MétaCan
Menu
Retour à la cohorte
Enregistrement W4317651246 · doi:10.2514/6.2023-2494

Novel Approach to Characterizing Tare & Interference Effects on the Lockheed Martin CRANE Wind Tunnel Model

2023· article· en· W4317651246 sur OpenAlexaff
Emma Chao, Edward Rooney, Mark D. Buchholz, Austin Shellito, Henry Reagan, Glen Duncan, Brant H. Maines, David R. Williams

Notice bibliographique

RevueAIAA SCITECH 2023 Forum · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace and Aviation Technology
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésWind tunnelAerodynamicsInterference (communication)Marine engineeringSubsonic and transonic wind tunnelEngineeringComputational fluid dynamicsMoment (physics)Aerospace engineeringScale modelStructural engineeringPhysicsElectrical engineeringChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2023-2494.vid A novel approach for identifying and quantifying wind tunnel strut interference effects was developed for a wind tunnel test with the Lockheed Martin DARPA CRANE model. The large-scale wind tunnel measurements were done at the Wichita State University National Institute for Aviation Research Beech Wind Tunnel facility. A smaller model that included a replica of the support strut was used in the Lockheed Martin Low-speed 2 Wind Tunnel that measured the force and moment distortions created by the presence of the support strut. Differences in Reynolds numbers between the large- and small-scale facilities were determined to be insignificant to the strut interference corrections. As a result, high-quality aerodynamic force and moment data were obtained from the NIAR Beech Wind Tunnel test, which resulted in excellent agreement with computational fluid dynamic simulations.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,224
Écart entre enseignants0,200 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA SCITECH 2023 ForumMême sujetAerospace and Aviation TechnologyTravaux en français237 207