MétaCan
Menu
Retour à la cohorte
Enregistrement W4237159913 · doi:10.32920/ryerson.14665278.v1

Conceptual Design Of A Modular Morphing Wing

2021· preprint· en· W4237159913 sur OpenAlexaff
Allan D. Finistauri

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMorphingModular designKinematicsTrussWingModularity (biology)Computer scienceMechanism (biology)Parametric statisticsEngineeringStructural engineeringMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this dissertation a new modular design method for morphing wings is presented. First, a design method was created, applying modularity and recon gurability to a morphing wing system. With modularity being a requirement for the morphing wing system, a discretization method is developed to determine the discrete number of modules required to perform a desired morphing maneuver. Then, a specialized, modular, recon gurable variable geometry truss mechanism is proposed to facilitate morphing. The specialized modular wing truss is a recon gurable, limited mobility parallel mechanism, adapted to t within the volume of a wing. The mobility of the wing truss module is analyzed via a branch-based mobility and connectivity analysis that imposes kinematic requirements on the truss mechanism. The mobility and connectivity requirements are used to perform an enumeration analysis to isolate candidate module con gurations for morphing. Then, a parametric kinematic constraint system is developed and applied to the wing module and the kinematic performance of the module is evaluated. The kinematics are applied to a mechanical prototype of the wing module for validation purposes. Finally, the kinematics are used to evaluate the motion response of a wing skin system to lay the foundation for detailed design.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,065
Tête enseignante GPT0,271
Écart entre enseignants0,206 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDesign Education and PracticeTravaux en français237 207