空客最新的宽体客机 A330neo 的开发充分利用了 A350 的技术。此外,在设计 A350 时,空客的目标之一是在原始 A330 的通用性和 A380 的创新性之间取得平衡。例如,A350 和 A380 采用了相同的侧杆和带包线保护的数字电传飞行控制理念 - 该理念首次应用于 A320 和 A330 客机,现在已成为空客产品系列的标准配置。空客的另一项标准功能是“暗驾驶舱”概念,即灯光仅在顶置系统管理面板上亮起,以指示需要采取行动的位置。总体而言,A330neo 和 A350 的驾驶舱布局相似。最明显的区别是 A350 拥有更大的屏幕和机载信息系统 (OIS) 显示屏。在 A330neo 上,大部分内容都可以在电子飞行包 (EFB) 笔记本电脑或平板电脑上使用。
与 A320、A321 和 A330 一样,它包含以下所有功能: - 配备 CRT 显示器的双人机组操作; - 电信号飞行控制; - 侧杆控制器; - 全权限数字发动机控制 (FADEC); - 集中维护系统 (CMS)。
2.1目前窄带(L波段、VHF、HF)系统多用于座舱通信,提供语音和数据通信服务;Ku/Ka波段多用于客舱通信,为客舱旅客提供互联网接入服务。随着以Ka/Ku高通量卫星为代表的新一代宽带卫星技术的发展和成熟,客舱通信容量大幅提升,单机速率已高达100Mbps,流量成本大幅降低(目前约为座舱成本的1/100或以下)。以座舱宽带连接为特征的新一代互联飞机,有助于提升航空公司运维和管控服务能力,未来将迎来爆发式发展。近年来,包括Inmarsat在内的许多国家和组织都在大力发展和部署高通量卫星。HTS业务网络的快速发展,为一体化驾驶舱客舱宽带空地互联的规模应用提供了有利条件和机遇。
摘要—针对传统VAPS XT座舱显控拓扑结构存在的问题,本文提出了基于综合数据分布网络的VAPS XT座舱显控系统仿真。本仿真采用综合数据分布网络替代nCom通信网络。通过该方法,可以将仿真模块的业务逻辑与数据通信机制分离。因此,各个仿真模块只需与数据分布网络进行交互。数据分布网络通过nCom数据通信网关与VAPS XT仿真软件进行数据传输。实践证明,这是一种减少nCom通信编程工作、提高座舱显控仿真系统的可扩展性和灵活性的有效方法。
本论文由候选人论文委员会主席、航空科学系 John A. Wise 博士指导撰写,并已获得其论文委员会成员的批准。该论文已提交给研究生院,并被接受为部分满足航空科学硕士学位的要求。
PC-12 NextGen 驾驶舱支持双飞行管理系统 (FMS)、电子图表、发动机数据集中器单元、自动油门象限组装套件(专利申请中)、集成待机单元 (ISU)、卫星气象、集成 TAWS 的合成视觉 (SVS)、用于前视红外雷达 (FLIR) 的可选增强视觉 (EVS)。与生产线上的最新一代飞机相比,该套件具有更大的显示区域和更多的显示像素。驾驶舱完全符合 NextGen 对所需导航性能 (RNP) 的要求。
背景。操作飞机是多维且复杂的。飞行员必须“飞行、导航、通信”——保持空中飞行、管理飞机航线并与空中交通管制部门通话。为了方便完成这些任务,驾驶舱引入了自动化(Billings,1997 年)。当这种自动化发生故障时,后果充其量是令人讨厌的,最坏的情况是危及生命(Endsley & Kiris,1995 年)。自动化中的错误可能会令人惊讶和分心,从而导致自动化意外(Boer & Dekker,2017 年)。这些可能会导致飞行员感到困惑,进而导致人为错误,这是航空事故的主要原因(Lyssakov,2019 年)。识别这种混淆及其原因可能会改善人机交互 (Dehais 等人,2015)。在之前的一项研究中 (Krol 等人,2018),我们表明可以通过脑电图 (EEG;Berger,1929) 记录飞行员对飞行相关事件的认知反应,使用被动脑机接口 (pBCI;Zander & Kothe,2011) 确定不同级别的事件关键性并实时将解释报告回驾驶舱。此程序可用于使驾驶舱适应飞行员的认知,从而形成神经自适应驾驶舱 (Krol 等人,即将出版)。在本研究中,我们开发了一个更具体的分类器,可以可靠地检测飞行员对意外和/或错误的飞行相关事件的认知反应,这些事件对于持续操作飞机至关重要。方法。记录了 13 名试飞员(均为男性)的脑电图活动和眼球运动,年龄 44-62 岁(平均 54 岁),飞行经验 7210 ± 4809 小时。我们在两部分实验中使用了 32 通道移动无线脑电图系统 1 和双目眼球追踪眼镜 2。在第一部分中,参与的飞行员进行了 10 个新设计的训练范例。我们打算针对意外事件(S 分类器)、错误事件(E 分类器)以及意外和错误事件(AS 分类器)校准不同的分类器,以对应可能的自动化意外。因此,我们设计了一种训练范式组合,即交互奇特范式。该范式由 2 个独立部分组成,分类器在结果数据的不同部分上进行训练。为了唤起与意外和/或错误相对应的认知状态,我们模拟了一个计算机程序,需要教它何时计数音调以及何时忽略它。在 10 个块中的每个块中呈现 50 个音调序列。每个音调可以是标准音调(概率 70%-80%)、非目标音调(概率 10%-15%)或目标音调(概率 10%-15%)。这代表了一个标准的奇特范例(Friedman 等人,2001 年)。研究发现,目标音调会引起参与者的惊讶(Squires 等人,1975 年)。指示参与者在每个音调之后口头说明它是目标音调(“是”)还是不是目标音调(“否”)。然后计算机给出声音反馈:“计数”或“忽略”。由于语音识别是(参与者不知道)模拟的,因此反馈与参与者的评估无关。这使我们能够控制反馈中发生的错误数量。在前 7 个区块中,不一致反馈的概率为 14%-18%,即计算机在“是”后回答“忽略”,或在“否”后回答“计数”。这对应于罕见的、令人惊讶的错误。在最后 3 个区块中,不一致概率为 38-40%,对应于频繁的错误。
与 A320、A321 和 A330 一样,它包含以下所有功能: - 配备 CRT 显示器的双人机组操作; - 电信号飞行控制; - 侧杆控制器; - 全权限数字发动机控制 (FADEC); - 集中维护系统 (CMS)。
cornell.edu › 论文 PDF 2017 年 11 月 24 日 — 2017 年 11 月 24 日 接受过培训、社交或获准驾驶某些飞机?这些问题的解决方案......人体工程学和人体测量学的概念(McCormick 和 Sanders。