MétaCan
Menu
Retour à la cohorte
Enregistrement W3120864597 · doi:10.2514/6.2021-0733

Optimization of Leading Edge Tubercles Applied to Helicopter Rotor Blades

2021· article· en· W3120864597 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAIAA Scitech 2021 Forum · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésRotor (electric)Enhanced Data Rates for GSM EvolutionLeading edgeAerospace engineeringStructural engineeringComputer scienceEngineeringMechanical engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2021-0733.vid The application of leading edge tubercles to rotor blades, with a constant amplitude and wavelength shape, have been previously explored showing improvements in figure of merit from increased thrust generation and reduced power requirements. This paper investigates a multi-objective optimization of rotor blades for increased figure of merit in hover and reduced power in forward flight by selecting the best tubercle amplitude and wavelength shapes along the rotor span. A blade element theory is employed for fast aerodynamic analysis using a sectional aerodynamic properties database at different radial locations. The database is populated using computational fluid dynamic simulations of rotors with different constant tubercles shapes and flow conditions. Pareto frontier results suggest increase in figure of merit by 45% and reduction in power coefficient of 3.5% can be achieved for optimal rotor tubercle configurations with non-uniform tubercle shape distributions. Post-optimal computational fluid dynamics supports the findings of the multi-objective optimization and elucidates tubercle performance enhancements from the change in flow behaviour.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,733
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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