MétaCan
Menu
Retour à la cohorte
Enregistrement W4309690654 · doi:10.1139/dsa-2021-0051

SOFAR and Auto-link: software tools that bridge the gap between multirotor drone design optimization and CAD

2022· article· en· W4309690654 sur OpenAlexafffundvenue
Morgan J.S. May, Mateus A.R. Braga, Philip Ferguson

Notice bibliographique

RevueDrone Systems and Applications · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensUniversity of ManitobaMagellan Aerospace (Canada)
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Space Agency
Mots-clésDroneMultirotorCADSoftwareComputer scienceComputer Aided DesignProcess (computing)Bridge (graph theory)Key (lock)Component (thermodynamics)Systems engineeringSoftware engineeringEngineering drawingEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Several types of tools are used to develop drones. Computer-aided design (CAD) is used for developing the drone geometry, and software such as ComQuest Venture’s Typhon UDX is used for aerodynamic analysis. Presently, both are used independently, and a user then manually bridges the gap between the analysis and the CAD to create a final aerostructure. This manual process can lead to long design times and information transfer errors. An automated design process that automatically selects parts from a database optimizes drone parts cost, while meeting key performance requirements could shorten the design time. This paper presents the Sensible Optimization for Aerial Robots tool for automatically minimizing drone systems’ cost using a commercial component database and linking it directly to CAD software. As drones become increasingly popular, this streamlining of the drone development process will reduce both the time and cost required to develop an optimal structure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil0,789

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,267
Écart entre enseignants0,189 · 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 tête enseignante, 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
GenreMéthodes

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'admission3
Résumé présentoui

Explorer davantage

Même revueDrone Systems and ApplicationsMême sujetRobotic Path Planning AlgorithmsTravaux en français237 207