Amortissement des modes de flexion voilure. Utilisation d’une commande adaptative en boucle fermée
Bibliographic record
Abstract
Dans le contexte de programmes aéronautiques concernant des avions à allongement important et de masse réduite, l'amortissement des modes souples structurels devient nécessaire car ils interfèrent avec les modes de pilotage classique. La motivation de ce travail est de mettre en place une commande adaptative à modèle de référence: le modèle de référence comprend la dynamique caractéristique de l'avion en excluant toutes les dynamiques incertaines et non stationnaires. La capacité d'adaptation est assurée par un réseau neuronal de taille limitée couplé à un reconstructeur du signal d'erreur. \nL'évaluation de ce travail passe par l'utilisation d'un critère de performance adapté au confort des passagers et à l'amortissement des modes souples. Ce critère, basé sur des mesures de facteurs de charges, a permis de mettre en place le schéma de contrôle adaptatif. Un effort particulier a été mené pour déterminer la structure du modèle de référence permettant d'assurer un bon compromis entre l'amélioration attendue des performances et une charge de calcul limitée. \nLes premiers résultats en poursuite de consigne et en rejet de perturbations sont encourageants et ouvrent de nouvelles voies pour des travaux futurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".