MétaCan
Menu
Retour à la cohorte
Enregistrement W4230151429 · doi:10.32920/ryerson.14656272.v1

Flutter Suppression of an Airfoil Using Neuro-Fuzzy Control

2021· preprint· en· W4230151429 sur OpenAlexaff
Chun Meng

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAeroelasticity and Vibration Control
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésFlutterAirfoilAeroelasticityControl theory (sociology)Controller (irrigation)Computer scienceFuzzy logicAerodynamicsCritical speedVibrationEngineeringStructural engineeringControl (management)Artificial intelligencePhysicsAcousticsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Flutter, a self-excited vibration of wings and control surfaces, can lead to catastrophic failure of aircraft structures. Classical methods have been applied successfully for flutter suppression and for increasing the flutter critical speed. With the demand of higher speed and more flexible aircraft, more advanced active flutter control techniques are required. In this study, a neuro-fuzzy methodology for flutter suppression of a two dimensional airfoil is explored. A MATLAB simulation environment is used for the modeling and analysis. The airfoil model is simulated according to a set of aeroelastic equations of motion. A neuro-fuzzy controller, called NEFCON, is then embedded in the airfoil model for increasing the flutter speed. NEFCON learns from the motion of the airfoil and automatically produces fuzzy rules. The simulation results show that these fuzzy rules can successfully increase the critical flutter speed. The performance of the fuzzy rules is tested with differential airfoil parameters.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,540
Score d'incertitude au seuil0,956

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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,233
Écart entre enseignants0,218 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAeroelasticity and Vibration ControlTravaux en français237 207