Optimisation des trajectoires d'un système de gestion de vol d'avions pour la réduction des coûts de vol
Notice bibliographique
Résumé
La mise en oeuvre et le suivi des plans de vol opérationnels sont une occupation importante pour un équipage de vols commerciaux. Le but de cette opération est de définir les trajectoires latérales et verticales suivies par lâavion lors de ses phases de vol en montée, en croisière, en descente, etc. Ces trajectoires sont soumises à des contraintes économiques contradictoires : la minimisation du temps de vol, et aussi du carburant consommé ainsi que des contraintes environnementales. Dans sa planification de vol, l'équipage est assisté par le système de gestion de vol (FMS) qui permet de construire la trajectoire à suivre et également de prédire le comportement de lâavion le long du plan de vol. Le FMS considéré dans notre recherche, intègre, en particulier, un modèle dâoptimisation de vol calculant uniquement un profil de vitesse optimal qui minimise le coût global de vol synthétisé par un critère d'indice de coût suivant une altitude de croisière constante. \n \nOr, le modèle basé seulement sur l'optimisation du profil de vitesses nâest pas suffisant. Il est nécessaire dâintégrer une optimisation simultanée de l'altitude et de la vitesse afin de déterminer une altitude de croisière optimale qui minimise le coût global lorsque la trajectoire est parcourue avec le profil de vitesse optimal. Ainsi, un nouveau programme a été développé. Ce dernier se base sur la méthode de la programmation dynamique inventée par Bellman pour résoudre les problèmes de chemins optimaux. De plus, lâamélioration passe par la recherche de nouveaux schémas de trajectoires intégrant des croisières ascendantes et l'utilisation du plan latéral sous l'effet de la météo. Enfin, pour une meilleure optimisation, le programme tient compte des capacités des avions qui utilisent le FMS étudié.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».