MétaCan
Menu
Retour à la cohorte
Enregistrement W2225142749 · doi:10.21535/jias.v2i1.191

Development and Application of a Reconfigurable Engineering Flight Simulator at Ryerson University

2015· article· en· W2225142749 sur OpenAlexaffabout
Ohyun Kwon, Joon Chung, Hyeong-Uk Park

Notice bibliographique

RevueThe Journal of Instrumentation Automation and Systems · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésFlight simulatorCockpitFlight management systemSimulationSoftwareFlight trainingEngineeringOverhead (engineering)Fly-by-wireComputer scienceSystems engineeringAerospace engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Flight simulators can recreate aircraft flights for flight training and aircraft design. This paper reviews existing engineering flight simulators and introduces the development of a multi-purpose reconfigurable engineering flight simulator at Ryerson University. The multi-purpose engineering flight simulator named the Ryerson Fixed Base Simulator (RFBS) has been designed and built to teach and initiate research projects in the area of aircraft design, flight simulation, pilot training, and flight data analysis. It consists of three 46 inch high definition screens and six 22 inch touch screen panels to represent the instrument panel, the centre console, and the overhead panels of an actual aircraft flight deck. Several low-cost, commercial flight simulation software were tested and X-Plane was selected as the main flight simulation tool. This paper also introduces a research that utilizes the RFBS and a commercial flight analysis software. The objective of the research was to develop a flight data conversion methodology. A case study was commenced to verify the work flow of flight data generation and analysis with an example of hard-landing analysis.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,194
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Instrumentation Automation and SystemsMême sujetAerospace and Aviation TechnologyTravaux en français237 207