MétaCan
Menu
Retour à la cohorte
Enregistrement W4391301391 · doi:10.2514/6.2024-2205

A Hybrid Optimal Path Planner for Parafoiled Systems

2024· article· en· W4391301391 sur OpenAlexaff
Remi Pedenon-Orlanducci, Ahmad Zaydan, Sofiane Achiche, David Saussié

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace Engineering and Energy Systems
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésPlannerPath (computing)Computer scienceMathematical optimizationComputer networkMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

When dealing with flight mechanics, minimization of nonlinearly constrained functions is often required for solving optimal control problems. This paper proposes a new dynamic programming method based on the Bellman equations with a novel state-space model. The effectiveness of this method is demonstrated through its integration into a hybrid algorithm for generating efficient guidance strategies for parafoils. The objective is to guide the parafoil system towards a circular target, from fixed initial coordinates and deployment velocity. Our algorithm aims to minimize energy consumption and optimize the time and distance over which the system can travel accurately. The nominal trajectory is obtained using a nonlinear shooting method based on the Pontryagin minimum, and the dynamic programming algorithm is used to generate new trajectories if the system deviates from the nominal one due to environmental conditions. The optimality of the proposed controller is evaluated using a 3D simulator with wind and gusts. The algorithm is subsequently optimized for deployment and implemented in a low-level language, the performances are evaluated and show more than adequate efficiency for embedded systems. The results demonstrate both the efficiency of the new dynamic approach by comparing it with nonlinear shooting; and the complementarity and efficiency of the two methods in guiding parafoil systems under real wind conditions.

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)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,544

Scores Codex et Gemma par catégorie

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 savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,189
Écart entre enseignants0,183 · 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
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAerospace Engineering and Energy SystemsTravaux en français237 207