MétaCan
Menu
Retour à la cohorte
Enregistrement W4403217263 · doi:10.2514/1.i011374

Novel Controller Methodology for the Cessna Citation X Under Turbulence During Cruise

2024· article· en· W4403217263 sur OpenAlexaff
S. Mohammad Hosseini, Georges Ghazi, Ruxandra Mihaela Botez

Notice bibliographique

RevueJournal of Aerospace Information Systems · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésTurbulenceCruiseAerospace engineeringAeronauticsComputer sciencePhysicsEnvironmental scienceControl theory (sociology)EngineeringMeteorologyControl (management)

Résumé

récupéré en direct d'OpenAlex

The design of a new control approach for the longitudinal motion of the Cessna Citation X during cruise is performed using a combination of sliding mode control (SMC) system, type 1 fuzzy logic system, and adaptive control system. This methodology is presented for 1) controlling the aircraft pitch rate and 2) stabilizing the aircraft speed during turbulence. The nonlinear model of the aircraft was generated using a simulation platform, which was designed based on flight data obtained from the highest Federal Aviation Administration–certified Level-D Research Aircraft Flight Simulator. The type 1 adaptive fuzzy logic system was implemented to approximate unknown functions for constructing the equivalent part of the SMC system that handled the effects of uncertainties and turbulence. The adaptation laws, derived from the Lyapunov theorem, were used to update the approximated functions in the control law at each flight condition and simulation iteration. Using the control systems combination, the pitch rate could follow the given reference signal, while the aircraft speed remained at a reference value with and without turbulence across the whole flight envelope. Results have shown that the proposed controllers satisfied tracking performance while generating smooth elevator deflection, both of which are important for real-aircraft applications.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

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 technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,035
Tête enseignante GPT0,268
Écart entre enseignants0,234 · 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
GenreMéthodes

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 revueJournal of Aerospace Information SystemsMême sujetAerospace and Aviation TechnologyTravaux en français237 207