MétaCan
Menu
Retour à la cohorte
Enregistrement W4313263358 · doi:10.1109/rose56499.2022.9977433

Dynamic Modelling of Multi-Body Unmanned Airship with a Slung-Payload

2022· article· en· W4313263358 sur OpenAlexaff
Osama Obeid, Eric Lanteigne

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace Engineering and Energy Systems
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPayload (computing)Aerospace engineeringTrajectoryPropulsionControl theory (sociology)EngineeringComputer scienceSimulationControl engineeringControl (management)PhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Unmanned aerial vehicles (UAV) provide a conve-nient way to conduct experiments and simulations at a low cost. After a long period of being relinquished, interest in airships has resurged owing to stringent CO2 emissions regulations and the increasing market demand on air cargo. This paper discusses the application of Udwadia-Kalaba technique to model the dynamics of a reconfigurable unmanned airship. The investigated multi-body consists of an airship, a gondola, and a payload. The investigated airship is designed to have a movable gondola. This novel design overcomes a major issue that conventional airships encountered which is a mechanism to improve the manoeuvrability of the airship. Modelling of multi-body system can be difficult when non-holonomic constraints are present. Three constraints were identified for the investigated system. Position and orientation constraints between the airship and gondola were first derived. In addition, a length constraint between the gondola and slung-payload was enforced. Udwadia-Kalaba method was used to model the multi-body system. The equations of motion are solved numerically for a test case where a step side force is applied for 1 second. The resulting trajectory over a period of 7 seconds was presented and analysed. Physical modes such as pendulum-like behaviour of slung-payload and coupling between the multi-body components were captured in the simulations and discussed.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,177
Écart entre enseignants0,166 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAerospace Engineering and Energy SystemsTravaux en français237 207