MétaCan
Menu
Retour à la cohorte
Enregistrement W2098655091 · doi:10.1243/09544100jaero219

Identification of structural surfaces' positions on an F/A-18 using the subspace identification method from flight flutter tests

2007· article· en· W2098655091 sur OpenAlexafffund
M. Nadeau Beaulieu, Sandrine De Jesus Mota, Ruxandra Mihaela Botez

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part G Journal of Aerospace Engineering · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueControl Systems and Identification
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Aeronautics and Space Administration
Mots-clésFlutterAeroelasticityAileronDeflection (physics)Subspace topologyControl theory (sociology)System identificationStructural engineeringEngineeringAerodynamicsMathematicsAlgorithmComputer scienceWingMathematical analysisAerospace engineeringData modelingPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In the current paper, a linear state-space mathematical model, identified from flight flutter tests is presented, to simulate the aeroelastic deflections of specific structural parts of the NASA F/A-18 Active Aeroelastic Wing research aircraft. The flight flutter tests were performed in steady-level flight with Schroeder frequency excitation induced on the aircraft ailerons by an on-board excitation system activated by the pilot. The results of the flight flutter tests were used to generate an aeroelastic model in which the deflections of the specific aircraft surfaces are functions of the control inputs combined with the deflections of other aircraft surfaces. The F/A-18 linear model is conceived as nine third-order multiple input-single output (MISO) models. Each model has nine inputs and one output. The nine inputs are the differential ailerons deflection and the deflections of all the other parts of the aircraft. The output of each model is the structural deflection of a given aircraft structure. The model's parameters are estimated with the subspace system identification algorithm, an efficient non-iterative algorithm that computes the system matrices directly from the input and output data. The model's quality is evaluated by calculating the fit and correlation coefficients between the model's outputs and the outputs from flight flutter test data. Although the fit coefficient results are very good - between 89 and 99 per cent - the correlation coefficient method gave the best results (nearly 100 per cent). Finally, resampled inputs were used to validate the F/A-18 model's robustness. The model's aircraft structure was validated for flutter flight tests at different Mach numbers and altitudes. The estimated linear model fits the flight flutter test data very well. The subspace method is therefore very convernvenient for model identification from flight flutter tests.

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)0,002
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,014
Tête enseignante GPT0,258
Écart entre enseignants0,245 · 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

Citations11
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part G Journal of Aerospace EngineeringMême sujetControl Systems and IdentificationTravaux en français237 207