Synthesis and Optimization of Mechanical Networks with Inerters in Landing Gear for Improved Landing Performance and Vibration Control at Touchdown Considering Airframe Flexibility
Notice bibliographique
Résumé
The landing impact case results in the development of significant loads and accelerations within the airframe. Accurate knowledge of the landing loads is not only necessary for the stress analysis and design of the airframe, but also for designing strategies to mitigate the vibratory loads and improve the ride quality. Perceived passenger comfort is dependent both on the magnitude of the acceleration experienced by the passengers and on the frequency content of the vibrations. Using a flexible airframe model of a 150-passenger regional jet with cantilevered landing gear in a tricycle configuration, this study optimizes various single-port (two-terminal) passive mechanical networks that consist of an arrangement of springs, dampers, and inerters to minimize passenger discomfort and peak forces applied to the aircraft. The performance of the mechanical networks is compared to a baseline oleopneumatic shock absorber. First, the importance of including airframe flexibility effects was demonstrated as the peak landing gear loads, the loading regime, and the frequency response of the structure were altered when compared to the equivalent rigid model. Next, eight candidate layouts were optimized, then the observations from this exercise were used to synthesize a mechanical network with a desired frequency response. All considered mechanical networks demonstrated the ability to control the frequency content of the input loading, thus resulting in a reduction in accelerations and an improvement in all comfort parameters used in this study over the oleo-pneumatic baseline.
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 ».