MétaCan
Menu
Retour à la cohorte
Enregistrement W1979685050 · doi:10.1371/journal.pone.0080086

Estimation of Unsteady Aerodynamics in the Wake of a Freely Flying European Starling (Sturnus vulgaris)

2013· article· en· W1979685050 sur OpenAlexafffund
Hadar Ben-Gida, Adam J. Kirchhefer, Zachary Taylor, Wayne Bezner-Kerr, Christopher G. Guglielmo, Gregory A. Kopp, Roi Gurka

Notice bibliographique

RevuePLoS ONE · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomimetic flight and propulsion mechanisms
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaTel Aviv University
Mots-clésWakeAerodynamicsDragFlappingStarlingAerospace engineeringBird flightAerodynamic forceThrustSturnusMechanicsKinematicsLift-induced dragPhysicsParticle image velocimetryAerodynamic dragWingGeologyClassical mechanicsEngineeringBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Wing flapping is one of the most widespread propulsion methods found in nature; however, the current understanding of the aerodynamics in bird wakes is incomplete. The role of the unsteady motion in the flow and its contribution to the aerodynamics is still an open question. In the current study, the wake of a freely flying European starling has been investigated using long-duration high-speed Particle Image Velocimetry (PIV) in the near wake. Kinematic analysis of the wings and body of the bird has been performed using additional high-speed cameras that recorded the bird movement simultaneously with the PIV measurements. The wake evolution of four complete wingbeats has been characterized through reconstruction of the time-resolved data, and the aerodynamics in the wake have been analyzed in terms of the streamwise forces acting on the bird. The profile drag from classical aerodynamics was found to be positive during most of the wingbeat cycle, yet kinematic images show that the bird does not decelerate. It is shown that unsteady aerodynamics are necessary to satisfy the drag/thrust balance by approximating the unsteady drag term. These findings may shed light on the flight efficiency of birds by providing a partial answer to how they minimize drag during flapping flight.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,863
Score d'incertitude au seuil0,271

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,182
Écart entre enseignants0,156 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations25
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetBiomimetic flight and propulsion mechanismsTravaux en français237 207