MétaCan
Menu
Retour à la cohorte
Enregistrement W3185197892 · doi:10.4050/jahs.66.042009

Rotorcraft Lateral-Directional Oscillations: The Anatomy of a Nuisance Mode

2021· article· en· W3185197892 sur OpenAlexaboutno aff
Dheeraj Agarwal, Linghai Lu, Gareth D. Padfield, Mark White, Neil Cameron

Notice bibliographique

RevueJournal of the American Helicopter Society · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésAirframeFidelityMode (computer interface)Flight simulatorComputer scienceEngineeringAerodynamicsSimulationStability (learning theory)Oscillation (cell signaling)Control theory (sociology)Aerospace engineeringControl (management)Artificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

High-fidelity rotorcraft flight simulation relies on the availability of a quality flight model that further demands a good level of understanding of the complexities arising from aerodynamic couplings and interference effects. One such example is the difficulty in the prediction of the characteristics of the rotorcraft lateral-directional oscillation (LDO) mode in simulation. Achieving an acceptable level of the damping of this mode is a design challenge requiring simulation models with sufficient fidelity that reveal sources of destabilizing effects. This paper is focused on using System Identification to highlight such fidelity issues using Liverpool's FLIGHTLAB Bell 412 simulation model and in-flight LDO measurements from the bare airframe National Research Council's (Canada) Advanced Systems Research Aircraft. The simulation model was renovated to improve the fidelity of the model. The results show a close match between the identified models and flight test for the LDO mode frequency and damping. Comparison of identified stability and control derivatives with those predicted by the simulation model highlight areas of good and poor fidelity.

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 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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,187

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 Opus0,006
Tête enseignante GPT0,251
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Helicopter SocietyMême sujetAerospace and Aviation TechnologyTravaux en français237 207