MétaCan
Menu
Retour à la cohorte
Enregistrement W4405624835 · doi:10.1016/j.rineng.2024.103786

Advances in UAV avionics systems architecture, classification and integration: A comprehensive review and future perspectives

2024· review· en· W4405624835 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueResults in Engineering · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAvionicsSystems engineeringArchitectureComputer scienceEngineeringComputer architectureAerospace engineeringGeography

Résumé

récupéré en direct d'OpenAlex

Avionics systems of an Unmanned Aerial Vehicle (UAV) or drone are the critical electronic components found onboard that regulate, navigate, and control UAV travel while ensuring public safety. Contemporary UAV avionics work together to facilitate success of UAV missions by enabling stable communication, secure identification protocols, novel energy solutions, multi-sensor accurate perception and autonomous navigation, precise path planning, that guarantees collision avoidance, reliable trajectory control, and efficient data transfer within the UAV system. Moreover, special consideration must be given to electronic warfare threats prevention, detection, and mitigation, and the regulatory framework associated with UAV operations. This review presents the role and taxonomy of each UAV avionics system while covering shortcomings and benefits of available alternatives within each system. UAV communication systems, antennas, and location communication tracking are surveyed. Identification systems that respond to air-to-air or air-to-ground interrogating signals are presented. UAV classical and more innovative power sources are discussed. The rapid development of perception systems improves UAV autonomous navigation and control capabilities. The paper reviews common perception systems, navigation techniques, path planning approaches, obstacle avoidance methods, and tracking control. Modern electronic warfare uses advanced techniques and has to be counteracted by equally advanced methods to keep the public safe. Consequently, this work presents a detailed overview of common electronic warfare threats and state-of-the-art countermeasures and defensive aids. Furthermore, UAV safety occurrences are analyzed in the context of national regulatory framework and the certification process. Lastly, databus communication and standards for UAVs are reviewed as they enable efficient and fast real-time data transfer. • Review of certification, communication frameworks, warfare threats, and defense strategies. • Overview of energy types, energy/power densities, and challenges. • UAV identification systems, role in communication, and electronic warfare, airspace classification, review. • Overview of perception sensors and sensor-fusion to build navigation state, safety protocols. • Review of UAV path planning, obstacle and collision avoidance, and trajectory control, regulations.

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,016
Tête enseignante GPT0,282
Écart entre enseignants0,266 · 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