MétaCan
Menu
Retour à la cohorte
Enregistrement W4206587744 · doi:10.2514/6.2022-2050

Feasibility Study of a Serial Hybrid Electric Powertrain for a Light Sports Aircraft

2022· article· en· W4206587744 sur OpenAlexaff
Madeline McQueen, Ahmet E. Karataş, Eda Demir, Goetz Bramesfeld, Osvaldo Arenas

Notice bibliographique

RevueAIAA SCITECH 2022 Forum · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Aircraft Design and Technologies
Établissements canadiensNational Research Council CanadaToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPowertrainAutomotive engineeringRange (aeronautics)PropulsionAerodynamicsBattery (electricity)MATLABBattery electric vehicleAerospace engineeringEngineeringElectric vehicleElectrically powered spacecraft propulsionComputer scienceTorquePower (physics)

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2022-2050.vid A theory-based aerodynamic model was developed and applied to electrified powertrain configurations to study the feasibility of implementing fully electric and hybrid electric technologies into light sports aircraft. Overall aircraft range was chosen as the main indicator of feasibility. The aerodynamic models were created in MATLAB/Simulink utilizing proportional-integral-derivative controllers, aerodynamic specifications of a reference aircraft body, and powertrain limitations from a physical electrified powertrain test stand. Simulations that were conducted by varying mission properties, battery properties, and fuel mass provide results which can showcase the current feasibility of electrified propulsion and make predictions for the future of the industry. Results showed that aircraft powered with a fully electric powertrain were only able to achieve 5% of the range of a traditionally powered aircraft. Aircraft using a hybrid electric powertrain were able to achieve 44% of the range of a traditionally powered aircraft, but this result was found to be almost entirely dependent on the aircraft’s fuel mass. Future predictions of Lithium-Ion battery technology are expected to increase range of fully electric aircraft to 25% of traditional, and hybrid aircraft to 60% of traditional.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,232 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA SCITECH 2022 ForumMême sujetAdvanced Aircraft Design and TechnologiesTravaux en français237 207