MétaCan
Menu
Retour à la cohorte
Enregistrement W4402687538 · doi:10.2514/6.2024-3583

A Wingspan Design Study of a Small Solar-Powered UAV

2024· article· en· W4402687538 sur OpenAlexaffabout
Maya Rahaman-Noronha, William Bissonnette, Goetz Bramesfeld, Peter Scholz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace Engineering and Control Systems
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésWingspanSolar poweredComputer scienceAerospace engineeringSolar energyEnvironmental scienceAeronauticsElectrical engineeringEngineeringAerodynamics

Résumé

récupéré en direct d'OpenAlex

A wingspan design study was performed to determine the influence of changing the wingspan and the weight of a small solar-powered UAV on the flight range. With an increasing wingspan, the area available for a solar array also grows and the optimum battery pack capacity will change. Both parameters affect the weight of the aircraft. This paper aims to determine the wingspan and battery configuration that maximizes the range of a fixed-wing solar-powered UAV that is flying from sunrise to sunset throughout the year in Southern Ontario, Canada. A design model was used to size the wing based on solar array size, as well as calculate the weight of the aircraft with a changing wingspan and battery pack configuration. A simple aerodynamic analysis was performed for each aircraft to determine the aerodynamic performance and optimum airspeed for maximum range considering the battery pack and solar energy available, while excluding the payload requirements. A range analysis was conducted to determine the maximum range capable for each configuration. Overall, an aircraft wingspan between 2-4 m with a high capacity battery pack has the longest range, with the optimum configuration depending on the flight location and date.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

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 Opus0,015
Tête enseignante GPT0,192
Écart entre enseignants0,177 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAerospace Engineering and Control SystemsTravaux en français237 207