Flexible transonic wing design optimization with discipline-oriented decompositions
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
This paper discusses the performance of two discipline-oriented decompositions applied to the multidisciplinary design optimization (MDO) problem of a wing in transonic regime. A finite element model (FEM) serves to predict the wing structural deformations under cruise aerodynamic loads obtained from computational fluid dynamics (CFD) analyses. The aim of the design is to obtain a suitable wing structure and external shape that maximizes the cruise range under a lift constraint subjected to structural safety factor constraints for a given upwind gust load case. A methodology to quickly predict the performance of a decomposition method is presented. This methodology is applied to several possible formulations (single and bi-level decomposition) of the optimization problem. Based on the forecasted performance of the different decompositions, a bi-level FIO and a semi-decoupled decompositions are tested on the transonic wing design problem. The optimization results highlight the respective advantages of hierarchical decomposition and decoupling. With the hierarchical decomposition, the line search performed better because the structure is adapted for each external shape configuration. As for the semi-decoupled formulation, it was able to reduce the cost related to the resolution of the MDA. However, the bi-level FIO decomposition obtained a slightly better objective function than the semi-decoupled formulation. Also, the designs obtained by the optimizations are not representative of what is done in the industry because of a weakness in the objective function and because the load case is too conservative.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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