MétaCan
Menu
Retour à la cohorte
Enregistrement W1521067239 · doi:10.5772/14540

New Applications of Fuzzy Logic Methodologies in Aerospace Field

2011· book-chapter· en· W1521067239 sur OpenAlexaff

Notice bibliographique

RevueInTech eBooks · 2011
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueAdvanced Data Processing Techniques
Établissements canadiensÉcole de Technologie SupérieureBombardier (Canada)Polytechnique MontréalNational Research Council CanadaConsortium For Research and Innovation In Aerospace In QuebecNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesnon disponible
Mots-clésAerospaceFuzzy logicField (mathematics)Computer scienceSystems engineeringEngineeringAerospace engineeringArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

Fuzzy Controllers, Theory and Applications 254 level of artificial intelligence compared to conventional PID controllers (Al-Odienat & Al-Lawama, 2008).The objective of the research presented here is to develop a new morphing mechanism using smart materials such as Shape Memory Alloy (SMA) as actuators and fuzzy logic techniques.These smart actuators deform the upper wing surface, made of a flexible skin, so that the laminar-to-turbulent transition point moves closer to the wing trailing edge.The ultimate goal of this research project is to achieve drag reduction as a function of flow condition by changing the wing shape.The transition location detection is based on pressure signals measured by optical and Kulite sensors installed on the upper wing flexible surface.Depending on the project evolution phase, two architectures are considered for the morphing system: open loop and closed loop.The difference between these two architectures is their use of the transition point as a feedback signal.This research work was a part of a morphing wing project developed by the

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,078
Tête enseignante GPT0,319
Écart entre enseignants0,241 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetAdvanced Data Processing TechniquesTravaux en français237 207