MétaCan
Menu
Retour à la cohorte
Enregistrement W4317583590 · doi:10.2514/6.2023-0910

Modeling of the Blackbird Wind-Powered Ground Vehicle

2023· article· en· W4317583590 sur OpenAlexaff
Meyer Nahon, Zihao Zhuo, Shengan Yang, Inna Sharf, Rick Cavallaro, Stephen Morris

Notice bibliographique

RevueAIAA SCITECH 2023 Forum · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace Engineering and Energy Systems
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésWind powerAerospace engineeringEnvironmental scienceMarine engineeringComputer scienceAeronauticsAutomotive engineeringEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2023-0910.vid The Blackbird vehicle is a wind-powered ground vehicle purported to be capable of propelling itself directly downwind faster than the wind. This capability, demonstrated in 2010, has proven to be controversial because it is difficult to understand how a vehicle travelling faster than the surrounding air can collect energy from that air. This paper presents a mathematical model and corresponding simulation of the Blackbird vehicle. Our simulation results demonstrate that this vehicle should, indeed, be capable of travelling directly downwind much faster than the ambient wind speed. The simulation results show good correspondence with the few available experimental results. The simulation is also used to provide pointers to further improve the vehicle's performance. It is found that using variable gearing could improve the vehicle's acceleration, though would not significantly improve its terminal velocity. A sensitivity analysis is performed on the losses (rolling resistance, air drag and transmission efficiency) and it is found that improvement in the transmission efficiency would lead to the greatest increase in terminal velocity.

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 enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,010
Tête enseignante GPT0,195
Écart entre enseignants0,184 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA SCITECH 2023 ForumMême sujetAerospace Engineering and Energy SystemsTravaux en français237 207