MétaCan
Menu
Retour à la cohorte
Enregistrement W2800493559 · doi:10.1139/tcsme-2009-0034

AN AUTOPILOT DESIGN FOR THE LONGITUDINAL DYNAMICS OF A LOW-SPEED EXPERIMENTAL UAV USING TWO-TIME-SCALE CASCADE DECOMPOSITION

2009· article· en· W2800493559 sur OpenAlexvenueno aff
Jaw-Kuen Shiau, Der-Ming Ma

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutopilotCascadeControl theory (sociology)Inner loopDecompositionController (irrigation)Computer scienceLoop (graph theory)Control systemControl engineeringEngineeringControl (management)Mathematics

Résumé

récupéré en direct d'OpenAlex

This paper discusses a cascade decomposition method for two-time-scale systems. We decompose the two-time-scale system into slow and fast subsystems connected in cascade form. With the proposed decomposition method, fast and slow low-order subsystems can be easily extracted from the two-time-scale full order system. The longitudinal dynamics of a low speed experimental UAV is used to illustrate the proposed method. An altitude hold control structure is constructed to allow sequential designs based on the lower order fast and slow models using classical designs. The structure contains two control loops. The inner loop is for altitude rate regulation. In this control loop, we use combination of altitude rate and pitch angle as the feedback signals. A fast controller is designed to satisfy the high frequency requirements using the fast model. Following the results of the fast design, three control gains are designed to satisfy the low frequency requirements using the slow models. The design results of the inner loop are used to design the outer altitude control loop. Frequency domain analysis and computer simulations confirm the success of the proposed decomposition method and verify the effectiveness of the control law using the proposed control structure.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,819
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,248
Écart entre enseignants0,235 · 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 tête enseignante, 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

Citations16
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207