MétaCan
Menu
Retour à la cohorte
Enregistrement W2907980344 · doi:10.5539/mas.v13n2p21

Sukhoi SU-47 Berkut and Eurofighter Typhoon Models Flow Visualization and Performance Investigation Using GAMA Water Tunnel

2019· article· en· W2907980344 sur OpenAlexvenueno aff
Sutrisno Sutrisno, Febryanto Nugroho, Yogi Adi Pratama, Sigit Iswahyudi, Setyawan Bekti Wibowo

Notice bibliographique

RevueModern Applied Science · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Gadjah Mada
Mots-clésAngle of attackStall (fluid mechanics)Lift coefficientAerodynamicsWater tunnelFlow visualizationTyphoonDelta wingWingVisualizationDrag coefficientAerospace engineeringWind tunnelDragMarine engineeringFlow (mathematics)Environmental scienceMeteorologyMechanicsComputer sciencePhysicsEngineeringVortexReynolds numberArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Changes and modifications to the wings of fighter aircraft were carried out, one of which was the forward swept wing which was a moderate wing that continues to develop. There were also types of delta wings that had been applied to many fighter planes. Both types of aircraft wings had certainly different aerodynamic characteristics. This research would study the flow visualization that occurs in the aircraft model body to determine the aerodynamic characteristics of the forward swept wing and delta wing. This study used a water tunnel to observe the aerodynamic flow and forces that occurred in both types of wings. This visualization test used similar aircraft models: SU-47 Berkut and Eurofighter Typhoon. The results provided flow visualization, coefficient of lift (Cl), and coefficient of drag (Cd) which showed that the stall that occurred on the aircraft model similar to the SU-47 Berkut occurred at an angle of attack (AoA) 500 with a Cl max value of 2.66. Meanwhile, the Eurofighter Typhoon stall model occurred at an angle of attack 450 with a Cl max value of 1.48.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,192
Écart entre enseignants0,180 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetAerospace and Aviation TechnologyTravaux en français237 207