Aero-Structural Optimization of Non-Planar Lifting Surface Configurations
Notice bibliographique
Résumé
Non-planar lifting surface aircraft configurations offer potentially significant gains in aerodynamic efficiency by lowering the total induced drag. There are many options for non–planar wing configurations, from winglets and multiwings to box and joined wings. Non–aerodynamic considerations such as structures, weight and stability and control can significantly impact the overall improvements in efficiency.Here, a medium fidelity panel method and equivalent beam finite element model are used to explore the possibilities of non–planar lifting surface configurations taking into account the coupling between aerodynamics and structures. Two main cases, a single discipline aerodynamic optimization and a multidisciplinary aero–structural optimization are investigated. To demonstrate the effect of non–planar configurations, the main lifting surface of a typical commercial aircraft at cruise is optimized. The optimization of the wing configurations is geometrically constrained by a maximum projected span and height. The effect of incorporating parasitic drag in the aerodynamic model is also explored. Due to the complexity of the design space and the presence of multiple local minima, an augmented Lagrange multiplier particle swarm global optimizer is used. The particle swarm algorithm is a global optimization algorithm based on a simplified social model and is closely tied to swarming theory. The aerodynamic optimum solution found for rectangular lifting surfaces is a box wing, as predicted by theory. Allowing for sweep and taper as design variables yields a joined wing as the aerodynamic optimum result. The addition of parasitic drag in the aerodynamic model reduces the size of the non–planar elements in the topology of the aerodynamic optimum solutions. Including structures and the coupling between structures and aerodynamics in the optimization has a profound impact due to the additional weight of non–planar segments. The aero–structural optimal solution found is the C–wing configuration when parasitic drag is neglected and the addition of a winglet to the planar wing when parasitic drag is included.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».