Modelling, Flight Dynamics and Inner-Loop Control of an Urban Air Mobility Vehicle Subject to Empirically-Developed Urban Airflow Disturbances
Notice bibliographique
Résumé
Advanced Air Mobility in general, and Urban Air Mobility in particular, are expected to play a significant role in improving transportation of people and goods in increasingly growing urban centres while contributing to reduction in emissions and reaching the goal of sustainable urban growth. The goal of this work was to investigate the performance of a novel controller as an autopilot for a generic aircraft operating in urban airflow. In this investigation, the extraction of geometric, inertial and aerodynamic properties of a generic urban air taxi, similar in design to the Bell Nexus 4EX, was carried out. Subsequently the properties were used as a basis for the development of a linearized flight dynamics numerical model of the aircraft. Flights about a trimmed condition at cruising speed were simulated including cases where the urban air taxi was immersed in empirically-developed urban airflow disturbances. The open-loop response of the urban air taxi was assessed and classical proportional-integral-derivative and Active Disturbance Rejection Control inner-loop controllers were developed. The performance of the controllers in presence of the aforementioned urban airflow disturbance were then examined and compared. Active Disturbance Rejection Control was shown to perform similarly to proportional-integral-derivative control in the flight of the aircraft immersed in a representative urban airflow environment. Future investigations were recommended to increase the model fidelity to understand how unsteady aerodynamics would affect the aircraft motion and that real world considerations be included to further test Active Disturbance Rejection Control.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».