Autonomous UAV Control for Low-Altitude Flight in an Urban Gust Environment
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.
Notice bibliographique
Résumé
With rapid advances in the unmanned aerial vehicle (UAV) field and their growing popularity in a wide range of civilian and commercial applications, UAV operation in urban areas is inevitable. For small-size UAVs conducting low-level flight in an urban landscape, wind disturbances pose a significant challenge. Ensuring safety while flying in proximity to buildings and other obstacles requires a thorough understanding of the nature of these disturbances and the expected performance of an autopilot in their presence. This study focuses on the position control of a quadrotor UAV in an urban wind environment. A literature review provides an in-depth survey of the state of the art in quadrotor flight control. Urban wind conditions are modelled around a single building through a Computational Fluid Dynamics (CFD) analysis using Large Eddy Simulation (LES). Modelled transient wind flow velocities are applied to create a realistic simulation environment for a custom-built quadrotor prototype named TARA. Four different control techniques are selected and implemented for the autonomous position control of TARA. A precise simulation methodology is employed to ensure consistent flight testing under diverse representative wind conditions. The results are evaluated under a carefully-crafted set of criteria and selected performance metrics. Based on the analysis, a hybrid control scheme is proposed, with simulation and experimental data confirming its improved ability in dealing with realistic urban wind disturbances with an average position hold within a single body length.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle