MétaCan
Menu
Retour à la cohorte
Enregistrement W2027733713 · doi:10.4271/2013-01-2318

Design of a Human-Powered Aircraft Applying Multidisciplinary Optimization Method

2013· article· en· W2027733713 sur OpenAlexaff
Gustavo E. C. Fujiwara, Luciano Martinez Stefanini, Otávio Silvares

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Aircraft Design and Technologies
Établissements canadiensBombardier (Canada)
Organismes subventionnairesMassachusetts Institute of Technology
Mots-clésMultidisciplinary design optimizationMultidisciplinary approachComputer scienceAeronauticsAerospace engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">A particular field of aerospace engineering is dedicated to the study of aircraft that are so energetically efficient, that the power produced by a human being enables it to takeoff and maintain sustained flight without any external or stored energy. These aircraft are known as Human-Powered Aircraft (HPA). The objective of the present work is to design a single-seat HPA applying multidisciplinary optimization techniques with an objective function that minimizes both the power required and the stall speed, representing respectively, an easier and safer aircraft to fly. In the first stage, a parametric synthesis model is created to generate random aircraft and assess their aerodynamic(utilizing a 3D vortex lattice method code and a component drag buildup method for the drag polar), stability and control(utilizing static stability criteria), weight (estimated using historical data) and performance (using the thus calculated data) characteristics. The aircraft that pass through a set of specified constraints filters form a critical population which is then optimized with a genetic algorithm. The optimal aircraft is chosen from the Pareto frontier and is piloted in a 6-degrees-of-freedom real-time flight simulator coded in Matlab/Simulink.</div></div>

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,969
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,279
Écart entre enseignants0,258 · 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.

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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetAdvanced Aircraft Design and TechnologiesTravaux en français237 207