油量（称为 FRF - 最终储备燃油）的概率以及燃油耗尽的概率。为了分析和评估安全风险，我们遵循了 TOPAZ 方法的步骤。根据之前对该主题的研究，创建了一份详尽的危险清单，并开发了一个基于代理的风险模型，并将其实施为随机动态着色 Petri 网 (SDCPN) 模型。风险模型以 JAVA 编程语言算法实现，方向是进行蒙特卡洛模拟。第一个事件（FRF）概率是通过常规（直接）蒙特卡洛模拟估计的，而对于第二个事件（燃油耗尽），常规蒙特卡洛被证明是不够的。事实上，燃油耗尽是一种罕见事件，因此需要实施加速方法。选择的加速方法是相互作用粒子系统 (IPS)。最后，通过模拟，我们估计了几种运行场景中这些罕见事件的概率。对燃料相关风险的可接受性进行了评估，最终证明对于所有场景，风险都是可以容忍或可接受的，同时还识别和分析了最突出的安全瓶颈。
航空 ICT 设备和系统概述...
图 1。航空公司 IT 趋势调查。航空公司正在向 IT 项目和计划投入大量资金 [2]。......................................................................................................................................................... 11 图 2。空客 A380 客舱仪表板 - 配备电子主飞行显示器 (PFD)、导航显示器 (ND)、多功能显示器 (MFD) 和系统显示器 (SD) [4]。......................... 12 图 3。使用 ForeFlight 从配备 GPS 的 iPad 截取的屏幕截图 [5]。................................................. 13 图 4。晴天空中交通密度，显示 24 小时内的延误问题。[6] ................................ 14 图 5。加拿大航空移动应用程序 - 数字登机牌和航班信息 [7].............................................. 15 图 6。NextGen 数据通信的重要性 - 信息图。NextGen 将实现的改进。[10] ........................................................................................................................... 19 图 7。标准飞机“6 件套”仪表板 [14]............................................................................. 21 图 8。增强视觉显示，Garmin 1000 [16]。............................................................................. 22 图 9。EFB 分类系统 [19]。........................................................................................................... 24 图 10。2013 年 10 月 9 日生成的天气图，显示恶劣天气系统（中心孤立的积雨云）[23]。........................................................................................................ 29 图 11：1998-2005 年北美空域的延误 [6]。............................................................. 29 图 12：自动化权衡，DVI 航空。访问日期：2013 年 9 月 9 日。[26] ............................................................. 32 图 13 波音 727 的检查表，在电子化实施之前。[28] ............................................. 34 图 14：调查结果：未能注意到变化 [30]。................................................................................ 36 图 15：调查结果：未能监控飞机自动化 [30]。.................................................... 37 图 16：调查结果：未能监控变化 [30]。........................................................................... 38 图 17：调查结果：过度自满 [30]。.................................................................................... 39 图 18：加拿大航空全动模拟器，加拿大多伦多 [33]。...................................................................... 41 图 19：哈德逊河飞机着陆，访问时间为 2013 年 9 月 11 日 [36]。...................................................................... 43 图 20：韩亚航空 216 航班重建 [37]。......................................................................................... 44 图 21：波音 FMS、ACARS 消息 [40]。............................................................................................. 46 图 22：现在和未来的 ATN 覆盖范围 [42]。............................................................................................. 47 图 23：利用安全管理器的飞机通信模型 [38]。........................................... 50 图 24：加拿大飞行员执照结构 ...................................................................................................... 51 图 25：带有天气叠加的飞行前地图 [5]................................................................................. 53 图 26：飞机从安大略省奥沙瓦飞往佛罗里达州迈尔斯堡的图片，以及夜间进近。.................................................................................................................................... 55 图 27：NextGen - 飞行阶段 [46]。...................................................................................................... 59