MétaCan
Menu
Retour à la cohorte
Enregistrement W4313221317 · doi:10.54097/hset.v27i.3858

Principles of Multistage Rocket Vehicle and Concepts of Propulsion Methods for Rocket Applications

2022· article· en· W4313221317 sur OpenAlexaff
Xinyuan Liang

Notice bibliographique

RevueHighlights in Science Engineering and Technology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRocket and propulsion systems research
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPropulsionAerospace engineeringIn-space propulsion technologiesPayload (computing)Rocket (weapon)Spacecraft propulsionPropellantThrustBooster (rocketry)AeronauticsElectrically powered spacecraft propulsionAutomotive engineeringEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

The variety of propulsion methods will reach their peak efficiencies under certain conditions. This paper will focus on the propulsion methods and different propellant choices for certain usage when designing a vehicle or a stage of a rocket with some altitude limitations, their working principles, applications and challenges. The advantages of multistage design for rocket vehicles and the prospects of advanced engine technology using electricity or solar radiation as its main power source will also be discussed. The cost, payload and other attributes such as the thrust-to-weight ratio of every propulsion concept are the main factors for determining the general performance. MRV is the ideal design for rocket vehicles that are launched from the surface of a planet consider the massive amount of energy it requires to get into the orbit or escape the gravity, but the propulsion system can be various depends on the applications under certain conditions of launching and space travel.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,192
Score d'incertitude au seuil0,331

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,019
Tête enseignante GPT0,330
Écart entre enseignants0,311 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Science Engineering and TechnologyMême sujetRocket and propulsion systems researchTravaux en français237 207