Enhancement of an Engineering Simulation Model to Improve the Correlation with Flight Test Data in Climb/Descent and Autorotation
Notice bibliographique
Résumé
A high-fidelity engineering simulation model has been developed in FLIGHTLAB for a Sikorsky production helicopter to support future design modifications. The simulation model consists of major subsystems for main rotor, tail rotor, fuselage, empennage, landing gear, flight control system, and propulsion system. As the manufacturer, Sikorsky was able to provide a complete and validated set of model data and a large database of flight test records to ensure the model quality and fidelity. Although the model correlation with test data is satisfactory in most flight conditions including hover, low-speed flight, level flight, and vertical climb, some model-data discrepancies were seen in the forward climb/descent and autorotation test cases. An additional study was conducted at Sikorsky to investigate these discrepancies. Based on the study, a set of model enhancements were developed to improve the model correlation with test data in forward climb/descent and autorotation. These enhancements allow for adjustment of certain semi-empirical corrections to address model limitations at these challenging conditions such as fuselage characteristics and interference at high angles of attack and rotor inflow and interference at low collective settings and near 90-degree wake skew. These enhancements were carefully designed such that the effects were localized so that the model-data correlation was not adversely impacted in other flight conditions. The model-data correlation in forward climb/descent and autorotation were significantly improved by implementing these model enhancements with little to no impact on the other flight conditions resulting in a high-fidelity engineering simulation model validated in the entire flight envelope.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».