MétaCan
Menu
Retour à la cohorte
Enregistrement W4280607111 · doi:10.2514/1.c036754

Aircraft Cruise Drag Reduction Through Variable Camber Using Existing Control Surfaces

2022· article· en· W4280607111 sur OpenAlexaff
Thomas A. Reist, David Koo, David W. Zingg

Notice bibliographique

RevueJournal of Aircraft · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFuselageCamber (aerodynamics)DragLift-to-drag ratioWingAngle of attackAerospace engineeringCruiseAerodynamicsTrimStructural engineeringEngineeringControl theory (sociology)Computer scienceControl (management)

Résumé

récupéré en direct d'OpenAlex

The ability to morph the shape of an aircraft wing to optimize performance is widely accepted as a path to improved aircraft efficiency. A simpler approach is to change the wing camber using existing control surfaces. In this work, a Reynolds-averaged Navier–Stokes-based aerodynamic shape optimization methodology is applied to the design of a business jet with variable camber. Variable camber is achieved using the three existing control surfaces on each wing. Multipoint optimization is performed over a range of cruise operating conditions with and without variable camber. Variable camber is found to yield a reduction in drag of approximately 3–11 counts, or 1–5%, over a range of cruise conditions, with the largest reductions seen at lower lift coefficients. The control surface deflections are used to reduce the wing camber at lower lift cruise conditions, leading to an increase in the aircraft angle of attack across most operating points. The increased angles of attack transfer lift to the fuselage, which enables reductions in induced, wave, and trim drag. This additional drag reduction mechanism has not been identified in previous studies and cannot be seen in optimizations that do not include the fuselage and a trim constraint.

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: Empirique
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,719

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 Opus0,016
Tête enseignante GPT0,241
Écart entre enseignants0,226 · 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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AircraftMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207