MétaCan
Menu
Retour à la cohorte
Enregistrement W4246155320 · doi:10.1504/ijasse.2021.114118

Design and implementation of low-power low-cost quasi steady-state magnetoplasmadynamic propulsion using Ar-He and N<SUB align="right">2-He gas mixtures

2021· article· en· W4246155320 sur OpenAlexafffund
C.A. Barry Stoute

Notice bibliographique

RevueInternational Journal of Aerospace System Science and Engineering · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSolar and Space Plasma Dynamics
Établissements canadiensYork University
Organismes subventionnairesYork University
Mots-clésPropulsionSteady state (chemistry)Power (physics)Nuclear engineeringChemistryState (computer science)Materials sciencePhysicsThermodynamicsEngineeringComputer sciencePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Current miniature plasma propulsion technologies use ion or Hall propulsion to provide thrust for miniature satellites.The problem with ion and Hall thrusters is the low thrust-to-power ratio (30 mN/kW-50 mN/kW), and it is not enough for high-speed manoeuvres in deep-space missions.Alternatively, magnetoplasmadynamic propulsion provides higher thrust to miniature satellites than ion thrusters without the increase in mass.Magnetoplasmadynamic propulsion is a technology that the plasma is accelerated electromagnetically.This research investigates the design and performance of a low-cost magnetoplasmadynamic thruster built for micro and nanosatellites.Gas mixtures are tested in this research to observe any improvement in the overall performance.The gases used in the thruster are pure helium, nitrogen and argon; with gas mixtures of 50% helium -50% nitrogen and 50% helium -50% argon.The specific impulse, impulse bit, thrust efficiency and thrust-weight ratios of 50% helium -50% nitrogen are 801 seconds, 6.29 μN•s, 19.8% and 15.72 mN/kg, respectively.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,005
Tête enseignante GPT0,235
Écart entre enseignants0,230 · 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'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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Aerospace System Science and EngineeringMême sujetSolar and Space Plasma DynamicsTravaux en français237 207