MétaCan
Menu
Retour à la cohorte
Enregistrement W2336915029 · doi:10.1177/0954410016640821

Flight control clearance of the Cessna Citation X using evolutionary algorithms

2016· article· en· W2336915029 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part G Journal of Aerospace Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMinistère du Développement Économique, de l’Innovation et de l’Exportation
Mots-clésDifferential evolutionFlight envelopeFitness functionGenetic algorithmRobustness (evolution)Flight dynamicsControl theory (sociology)AlgorithmEvolutionary algorithmFlight simulatorComputer scienceWeightingSimulationEngineeringAerospace engineeringArtificial intelligenceControl (management)Aerodynamics

Résumé

récupéré en direct d'OpenAlex

In this paper, an Aircraft Research Flight Simulator equipped with Flight Dynamics Level D (highest level) was used to collect flight test data and develop new controller methodologies. The changes in the aircraft’s mass and center of gravity position are affected by the fuel burn, leading to uncertainties in the aircraft dynamics. A robust controller was designed and optimized using the H ∞ method and two different metaheuristic algorithms; in order to ensure acceptable flying qualities within the specified flight envelope despite the presence of uncertainties. The H ∞ weighting functions were optimized by using both the genetic algorithm, and the differential evolution algorithm. The differential evolution algorithm revealed high efficiency and gave excellent results in a short time with respect to the genetic algorithm. Good dynamic characteristics for the longitudinal and lateral stability control augmentation systems with a good level of flying qualities were achieved. The optimal controller was used on the Cessna Citation X aircraft linear model for several flight conditions that covered the whole aircraft’s flight envelope. The novelty of the new objective function used in this research is that it combined both time-domain performance criteria and frequency-domain robustness criterion, which led to good level aircraft flying qualities specifications. The use of this new objective function helps to reduce considerably the calculation time of both algorithms, and avoided the use of other computationally more complicated methods. The same fitness function was used in both evolutionary algorithms (differential evolution and genetic algorithm), then their results for the validation of the linear model in the flight points were compared. Finally, robustness analysis was performed to the nonlinear model by varying mass and gravity center position. New tools were developed to validate the results obtained for both linear and nonlinear aircraft models. It was concluded that very good performance of the business Cessna Citation X aircraft was achieved in this research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,223
Score d'incertitude au seuil0,495

Scores Codex et Gemma par catégorie

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

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 GPT0,189
Écart entre enseignants0,182 · 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