MétaCan
Menu
Retour à la cohorte
Enregistrement W4295918947 · doi:10.4050/f-0078-2022-17636

RACER Coumpound Helicopter: Operational Wireless FTI Data Transfer from ROTOR's up to Fuselage

2022· article· en· W4295918947 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Detection Methods
Établissements canadiensSafran Electronics (Canada)
Organismes subventionnairesnon disponible
Mots-clésFuselageWirelessData acquisitionRotor (electric)EngineeringComputer scienceFrame (networking)Instrumentation (computer programming)Systems engineeringReal-time computingMarine engineeringAeronauticsTelecommunicationsAerospace engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Acquiring helicopter rotor data is always a very sensitive point that requires at least "effort and special attention". This data acquisition is generally managed by a "physical link" (slip ring for example) whereas wireless products are now present everywhere with a technology more than promising. The objective of this paper is to show how the wireless technology was developed within the framework of RACER COUMPOUND HELICOPTER to monitor the three rotors in accordance with CS29 regulations for the mechanical assembly, DO160 rules for environmental constraints and IRIG 106 standard for Flight Test Instrumentation domain notwithstanding that this wireless acquisition means will be used on a daily basis to monitor the data from the three rotors of the RACER. The paper provides an overview of this project, supported by the CEE (Horizon 2020/CS2), and from the initial requirement up to the operational results obtained during the flight test campaigns carried out on the H175. Finally, this paper, based on this use case ( RACER oriented) , aims also to open the perspective of using such a wireless application on helicopters in service in the frame of health monitoring system.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0020,001

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 Opus0,071
Tête enseignante GPT0,293
Écart entre enseignants0,222 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Measurement and Detection MethodsTravaux en français237 207