Determining Airspeed Without a Pitot-Static System for Use in a General Aviation Flight Data Recorder Using an Ardu-Pilot
Notice bibliographique
Résumé
The research was to create the necessary algorithms for airspeed determination without the use of a pitot-static system or weather data. The motivation for this study is due to the large cost associated with integrating into aircraft systems and the uncertainty associated with meteorology. The primary piece of hardware used was the Pixhawk or the Ardu-Pilot Mega (APM) 2.5 by Arduino. The Pixhawk and the APM were powered by either the aircraft's 12V power supply or a small battery pack meant for cellphones. Both the Internal logs and the telemetry logs were used in the data acquisition process but focus was placed on the telemetry logs due to ease of data manipulation. The equations used to form the algorithm include the definition of the coefficient of lift, an estimation of the lift-curve slope and various other equations. There were preliminary ground tests performed as well as several flight tests. The flight tests primary consisted of scenic flights and had no aerobatic maneuvers such as stall or spins. The results showed 10% errors on a turbulent day and 5% errors on a low-turbulence day. It is possible that the difference in errors was due to turbulence but further investigation is required. The results show promise in steady flight but more work must be done to apply it to stall scenarios. Flaps were not taken into consideration. As it currently stands, the airspeed algorithm would be a good addition to a fuel burn estimation application located on an electronic flight bag.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».