Rotor blade optimization and flight testing of a small UAV rotorcraft
Notice bibliographique
Résumé
Rotor blade optimization with blade airfoil Reynolds numbers between 100 000 and 500 000 — characteristic of small single-rotor unmanned aerial vehicles (UAV) — was performed for hover using blade element momentum theory (BEMT) and demonstrated via flight tests. BEMT was used to test various airfoil profiles and rotor blade shapes using airfoil data from 2D computational fluid dynamics simulations with Reynolds numbers representative of the blade elements. Selected blade designs were manufactured and flight tested on a Blade 600X single main-rotor UAV (671 mm blade radius) to validate the theoretical results. The parameters considered during the optimization process were the rotor frequency, radius, taper ratio, twist, chord length, airfoil profile, and blade number. The best of the improved blade designs increased the figure of merit, a measure of rotor efficiency, from 0.31 to 0.68 and reduced power consumption by 54%. Reducing the rotational frequency accounted for 45% of the improvement in power consumption, while the taper ratio and blade number accounted for 25% and 17%, respectively. The blade twist and airfoil profile only had a minor effect on the power consumption, contributing 7% and 6% to the improvement. The rotor diameter and root chord were kept identical to the original rotor and hence had no contribution. The presented results could serve as useful guidelines to single-rotor UAV manufacturers and operators for increasing endurance and payload capabilities.
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 ».