MétaCan
Menu
Retour à la cohorte
Enregistrement W2525150698 · doi:10.1017/s000192400000350x

Simulation of automatic helicopter deck landings using nature inspired flight control

2010· article· en· W2525150698 sur OpenAlexaff
Mark Voskuijl, Gareth D. Padfield, Daniel Walker, Binoy J. Manimala, A.W. Gubbels

Notice bibliographique

RevueThe Aeronautical Journal · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésCockpitComputer scienceControl theory (sociology)Control (management)SimulationAeronauticsEngineeringAerospace engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Research studies have indicated that the optical flow parameter, time to close tau, is the basis of purposeful control in the animal world, and used by both fixed wing and helicopter pilots during manoeuvring. This parameter is defined as the instantaneous time to close a gap (spatial or force) at the current closing rate. A novel automatic flight control strategy has been developed that makes use of optical flow theory and in particular, the parameter tau. This strategy has been applied to two distinct problems; (1) the landing of a helicopter on a ship and (2) the lateral repositioning of a helicopter. The first is a challenging case because the landing of a helicopter on a ship is one of the most dangerous of all helicopter flight operations. Furthermore, helicopters are often subject to torque oscillations during rapid collective control, which increases pilot workload significantly when operating with low power margins and/or whilst performing tasks that require accurate heave control. The second case demonstrates the generality of the technique. Both automatic manoeuvres were simulated successfully within desired limits, with the novel control strategy creating a ‘natural’, smooth, tau motion.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,007
Tête enseignante GPT0,246
Écart entre enseignants0,239 · 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

Citations18
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Aeronautical JournalMême sujetAerospace and Aviation TechnologyTravaux en français237 207