Improvement and validation of a propeller slipstream model for small unmanned aerial vehicles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Airflow from the propeller, called the propeller slipstream or propwash, plays an important role in the aerodynamics of small unmanned aerial vehicles (UAVs). In fact, flights at low forward speeds or extreme angle of attack (AoA) maneuvers of small fixed-wing UAVs are possible only because the propeller slipstream provides the airflow necessary to maintain lift and control under these conditions. Almost all related works in the literature consider propeller slipstream effect on the UAV's aerodynamics by means of simple theories such as the momentum theory, classical lifting line theory etc. However, these theories take into account only the acceleration of air within the slipstream while failing to account for its diffusion, thereby limiting their applicability to the region near the propeller where acceleration is dominant; far downstream of the propeller, these theories predict unreasonably high induced velocities since diffusion of the slipstream is not accounted for. A propeller slipstream model that considers both acceleration and diffusion within the slipstream has already been presented in a previous work by the authors. The main objective of the current work is to present improvements made to the model in light of detailed experimental measurements of the induced velocity downstream of the propeller. Thereafter, validity of the propeller slipstream model is also demonstrated via additional experiments. The model is shown to be accurate up to an axial distance of ~5 propeller diameters from the propeller plane, with a root mean square error of 0.45 m/s at 1750 rpm and 1.21 m/s at 6425 rpm.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle