Validation discussion of an Unmanned Aerial Vehicle (UAV) using JSBSim Flight Dynamics Model compared to MATLAB/Simulink AeroSim Blockset
Notice bibliographique
Résumé
A JSBSim Flight Dynamics Model (FDM) for a UAV has been developed to be used in current simulations and projects under software such as FlightGear and Robot Operating System (ROS). The importance of designing an accurate and high-fidelity FDM for certain applications could be fundamental to obtain good results on the field; specific conditions can be created and simulated before a real flight mission. UAV real flight tests are limited by the aerospace regulations, especially due to safety concerns. Simulators allow developers to test hazardous situations and recreate conditions, such as winds among other environmental settings. An example is found in Sense and Avoid strategies, where the near midair collision (NMAC) conditions have to be simulated before any real test. Due to the importance of the simulation's role, a FDM validation process is presented in this paper in a particular case for a Giant Big Stik R/C UAV under JSBSim. The purpose is, first, define the validation as a process composed by several steps and, secondly, support the use of JSBSim FDM for small fixed-wing aircrafts. This paper covers the validation related to the simulation part, leaving optional real tests for the creation of an even more accurate FDM. Therefore, this paper could be also considered as a simple guide for a developer to model a high accurate UAV computer model in the absence of flight test.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».