EVTOL Tilt-Wing Aircraft Design under Uncertainty Using a Multidisciplinary Possibilistic Approach
Notice bibliographique
Résumé
Recent development in Electric Vertical Take-off and Landing (eVTOL) aircraft makes it a popular design approach for urban air mobility (UAM). When designing these configurations, due to the uncertainty present in semi-empirical estimations, often used for aerodynamic characteristics during the conceptual design phase, results can only be trusted to approximately 80% accuracy. Accordingly, an optimized aircraft using semi-empirical estimations and deterministic multi-disciplinary design optimization (MDO) approaches can be at risk of not being certifiable in the detailed design phase of the life cycle. The focus of this study was to implement a robust and efficient possibility-based design optimization (PBDO) method for the MDO of an eVTOL tilt-wing aircraft in the conceptual design phase, using existing conventional designs as an initial configuration. As implemented, the optimization framework utilizes a deterministic gradient-based optimizer, run sequentially with a possibility assessment algorithm, to select an optimal design. To achieve this, the uncertainties which arise from multi-fidelity calculations, such as semi-empirical methods, are considered and used to modify the final design such that its viability is guaranteed in the detailed design phase. With respect to various requirements, including trim, stability, and control behaviors, the optimized eVTOL tilt-wing aircraft design offers the preferred results which ensure that airworthiness criteria are met whilst complying with predefined constraints. The proposed approach may be used to revise currently available light aircraft and develop eVTOL versions from the original light aircraft. The resulting aircraft is not only an optimized layout but one where the stability of the eVTOL tilt-wing aircraft has been guaranteed.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».