Comparative Analysis of Sizing Methodologies for High-Reliability Multicopters
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
View Video Presentation: https://doi.org/10.2514/6.2022-3883.vid The current developments in advanced motors, battery technology and artificial intelligence lead to the evolution of multicopter drone applications. Such applications range from firefighting to search and rescue and even air taxi, all of which require routine operations in densely populated areas. However, the main limitation to applications in such urban areas is their safety requirements, which require introducing robust or fault-tolerant designs relying on redundancies. Redundancies in multicopter design are very challenging as they can critically hinder their performance by significantly increasing their mass. Moreover, no published methodology addresses safety and reliability effectively. The presented work aims to make multicopter designs both performant and safe for safety-critical applications by implementing reliability and redundancy techniques in the sizing process. Adding these redundancy techniques within the methodologies will contribute to their overall integration in the sizing process and performance analysis. Then, the effect of reliability on performance could be evaluated and captured earlier in the design process. For this matter, three sizing methodologies of multicopters are reviewed and analyzed using a uniform N2 diagram representation. The methodologies illustrated in this work are chosen to represent the major types of methodologies, whether using empirical, analytical or off-the-shelf database tools. Their various attributes and ability to incorporate redundancy techniques are evaluated and illustrated through traditional and coaxial configurations case studies. The case study results finally illustrate the effects of high-reliability on performance and the need for multicopter sizing methodologies implementing redundancies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle