MétaCan
Menu
Retour à la cohorte
Enregistrement W2984617066 · doi:10.2514/1.j058503

Performance Analysis of Composite Helicopter Blade Using Synergistic Damage Mechanics Approach

2019· article· en· W2984617066 sur OpenAlexaff
Wing Yi Pao, Sandip Haldar, Chandra Veer Singh

Notice bibliographique

RevueAIAA Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueComposite Structure Analysis and Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceHelicopter rotorAerodynamicsBlade (archaeology)Structural engineeringComposite laminatesRotor (electric)IsotropyMechanicsComposite numberComposite materialEngineeringPhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The damage behavior of a helicopter rotor blade made of carbon fiber polymer composite has been numerically investigated using a synergistic damage mechanics (SDM) model. Laminates of the quasi-isotropic stacking sequence have been considered in this study. The simulations were performed, corresponding to a hovering condition and for a range of the angles of attack and rotational speeds of the blade. The aerodynamic and centrifugal loads due to different angles of attack and rotational speeds have been computed by using fluid dynamics simulations. A structural analysis was then performed using the aerodynamic loads. Using the SDM model, the matrix crack density and crack multiplication were evaluated to predict the damage initiation site and maximum crack density occurring in the plies of the laminate under the operational conditions. It was observed that maximum crack appeared in the blade at extreme operational conditions; among the different plies, a ply was cracked by the maximum amount. A crack density of around was predicted in the ply at an operational condition with a 500 rpm blade rotation and an 18 deg angle of attack of the blade. The present study demonstrates application of the progressive damage modeling in designing a composite helicopter blade by considering its performance parameters.

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)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,006
Tête enseignante GPT0,194
Écart entre enseignants0,188 · 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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetComposite Structure Analysis and OptimizationTravaux en français237 207