MétaCan
Menu
Retour à la cohorte
Enregistrement W2771707279 · doi:10.2514/1.c034605

Aerostructural Optimization of Drooped Wings

2017· article· en· W2771707279 sur OpenAlexafffund
Shahriar Khosravi, David W. Zingg

Notice bibliographique

RevueJournal of Aircraft · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Aircraft Design and Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCompute CanadaUniversity of MichiganNational Aeronautics and Space Administration
Mots-clésWingWing loadingWing twistCamber (aerodynamics)Swept wingTransonicAerospace engineeringDragWashoutStructural engineeringAerodynamicsLift-induced dragWing configurationSpan (engineering)Lift-to-drag ratioAngle of attackEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Through aerostructural optimization, this paper presents progress toward characterizing the potential efficiency gains of drooped wings for commercial aircraft in transonic flight. The drooped wing is a nonplanar configuration with downward spanwise camber from the wing root to the tip. The aerostructural optimization cases include two load conditions: cruise and . The single maneuver load condition is used for structural sizing of the wing. In all cases, the projected span of the wing remains unchanged. The results show that such a wing has the potential to improve aircraft range by 2.6% relative to an optimized planar wing of the same projected span. The reason is that the drooped wing pushes the tip vortex further away than the planar wing and increases the projected span at the deflected state. Furthermore, if the drooped wing is permitted to have curved leading and trailing edges, a 4.9% range improvement in comparison to an optimized planar wing with straight leading and trailing edges is possible by further reducing wing weight and wave drag.

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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,249
Écart entre enseignants0,236 · 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

Citations9
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of AircraftMême sujetAdvanced Aircraft Design and TechnologiesTravaux en français237 207