Flutter Prediction Using Reduced-Order Modeling with Error Estimation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents a methodology for dynamic aeroelastic analysis of aircraft based on model order reduction with error estimation. A projection-based model order reduction approach is used to create an aerodynamic reduced-order model (ROM), which is coupled to a structural model to create an aeroelastic ROM. The governing aerodynamic equations are the linearized semidiscrete Euler equations. Flutter analysis is conducted by analyzing the eigenvalues of the aeroelastic ROM. A dual-weighted residual-based error estimator is presented which approximates the error in the eigenvalues obtained from the reduced eigenproblem relative to the eigenvalues from the high-dimensional aeroelastic model. The error estimator thus allows for the construction of aeroelastic ROMs with select eigenvalues that satisfy a user-prescribed accuracy. The aerodynamic ROM is constructed using approximate high-dimensional aeroelastic eigenvectors computed using the two-sided Jacobi–Davidson algorithm. Dynamic aeroelastic analyses are presented for the NACA 64A010 Isogai case, the AGARD 445.6 wing model, and a NACA 0012 benchmark case. The error estimator is shown to have good agreement with the exact error. For the test cases presented in this work, the cost of computing the flutter point at a given Mach number is equivalent to the cost of approximately 5 to 12 steady nonlinear flow evaluations of the high-dimensional Euler equations.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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