MétaCan
Menu
Back to cohort
Record W2586461965

Identification paramétrique et analyse de sensibilité d'un modèle dynamique de l'aéronef SA-160 pour le développement d'une version sans pilote (drone)

2015· article· fr· W2586461965 on OpenAlexaboutno aff
Mikaël Cardinal

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2015
Typearticle
Languagefr
FieldEngineering
TopicAerospace Engineering and Control Systems
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPhysicsPhilosophy
DOInot available

Abstract

fetched live from OpenAlex

Ce mémoire présente les travaux qui ont été menés conjointement avec l’entreprise Aviatech Services Techniques Inc. (AST) de Trois-Rivières. AST est une firme d’ingénierie se spécialisant dans l’intégration de systèmes avioniques, dans la fabrication de systèmes de levées géophysiques ainsi que dans la conception et la certification de produits aéronautiques. Depuis sa création en 2007, celle-ci a accompli plusieurs projets portant sur des modifications structurales d’aéronefs et sur des essais en vol pour des appareils certifiés sous les catégories FAR 23, 25, 27 et 29. Récemment, l’entreprise s’est impliquée dans le secteur des drones et développe des partenariats avec différentes institutions, dont les universités. \n \nLe projet présenté dans ce document s’inscrit dans la lignée des efforts mis par AST afin de développer une version sans pilote (drone) du SA160. De par l’investissement dans le développement technologique du SA160 ainsi que la connaissance des données techniques s’y rattachant, AST est à même de contribuer grandement au développement d’un tel aéronef. Également, l’entreprise est en bonne position afin de proposer des stratégies pour faciliter une future certification de l’appareil ainsi que son intégration dans un espace aérien civil. \n \nLe projet de recherche est orienté sur le développement d’un modèle dynamique du SA160, lequel pourra éventuellement servir à des fins de conception de lois de commande et de système de navigation autonome. L’asservissement de ce système complexe requiert une étude approfondie de la dynamique de l’appareil en boucle ouverte. Ainsi, un modèle possédant un haut degré de fidélité est requis afin de démontrer la navigabilité de l’appareil et ses capacités de vol autonome. À cet effet, un modèle dynamique est obtenu à partir de techniques d’identification paramétrique du modèle à temps continu appliquées aux données de vol du SA160. La méthode est appliquée avec l’outil Matlab SIDPAC (System IDentification Program for AirCraft) développé par la NASA. \n \nDans un premier temps, l’instrumentation nécessaire à l’identification du système dynamique a été installée sur l’appareil. Des essais en vol ont permis de recueillir un ensemble de données inertielles et aérodynamiques pour des manœuvres de vol spécifiquement conçues pour maximiser l’efficacité du processus d’identification. Ces manœuvres permettent d’exciter les différents modes de l’aéronef, ce qui permet l’obtention de données riches en information pour l’identification des différents paramètres aérodynamiques du modèle. D’abord, la dynamique couplée à 6 degrés de liberté a été étudiée. À la suite des résultats obtenus, le système a été découplé en deux systèmes indépendants modélisant respectivement la dynamique longitudinale et la dynamique \nlatérale/directionnelle. \n \nLa méthodologie utilisée a permis d’obtenir un modèle avec de bonnes capacités de prédiction, pour les dynamiques découplées. Une analyse de sensibilité a également été effectuée afin d’identifier le niveau de précision du modèle en regard de l’incertitude statistique des paramètres identifiés. Ces travaux permettent donc d’orienter les efforts de modélisation sur certains paramètres en particulier, en fonction de leur niveau d’influence sur les variables d’état du modèle.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Methods · Consensus signal: none
Teacher disagreement score0.021
Threshold uncertainty score0.042

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.005
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0020.001
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.017
GPT teacher head0.206
Teacher spread0.189 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreMethods

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".

Quick stats

Citations0
Published2015
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicAerospace Engineering and Control SystemsFrench-language works237,207