MétaCan
Menu
Retour à la cohorte
Enregistrement W4386215867 · doi:10.32920/24043434.v1

Vehicular Aerodynamics Wind Tunnel Testing of Unmanned Aerial Multirotor Vehicles and Wall Interference Corrections

2023· preprint· en· W4386215867 sur OpenAlexaff
Aarifah Haleem

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAerospace Engineering and Control Systems
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMultirotorAerodynamicsQuadcopterWind tunnelAerospace engineeringGimbalWingspanMarine engineeringEngineeringAutomotive engineeringComputer scienceSimulation

Résumé

récupéré en direct d'OpenAlex

Unmanned multirotor aerial vehicles, known commonly as drones, have become a popular form of flying system due to the versatility of their possible applications. In order to model the aerodynamics of manoeuvring multirotor vehicles, the aerodynamics of the rotors and the vehicle will be modelled separately. A DJI Matrice 210 RTK model quadcopter was reproduced using 3D printed parts and wood. The model components include the main body, four arms, two landing gear or legs, a battery, camera and gimbal, and the RTK GPS antennae, as well as accessories including a backup battery, backup antenna, and computer. Nine configurations of a combination of these components were tested in a wind tunnel at two given wind tunnel velocities and a sweep of angles of attack, sideslip angles, and roll angles. The aerodynamic forces and moments acting on the vehicle body were measured, and after accounting for tare forces and base drag, the data was corrected to account for wall and blockage effects from the wind tunnel’s closed test section. The intention of this project is to obtain wind tunnel testing results of the quadcopter model body and to setup a methodology to apply wall interference corrections. This project will support rotor aerodynamics and flight dynamics testing of the DJI Matrice 210 RTK currently in progress, which intend to improve control laws of unmanned multirotor aerial vehicles.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,022
Tête enseignante GPT0,212
Écart entre enseignants0,190 · 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'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAerospace Engineering and Control SystemsTravaux en français237 207