MétaCan
Menu
Retour à la cohorte
Enregistrement W2321268453 · doi:10.2514/6.2006-3656

Adaptive Airfoils for Drag Reduction at Transonic Speeds

2006· article· en· W2321268453 sur OpenAlexaff
David W. Zingg, Laslo T. Diosady, Laura Billing

Notice bibliographique

Revue24th AIAA Applied Aerodynamics Conference · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensInstitute for Christian StudiesUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTransonicAirfoilDragReduction (mathematics)Drag divergence Mach numberAerospace engineeringComputer scienceAerodynamicsEngineeringMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Adaptive airfoils and wings can provide superior performance at the expense of increased cost and complexity. In this paper, an aerodynamic optimization algorithm is used to assess an adaptive airfoil concept for drag reduction at transonic speeds. The objective is to quantify both the improvements in drag that can be achieved and the magnitude of the shape changes needed. In an initial study, a baseline airfoil is designed to produce low drag at a fixed lift coefficient over a range of Mach numbers. This airfoil is compared with a sequence of nine airfoils, each designed to be optimal at a single operating point in the Mach number range. Shape changes of less than 2 % chord lead to drag reductions of 4-6% over a range of Mach numbers from 0.68 to 0.76. If the shape changes are restricted to the upper surface only, then changes of less than 1 % chord lead to drag reduction of 3-5%. In a second study, a baseline airfoil is designed based on a multi-point optimization over eighteen operating points, including dive and low-speed off-design requirements. Adaptive airfoils are designed through single-point optimization for the operating points corresponding to cruise conditions, producing drag reductions ranging from 9.7 to 16.7 % with shape changes on the order of a few percent chord. I.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,182
Écart entre enseignants0,174 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations32
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue24th AIAA Applied Aerodynamics ConferenceMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207