MétaCan
Menu
Retour à la cohorte
Enregistrement W2991052802 · doi:10.1142/s2301385020500077

Self-Powered Solar Aerial Vehicles: Towards Infinite Endurance UAVs

2019· article· en· W2991052802 sur OpenAlexaff
Farbod Khoshnoud, I.I. Esat, Clarence W. de Silva, Jason Rhodes, A. Kiessling, Marco B. Quadrelli

Notice bibliographique

RevueUnmanned Systems · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft Dynamics and Control
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTrajectoryComputer scienceLift (data mining)Solar energySolar powerPower (physics)Automotive engineeringAerospace engineeringEngineeringElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

A self-powered scheme is explored for achieving long-endurance operation, with the use of solar power and buoyancy lift. The end goal is the capability of “infinite” endurance while complying with the Unmanned Aerial Vehicle (UAV) dynamics and the required control performance, maneuvering, and duty cycles. Nondimensional power terms related to the UAV power demand and solar energy input are determined in a framework of Optimal Uncertainty Quantification (OUQ). OUQ takes uncertainties and incomplete information in the dynamics and control, available solar energy, and the electric power demand of a solar UAV model into account, and provides an optimal solution for achieving a self-sustained system in terms of energy. Self-powered trajectory tracking, speed and control are discussed. Aerial vehicles of this class can overcome the flight time limitations of current electric UAVs, thereby meeting the needs of many applications. This paper serves as a reference in providing a generalized approach in design of self-powered solar electric multi-rotor UAVs.

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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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 Opus0,004
Tête enseignante GPT0,176
Écart entre enseignants0,173 · 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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUnmanned SystemsMême sujetSpacecraft Dynamics and ControlTravaux en français237 207