MétaCan
Menu
Retour à la cohorte
Enregistrement W3104448829 · doi:10.1109/dasc50938.2020.9256672

Path Steering Error & Turn Analysis of Multiple Aircraft in the Current ECAC Fleet

2020· article· en· W3104448829 sur OpenAlexaboutno aff
David De Smedt, Ferdinand Behrend

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAir Traffic Management and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutopilotAerospace engineeringAeronauticsTrajectoryRange (aeronautics)Computer scienceSimulationEngineeringAutomotive engineering

Résumé

récupéré en direct d'OpenAlex

EUROCONTROL, the Technical University of Berlin and Lufthansa Aviation Training conducted a series of flight tests in the frame of Horizon 2020 SESAR PJ.14-1.1 “CNS Environment Evolution” using CS-FSTD Level D certified Full Motion Flight Simulators to analyse the Path Steering Error (PSE) and budget allocation for this error in the computation of the navigation Total System Error. Additionally, the performance and behavior of aircraft while executing turns in the trajectory was analysed. To make the analysis as broad as possible with an optimal coverage of investigated navigation and flight guidance-systems used in ECAC, the tests were performed in a range of different aircraft types including Airbus A319, Airbus A340-300, Airbus A220-300, Boeing 737-300, Boeing 777-200, Boeing 747-400, Embraer E190, De Havilland Canada DHC-8-Q400, Embraer E145 and Bombardier CRJ-200. In each aircraft, two different trajectories were flown under known operating conditions using both the autopilot and manual flight using Flight Director. Recorded data was used to deduct the resulting Path Steering Error and turn performance indicators (bank angle and turn radius). The generated data provides valuable information about the actual navigation performance of modern aircraft, in contrast to the assumed PSE values and turn performance requirements in the current standards (MOPS DO-283B & MASPS DO-236C). A lower assumed PSE could allow using less accurate navigation sensors for certain PBN applications while maintaining the same overall TSE. For example, if the adjusted PSE is low enough, ground based DME-DME sensor combination could be used to serve Performance Based Navigation (PBN) operations with a Required Navigation Performance of 0.3NM. The demonstrated PSE was in the order of magnitude of 0.1NM for both the trajectories flown using autopilot and manual flight with Flight Director, which is a reduction compared to the values from DO-283B. A wide spread of tracks was observed in the turns, which were all executed as “fly-by” turns. Depending on the track change and aircraft type, applied bank angles ranged from 5 to 30 degrees, with resulting turn radii ranging from 38 to 1 NM. All the tracks were within the fly-by transition area defined in DO-236C. The huge spread of tracks in the turns makes revision of the conservative definitions of the fly-by transition area challenging but not impossible.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,026
Tête enseignante GPT0,237
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAir Traffic Management and OptimizationTravaux en français237 207