MétaCan
Menu
Retour à la cohorte
Enregistrement W3214378279 · doi:10.1017/aer.2021.87

Helicopter Handling Qualities: A study in pilot control compensation

2021· article· en· W3214378279 sur OpenAlexaboutno aff
Wajih A. Memon, Mark White, Gareth D. Padfield, Neil Cameron, Linghai Lu

Notice bibliographique

RevueThe Aeronautical Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésCompensation (psychology)Metric (unit)Task (project management)Range (aeronautics)Control (management)Computer scienceRating scaleDomain (mathematical analysis)SimulationEngineeringArtificial intelligencePsychologyOperations managementStatisticsMathematicsSystems engineeringSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract The research reported in this paper is aimed at the development of a metric to quantify and predict the extent of pilot control compensation required to fly a wide range of mission task elements. To do this, the utility of a range of time- and frequency-domain measures to examine pilot control activity whilst flying hover/low-speed and forward flight tasks are explored. The tasks were performed by two test pilots using both the National Research Council (Canada)’s Bell 412 Advanced Systems Research Aircraft and the University of Liverpool’s HELIFLIGHT-R simulator. Handling qualities ratings were awarded for each of the tasks and compared with a newly developed weighted adaptive control compensation metric based on discrete pilot inputs, showing good correlation. Moreover, in combination with a time-varying frequency-domain exposure, the proposed metric is shown to be useful for understanding the relationship between the pilot’s subjective assessment, measured control activity and task performance. By collating the results from the subjective and objective metrics for a range of different mission task elements, compensation boundaries are proposed to predict and verify the subjective assessments from the Cooper-Harper Handling Qualities Rating scale.

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)0,001
score de la tête « metaresearch » (Gemma)0,009
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
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 Opus0,023
Tête enseignante GPT0,256
Écart entre enseignants0,233 · 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Aeronautical JournalMême sujetAerospace and Aviation TechnologyTravaux en français237 207