Evaluation Of Energy Efficient Propulsion Technologies For Unmanned Aerial Vehicles
Notice bibliographique
Résumé
The transition to cleaner, more efficient and longerendurance aircraft is at the forefront of current research and development in air transportation systems.The focus of this research is to experimentally evaluate Hybrid Propulsion and Energy Harvesting Systems in Unmanned Aerial Vehicles (UAV).Hybrid systems offer several potential benefits over more conventional gasoline and electric systems including lower environmental impacts, reduced fuel consumption, longer endurance, redundancy and distributed propulsion.Additional energy efficiency can be achieved by harvesting some of the thermal energy of the exhaust gases.By using the Seebeck effect, the temperature gradient between ambient air and the exhaust can be used to generate electric power, making it possible to eliminate costly mechanical systems such as alternators and reduce fuel consumption.The development and experimental evaluation of a hybridpropulsion UAV was carried out at the University of Victoria Center for Aerospace Research (UVIC-CfAR) in the framework of the Green Aviation Research & Development Network (GARDN) grant.The work involved the development of a framework to evaluate UAV hybrid propulsion efficiency, as well as to predict the amount of power harvestable from thermoelectric generators (TEG).The hybrid propulsion framework was used to investigate the trade-offs between different hybrid architectures against conventional electric and internal combustion propulsion systems.The energy harvesting module was designed to evaluate the trade-off between energy harvested, implementation costs and weight.In order to validate the computational results, experimental testing was performed.First, an apparatus was designed to collect performance data of a triple-TEG system connected to a 4-stroke Saito internal combustion engine.Thermal performance of the system was evaluated at eleven different test points, and a number of variables were modified to simulate real flight profiles.Next, another apparatus was designed to characterize the performance of a parallel hybrid-electric propulsion system in a UAV.This apparatus allows for different mission profiles that closely match the flight test data from other propulsion types.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».