MétaCan
Menu
Retour à la cohorte
Enregistrement W2334284027 · doi:10.1109/maes.2014.130034

Robust control of aerial vehicle flight: Simulation and experimental results

2014· article· en· W2334284027 sur OpenAlexfundno aff
Moussa Boukhnifer, Ahmed Chaibet

Notice bibliographique

RevueIEEE Aerospace and Electronic Systems Magazine · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueGuidance and Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesConnaught Fund
Mots-clésAutomationAeronauticsEngineeringAir traffic controlInterurbanAerodynamicsAviationControl (management)Control engineeringSystems engineeringComputer scienceAerospace engineeringTransport engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A lot of work has been carried out over the last decade on the automation of helicopter fight. Recent developments in computer and sensor technology have made the control of miniature flying robots, such as minihelicopters, possible. The automatic fight of the miniature helicopters emerged with modern aviation and has evolved over time to satisfy the increasingly restrictive needs. It can be used when a task is too repetitive or too difficult. The objective of this automated fight is to control the aerial behavior of the miniature helicopters in order to manage the natural risks of the environment (measurement of air pollution) and to increase the safety areas (surveillance of the airspace, urban, and interurban traffic). A helicopter is a complex mechanical system with strongly nonlinear characteristics; therefore, understanding the fight's behavior is essential to ensuring its proper control. Nowadays, model helicopters are widely available for many academic and commercial purposes. The ability to describe and explain various phenomena involved in the interaction of helicopter dynamics has a large impact in practice. Consequently, the aim of this type of modeling is to adequately evaluate and achieve flawless control of an aerodynamic fight as soon as possible.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,206
Écart entre enseignants0,197 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Aerospace and Electronic Systems MagazineMême sujetGuidance and Control SystemsTravaux en français237 207