MétaCan
Menu
Retour à la cohorte
Enregistrement W2806937056 · doi:10.2514/1.j056961

Modeling Transverse Gusts Using Pitching, Plunging, and Surging Airfoil Motions

2018· article· en· W2806937056 sur OpenAlexaff
Jordan Leung, Jaime G. Wong, Gabriel D. Weymouth, David E. Rival

Notice bibliographique

RevueAIAA Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomimetic flight and propulsion mechanisms
Établissements canadiensQueen's University
Organismes subventionnairesOffice of Naval Research
Mots-clésInviscid flowMechanicsLift (data mining)PhysicsAngle of attackAirfoilWakeTransverse planeAerodynamicsAerodynamic forceClassical mechanicsEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

Three model motions were developed to replicate the aerodynamic response of a transverse gust. These motions included a pure plunging and two three-degree-of-freedom motions that approximated the angle-of-attack distribution produced by the gust. Using inviscid models and viscous flow simulations, the responses of the gust and model motions were compared as a function of the nondimensional reduced frequency. The inviscid model was found to overestimate the influence of the rotational added mass in the three-degree-of-freedom motions. In contrast, the viscous flow simulations showed that the two primary sources of discrepancy between the gust and model motions lie in the nonlinear angle-of-attack distribution caused by the gust and the wake development during the model motions. Flow simulations showed that all three motions experienced greater than 90% agreement in lift for gusts with reduced frequencies less than 0.5, indicating that, under this reduced frequency, 1) the effect of the gust convection is minimal, and 2) a pure-plunging motion may suffice for modeling gusts. However, at higher reduced frequencies, the pure-plunging motion experiences greater than 10% worse agreement than the three-degree-of-freedom motions. Overall, the motions provide a good approximation with greater than 90% accuracy in lift for gusts of reduced frequencies less than .

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 enseignants0,007
Score d'incertitude au seuil0,015

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 savante0,0000,000
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 Opus0,019
Tête enseignante GPT0,231
Écart entre enseignants0,212 · 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

Citations33
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetBiomimetic flight and propulsion mechanismsTravaux en français237 207