Modelling the Powertrain and Aerodynamic Behaviour of a Small Electric Aircraft
Notice bibliographique
Résumé
The environmental impact of fossil fuels has driven major industries towards electrification for a sustainable future. Aviation, though contributing only 3% of global GHGs, is expected to triple emissions by 2050 [1]. Electric aircraft rely on battery packs, which require enhanced performance, reliability, and lifespan to ensure safe operation. Hence, the development of comprehensive simulation models of aircrafts is essential for studying and analyzing the battery behavior under various flight conditions. This poster presents a simulation model of the powertrain and aerodynamic behaviour of a small electric aircraft. A mathematical model representing the aerodynamic behavior is developed, which determines the thrust generated by the propeller, and computes the load torque and rotational speed (RPM) for the powertrain model, based on a real-life flight dataset [2]. The motor load torque and RPM are provided as reference inputs to the powertrain control system. The electric powertrain is modeled in MATLAB Simulink and includes two battery packs, an inverter, a permanent magnet synchronous motor (PMSM), and a motor control unit. The PMSM is controlled using field-oriented control (FOC), with the RPM as the reference. Proportional-integral (PI) controllers are carefully tuned to ensure accurate tracking of speed and torque profiles.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».