Using formal methods to verify safe deep stall landing of a MAV
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The various fields of application for miniature air vehicles often do not provide distinct landing areas or even require additional equipment like nets or parachutes to land the aircraft without damaging it. This work introduces the deep stall landing (DSL) as a maneuver that uses the extraordinary aerodynamic characteristics of a delta wing MAV that come into effect after the angle of attack passes the stall angle. This landing maneuver is modeled based on a longitudinal aerodynamic model that takes lift, drag, thrust, weight, and pitching moment into account. By determining the operational modes that the aircraft has to perform in order to either complete the landing maneuver or abort it in case of a missed approach a hybrid system is identified. This system contains both continuous and discrete state dynamics that model the aircraft in each landing phase. Based on this hybrid system reachability analyses are performed which utilize level set methods to calculate backwards reachable sets. These sets are used to identify transitions within the modeled system that bring the aircraft form one operational mode to another without leaving the safe flight envelope. The final result is a discrete event system that covers all possible transitions within the refined model. Based on this discrete model an autonomous system can be implemented that is able to determine whether the initiation of the landing maneuver is safe in terms of keeping the aircraft within the safe flight envelope during the whole maneuver. Furthermore the results of the reachability analysis determine for which states of the aircraft it would be safe to initiate a recovery maneuver in case of a missed landing approach.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle