MétaCan
Menu
Retour à la cohorte
Enregistrement W2321118200 · doi:10.2514/6.2003-5677

The Effects of Simulator Motion on Handling Qualities

2003· article· en· W2321118200 sur OpenAlexaffabout
Sherard Soparkar, Lloyd D. Reid

Notice bibliographique

RevueAIAA Modeling and Simulation Technologies Conference and Exhibit · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSimulationMotion (physics)Human–computer interactionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Ground-based flight simulation can be a vital tool in the assessment of h andling qualities. The strengths and weaknesses of ground-based flight simulators are well documented and understood, but the effects of individual simulator characteristics on handling qualities are not. This study investigated the effects of simulator motion on handling qualities and to a limited extent, pilot behavior and adaptation/learning effects. An experiment was conducted on the motion simulator at the University of Toronto. A lateral tracking task was selected. Three qualified test pilots part icipated in the evaluation trials. The experiment variables included lateral aircraft dynamics, simulator motion washout filter coefficients and disturbance intensities. Four sets of aircraft dynamics were tested under three different simulator motion co nfigurations. These motion configurations were, a) fixed -base, b) with low motion washout levels, and c) with high washout levels. The results indicated that low motion washout levels were preferred to fixed -base, while fixed -base was preferred to high le vels of motion washout. Some insight into pilot behavior and learning effects was also gained. The results suggested that motion caused pilots to alter their control strategy and flying technique for the same aircraft dynamics.

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)0,012
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,012
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,216 · 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

Citations1
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIAA Modeling and Simulation Technologies Conference and ExhibitMême sujetAerospace and Aviation TechnologyTravaux en français237 207