MétaCan
Menu
Retour à la cohorte
Enregistrement W2523450473 · doi:10.1017/aer.2016.94

Non-linear aeroelastic analysis in the time domain of high-aspect-ratio wings: Effect of chord and taper-ratio variation

2016· article· en· W2523450473 sur OpenAlexaff
Afzal Suleman, Frederico Afonso, José Vale, Éder Oliveira, Fernando Lau

Notice bibliographique

RevueThe Aeronautical Journal · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAeroelasticity and Vibration Control
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésAeroelasticityAspect ratio (aeronautics)WingFlutterChord (peer-to-peer)Structural engineeringStall (fluid mechanics)Lift-to-drag ratioDragAerodynamicsMathematicsMechanicsEngineeringMaterials scienceComputer sciencePhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Commercial jets usually have relatively low-aspect-ratio wings, in spite of the associated benefits of increasing the wing aspect-ratio, such as higher lift-to-drag ratios and ranges. This is partially explained by the fact that the wing becomes more flexible by increasing the aspect-ratio that results in higher deflections which can cause aeroelastic instability problems such as flutter. An aeroelastic computational framework capable of evaluating the effects of geometric non-linearities on the aeroelastic performance of high-aspect-ratio wings has been developed and validated using numerical and experimental data. In this work, the aeroelastic performance of a base wing model with 20 m span and 1 m chord is analysed and the effect of changing the wing chord or the taper-ratio is determined. The non-linear static aeroelastic equilibrium solutions are compared in terms of drag polar, root bending moment and natural frequencies, and the change in the flutter speed boundary is assessed as a function of aspect-ratio using a time-marching approach.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,004
Tête enseignante GPT0,207
Écart entre enseignants0,203 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Aeronautical JournalMême sujetAeroelasticity and Vibration ControlTravaux en français237 207