MétaCan
Menu
Retour à la cohorte
Enregistrement W2894872308 · doi:10.1155/2018/7040531

Construction Prototyping, Flight Dynamics Modeling, and Aerodynamic Analysis of Hybrid VTOL Unmanned Aircraft

2018· article· en· W2894872308 sur OpenAlexvenueno aff
Roman Czyba, Marcin Lemanowicz, Zbigniew Gorol, Tomasz Kudala

Notice bibliographique

RevueJournal of Advanced Transportation · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensnon disponible
Organismes subventionnairesNarodowe Centrum Badań i RozwojuMinisterstwo Edukacji i NaukiEuropean Commission
Mots-clésAirframeAerodynamicsAerospace engineeringComputational fluid dynamicsRunwayProcess (computing)EngineeringFlight dynamicsEngineering design processComputer scienceSimulationSystems engineeringAeronauticsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

A challenging issue associated with fixed-wing Unmanned Aerial Vehicles (UAVs) is that these vehicles are often not appropriate for operating effectively in limited airspace. This problem emerges especially in urban environment where the usage of a runway is not possible, and UAVs usually have to fly at a relatively low speed and altitude. The development of a vertical take-off and landing (VTOL) fixed-wing plane is a promising trend which hopefully will solve this issue. This paper presents the design process of an unmanned vertical take-off and landing aircraft including prototyping of the airframe construction and mathematical modeling as well as computational fluid dynamics (CFD) simulations. The designed system is to be a hybrid platform, for which different operating modes correspond to the vertical flight, transition, and spatial flight in the airframe system. The paper discusses an iterative design process of the platform with emphasis on CAD design and aerodynamic analysis for particular flight modes. The operating prototype is presented and future plans for platform improvement are discussed.

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)0,000
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,003
Tête enseignante GPT0,211
Écart entre enseignants0,208 · 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

Citations54
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetAerospace and Aviation TechnologyTravaux en français237 207