MétaCan
Menu
Retour à la cohorte
Enregistrement W4293155122 · doi:10.1061/(asce)as.1943-5525.0001465

Dynamic Aeroelastic Performance Optimization of Adaptive Aerospace Structures Using Structural Geometric Nonlinearities

2022· article· en· W4293155122 sur OpenAlexaff
William P. Parsons, Victor E. L. Gasparetto, Mostafa S. A. ElSayed, Mohamed Saad, Stephen A. Shield, Gary L. Brown, L. Hilliard

Notice bibliographique

RevueJournal of Aerospace Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAeroelasticity and Vibration Control
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésAeroelasticityAerodynamicsTrussActuatorStructural engineeringControl theory (sociology)StiffnessEngineeringModalComputer scienceAerospace engineering

Résumé

récupéré en direct d'OpenAlex

This paper proposes a framework for the design optimization of geometric nonlinearities developed by active elements embedded in prestressable, statically indeterminant, truss-like aerospace structures for the purpose of attenuating their dynamic aeroelastic response under turbulent aerodynamic gust conditions. Dynamic aeroelastic responses are analyzed considering random power spectral density (PSD) gust with a continuous Davenport spectrum (DS) and tuned discrete gust (TDG) with a one-minus-cosine (OMC) wind excitation profiles. A genetic optimization algorithm (GA) is utilized to determine optimal prestress values through active element actuations for the purpose of tuning the geometric stiffness and, therefore, the modal response of the structure when exposed to gust excitations. In addition, a new simplified control metric for comparing active member locations is proposed. A case study is analyzed with this methodology to minimize the pointing error of a simplified antenna structure. Pointing error attenuations of 22.1% and 17.0% were found for the structure under DS mean wind speeds of 889 (349.95) and 2,778 cm/s (1,093.61 in./s), respectively. Using the same two operating cases with the TDG excitation profile resulted in the overall pointing error to be reduced by 36.8% and 37.0%, respectively. The adaptive nature of the presented methodology allows a single actuator layout to mitigate structural response for a variety of load cases, which is a large benefit over many traditionally passive techniques. This paper expands the existing usage of geometric nonlinearities to determine optimal active element location and actuations for given optimization objectives under realistic environmental loading conditions.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,008
Tête enseignante GPT0,197
Écart entre enseignants0,189 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Aerospace EngineeringMême sujetAeroelasticity and Vibration ControlTravaux en français237 207