Methodology for Vertical-Navigation Flight-Trajectory Cost Calculation Using a Performance Database
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
Trajectory optimization has been identified as an important way to reduce flight costs and polluting emissions. Due to the power capacity limitations in airborne devices such as the flight management system, a fast method should be implemented to calculate the full trajectory cost. Many flight management systems use a set of lookup tables with experimental data for each flight phase, and they are called performance databases. In this paper, the trajectory flight cost is calculated using a performance database instead of using classical equations of motion. The trajectory to be calculated is composed of climb, acceleration, cruise, descent, and deceleration. The influence of the crossover altitude during climb and descent, as well as step climbs in cruise, was considered. Lagrange linear interpolations were performed within the performance database discrete values to calculate the required values. By providing a takeoff weight, the initial and final coordinates, and the desired flight plan, the trajectory model provides the top-of-climb coordinates, the top-of-descent coordinates, the fuel burned, and the flight time needed to follow the given flight plan. The accuracy of the trajectory costs calculated with the proposed method was validated with an aerodynamic model in FlightSIM®, which is software developed by Presagis®, and with the trajectory cost given by the flight management system benchmark of reference. Results showed that, for the same reference trajectories and for the same inputs, the cost computed by the method proposed in this paper is close to the costs provided by FlightSIM and by the flight management system benchmark or reference.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 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