A lifting line model to investigate the influence of tip feathers on wing performance
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
Bird wings have been studied as prototypes for wing design since the beginning of aviation. Although wing tip slots, i.e. wings with distinct gaps between the tip feathers (primaries), are very common in many birds, only a few studies have been conducted on the benefits of tip feathers on the wing's performance, and the aerodynamics behind tip feathers remains to be understood. Consequently most aircraft do not yet copy this feature. To close this knowledge gap an extended lifting line model was created to calculate the lift distribution and drag of wings with tip feathers. With this model, is was easily possible to combine several lifting surfaces into various different birdwing-like configurations. By including viscous drag effects, good agreement with an experimental tip slotted reference case was achieved. Implemented in C++ this model resulted in computation times of less than one minute per wing configuration on a standard notebook computer. Thus it was possible to analyse the performance of over 100 different wing configurations with and without tip feathers. While generally an increase in wing efficiency was obtained by splitting a wing tip into distinct, feather-like winglets, the best performance was generally found when spreading more feathers over a larger dihedral angle out of the wing plane. However, as the results were very sensitive to the precise geometry of the feather fan (especially feather twist) a careless set-up could just as easily degrade performance. Hence a detailed optimization is recommended to realize the full benefits by simultaneously optimizing feather sweep, twist and dihedral angles.
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