Instrumentation and self-repairing control for resilient multi-rotor aircrafts
Notice bibliographique
Résumé
Purpose Even though multi-rotor aircrafts are becoming more and more prevalent in the fields of aerial photography, agricultural spraying, disaster searching and rescuing, how to achieve higher reliability and robustness of an aircraft still poses a big challenge. It is not a rare case that a multi-rotor aircraft is severely damaged or crushed when an actuator or sensor is malfunctioned. This paper aims at the resilience of an aircraft when a rotor is malfunctioned. Design/methodology/approach The reliability of a multi-rotor aircraft can be measured in terms of stability, robustness, resilience and fault tolerance. All of these four aspects are taken into consideration to improve overall reliability of aircrafts. When a rotor malfunction occurs, the control algorithm is cable of adjusting the operation conditions of the rest of rotors to achieve system stability. Findings In this paper, the authors first present a research topic on the development of a resilient multi-robot aircraft. A multi-rotor aircraft usually possesses more actuated motions than the required degrees of freedom. Originality/value The authors proposed to equip the multi-rotor aircraft with malfunction detecting sensors, and they developed the self-repairing algorithm to re-stabilize the aircraft when a malfunction of a rotor occurs. The design concept and methods were implemented on an eight-rotor aircraft, and the performance of the proposed instrumentation and self-repairing algorithm have been verified and validated.
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 | 0,001 | 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 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 ».