Novel morphing wing actuator control-based Particle Swarm Optimisation
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
Abstract The paper presents the design and experimental testing of the control system used in a new morphing wing application with a full-scaled portion of a real wing. The morphing actuation system uses four similar miniature brushless DC (BLDC) motors placed inside the wing, which execute a direct actuation of the flexible upper surface of the wing made from composite materials. The control system of each actuator uses three control loops (current, speed and position) characterised by five control gains. To tune the control gains, the Particle Swarm Optimisation (PSO) method is used. The application of the PSO method supposed the development of a MATLAB/Simulink ® software model for the controlled actuator, which worked together with a software sub-routine implementing the PSO algorithm to find the best values for the five control gains that minimise the cost function. Once the best values of the control gains are established, the software model of the controlled actuator is numerically simulated in order to evaluate the quality of the obtained control system. Finally, the designed control system is experimentally validated in bench tests and wind-tunnel tests for all four miniature actuators integrated in the morphing wing experimental model. The wind-tunnel testing treats the system as a whole and includes, besides the evaluation of the controlled actuation system, the testing of the integrated morphing wing experimental model and the evaluation of the aerodynamic benefits brought by the morphing technology on this project. From this last perspective, the airflow on the morphing upper surface of the experimental model is monitored by using various techniques based on pressure data collection with Kulite pressure sensors or on infrared thermography camera visualisations.
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