MétaCan
Menu
Retour à la cohorte
Enregistrement W2996925387 · doi:10.2514/6.2020-1261

Flying Qualities Prediction Tool for Aerial Refuelling Operational Compatibility Assessment

2020· article· en· W2996925387 sur OpenAlexaff
Luke H. Peristy, Ruben E. Perez, Peter Jansen

Notice bibliographique

RevueAIAA Scitech 2020 Forum · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace Engineering and Control Systems
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésAviationAeronauticsMarine engineeringAerospace engineeringEngineeringFrequency spectrumTelecommunications

Résumé

récupéré en direct d'OpenAlex

Air-to-air refuelling is a common operational practise in military aviation, and is used both to extend mission length and reduce total fuel consumption for long-haul missions. Clearing tanker and receiver aircraft pairs for aerial refuelling is an extensive process that requires a combination of analysis and flight testing. In order to develop further tools with which to analyse aerial refuelling, this paper presents the continued development of a fully coupled vortex lattice method representation of two aircraft in close formation flight which is used to calculate the frequency and damping of a receiver aircraft's long period, short period, and Dutch Roll during aerial refuelling. These flight dynamics quantities are then used to predict the flying qualities during air-to-air refuelling. This paper examines the case of a F/A-18 being refuelled by both a C-150 Polaris and C-130 Hercules tanker aircraft. At the refuelling point of both tankers, the results predict a reduction in long period natural frequency, an increase in long period damping, an increase in short period natural frequency and damping, a decrease in Dutch Roll natural frequency, and an increase in Dutch Roll damping. This is predicted to result in Level 2 flying qualities during refuelling.

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: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,225 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA Scitech 2020 ForumMême sujetAerospace Engineering and Control SystemsTravaux en français237 207