Modeling the Longitudinal Dynamics of the Cessna Citation X using Neural Network Methodology
Notice bibliographique
Résumé
View Video Presentation: https://doi.org/10.2514/6.2023-2191.vid This paper presents a methodology developed at the Laboratory of Applied Research in Active Controls, Avionics and AeroServoElasticity (LARCASE) to model the linearized longitudinal dynamics of the Cessna Citation X business jet using artificial neural networks. For this purpose, a simulation platform developed at LARCASE was used to generate the aircraft longitudinal state space matrices {A, B} for a wide range of operating conditions. This simulation platform was developed and validated from data obtained from a Level D Research Aircraft Flight Simulator (RAFS) designed and manufactured by CAE Inc. According to the Federal Administration Aviation (FAA, AC 120-40B), the level D is the highest certification level for the flight dynamics of an aircraft. The data collected from the simulation platform was then restructured into a comprehensive database for the neural network training process. In this study, the structure of the neural network was determined by performing several analyses in order to find the optimal number of layers and neurons, as well as the combination of activation and learning functions, that provide the best prediction results. The validation of the neural network model was performed in two steps. First, analysis was performed by comparing the longitudinal matrix {A, B} predicted by the neural network with the matrix obtained from the simulation platform. Then, a second analysis was performed by comparing the aircraft dynamics parameters (pitch angle, normal acceleration and time variations) for two modes - the short period and the phugoid obtained using neural network versus the simulation platform. The results showed that the proposed model provides very accurate predictions of longitudinal dynamics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».