一、项目背景

本人具有多年民航大型运输机飞行及飞行训练经验，目前正在研发一套面向航空公司飞行训练与安全管理的专业人工智能系统——PilotMind AI。

本系统以飞机QAR（快速存取记录器）飞行数据为基础，通过自主航空专项AI模型，分析飞行员在着陆过程中的飞机状态、操纵输入和飞机响应，识别操纵特点、潜在技术不足及不安全事件的形成过程，进而生成针对性的飞行训练建议。

项目已具备初步演示软件，并已收集部分真实航空不安全事件调查案例及对应飞行参数数据，计划进一步开展系统性研发。

二、主要研发任务

1. 航空飞行时间序列数据分析

对QAR数据进行清洗、参数映射、时间轴重建和特征提取。

分析飞行速度、高度、下降率、俯仰角、坡度、驾驶杆、方向舵、发动机推力等参数。

识别飞行员操纵输入与飞机动态响应之间的关系。

2. 自主航空专项AI模型研发

设计适用于飞行操纵分析的时间序列机器学习模型。

建立飞行操纵特征向量和案例相似性检索算法。

研究异常模式识别、正常操纵参考模型及缺陷分类方法。

随数据积累逐步开展自监督学习、监督学习和模型优化。

3. 航空专家知识与模型训练

将历史不安全事件调查报告与对应QAR数据关联。

建立飞行员操纵缺陷标签体系。

将专家审核结果作为模型训练与优化依据。

实现模型训练、验证、版本管理及持续更新。

4. 自动学习能力

研究自动发现和下载获授权的公开航空研究资料。

实现数据去重、清洗、分类和质量检查。

建立自动训练候选模型、测试模型与人工审核发布机制。

三、技术要求

熟练掌握Python，具有良好的数据处理与软件工程能力。

熟悉PyTorch、scikit-learn、NumPy、Pandas等技术。

具有时间序列建模、异常检测、工业设备故障诊断或其他真实机器学习项目经验。

理解模型训练、数据集划分、过拟合控制、模型验证和持续学习机制。

熟悉FastAPI、数据库及AI模型服务器部署者优先。

有工业AI、信号处理、航空航天或其他高可靠性系统项目经验者优先。

本项目不接受仅通过调用通用大语言模型API、生成分析文字来替代专项模型研发的方案。

四、合作与交付要求

第一阶段重点完成：

QAR特征提取技术方案及可运行程序。

初始航空操纵案例相似性模型。

专家标签与模型训练数据结构。

模型训练和验证脚本。

初步AI推理API及技术文档。

要求提供完整源代码、模型相关文件、技术文档及可复现的测试结果。

项目采用分阶段开发、验收和付款方式。定制开发成果的知识产权及使用权归属在正式合同中明确约定。

项目涉及航空专业数据，正式合作前须签署保密协议，未经授权不得复制、传播或用于其他模型训练。

五、希望应聘者提供

个人技术背景与工作经历。

过去完成的机器学习或AI项目介绍。

可验证的GitHub/Gitee项目或技术作品（如有）。

对本项目初步技术路线的理解。

每周可投入的工作时间。

第一阶段的预计费用和周期。

希望寻找具备独立研发能力、重视代码质量、愿意长期合作的AI技术负责人或高级算法工程师。