MétaCan
Menu
Retour à la cohorte
Enregistrement W4392694667 · doi:10.3390/aerospace11030220

Modelling and Control of an Urban Air Mobility Vehicle Subject to Empirically-Developed Urban Airflow Disturbances

2024· article· en· W4392694667 sur OpenAlexaff
Richard G. McKercher, Fidel Khouli, Alanna Wall, Guy L. Larose

Notice bibliographique

RevueAerospace · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensRowan Williams Davies & Irwin (Canada)National Research Council CanadaCarleton University
Organismes subventionnairesnon disponible
Mots-clésAirflowSubject (documents)Control (management)Environmental scienceComputer scienceEngineeringArtificial intelligenceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Urban air mobility is expected to play a role in improving transportation of people and goods in growing urban areas while contributing to sustainable urban growth and zero-emissions future aviation. The research presented herein computationally investigated the performance of control laws for a generic Urban Air Taxi (UAT) subjected to empirically-developed urban airflow disturbances. This involved developing a representative flight dynamics model of a UAT in steady level cruise flight with an inner-loop autopilot. Active Disturbance Rejection Control (ADRC) and Proportional-Integral-Derivative (PID) control laws were implemented to investigate the controlled and uncontrolled acceleration responses and compare them to the acceleration limits in ISO 2631. Using a linear flight dynamics model, ADRC demonstrated improved performance over PID control with equal initial tuning effort. PID was able to reduce passenger accelerations to unharmful, though still uncomfortable, levels while ADRC further reduced the lateral accelerations to comfortable levels.

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: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

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 technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,256
Écart entre enseignants0,244 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAerospaceMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207