Trim Solutions of Multirotor Vehicles using a Fast Performance Prediction Method
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A fast multirotor performance prediction method is presented. The method uses an algorithm to determine the flight performance and trim solutions of multirotor vehicles in steady, level flight. The method considers parasitic drag, force trim, fuselage interference, rotor interference, moment trim, and power prediction. In order to validate the method, vehicle lift, drag, and pitching moment predictions are compared to experimental data from NASA Ames for the 3DR Solo, a commercially available vehicle. The performance comparison with wind tunnel data show similar lift, drag and pitching moment trends when using estimated rotor and vehicle geometries. In addition, the predicted rotor speeds, vehicle power, and vehicle pitch are compared to flight test data of the Aeryon SkyRanger. The lead and rear rotor speed results show that the application of moment trim into the performance model provides rotor speed estimates that reflect the differential rotor speeds the flight test. An orientation study is conducted to explore the effects of rotor and fuselage interference velocities on rotor performance and the performance differences of a four-rotor vehicle flying in diamond and square configurations. Finally, a mass offset study is presented to predict the changes in rotor speed distribution of a SkyRanger vehicle when a 100 g mass is added to the support arm, which simulates asymmetry in centre of gravity location. The predicted performance results show overlapping results with flight testing with and without the mass offset at airspeeds below 5 m/s. At higher airspeeds, the rotor speed predictions that are established by moment trim requirements reflect the rotor speed trends shown from flight test data.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle