MétaCan
Menu
Retour à la cohorte
Enregistrement W3041830750 · doi:10.32920/ryerson.14648304.v1

Multidisciplinary Aircraft Conceptual Design Optimization Considering Fidelity Uncertainties

2021· article· en· W3041830750 sur OpenAlexaff
Daniel Neufeld

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésConceptual designMultidisciplinary design optimizationComputer scienceConceptual frameworkEngineering design processEngineering optimizationSystems engineeringOptimization problemMultidisciplinary approachEngineeringIndustrial engineeringReliability engineeringOperations researchMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Aircraft conceptual design traditionally utilizes simplified analysis methods and empirical equations to establish the basic layout of new aircraft. Applying optimization methods to aircraft conceptual design may yield solutions that are found to violate constraints when more sophisticated analysis methods are introduced. The designer's confidence that proposed conceptual designs will meet their performance target is limited when conventional optimization approaches are utilized. Therefore, there is a need for an optimization approach that takes into account the uncertainties that arise when traditional analysis methods are used in aircraft conceptual design optimization. This research introduces a new aircraft conceptual design optimization approach that utilizes the concept of Reliability Based Design Optimization (RBDO). RyeMDO, a framework for multi-objective, multi-disciplinary RBDO was developed for this purpose. The performance and effectiveness of the RBDO-MDO approaches implemented in RyeMDO were evaluated to identify the most promising approaches for aircraft conceptual design optimization. Additionally, an approach for quantifying the errors introduced by approximate analysis methods was developed. The approach leverages available historical data to quantify the uncertainties introduced by approximate analysis methods in two engineering case studies: the conceptual design optimization of an aircraft wing box structure and the conceptual design optimization of a commercial aircraft. The case studies were solved with several of the most promising RBDO-MDO integrated approaches. The proposed approach yields more conservative solutions and estimates the risk associated with each solution, enabling designers to reduce the likelihood that conceptual aircraft designs will fail to meet objectives later in the design process.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,153
Tête enseignante GPT0,341
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetProbabilistic and Robust Engineering DesignTravaux en français237 207