Computational Investigation of a Flexible Airframe Taxiing Over an Uneven Runway for Aircraft Vibration Testing
Notice bibliographique
Résumé
<div>Ground vibration testing (GVT) is an important phase of the development, or the structural modification of an aircraft program. The modes of vibration and their associated parameters extracted from the GVT are used to modify the structural model of the aircraft to make more reliable dynamics predictions to satisfy certification authorities. Due to the high cost and the extensive preparations for such tests, a new method of vibration testing called taxi vibration testing (TVT) rooted in operational modal analysis (OMA) was recently proposed and investigated by the German Institute for Aerospace Research (DLR) as alternative to conventional GVT. In this investigation, a computational framework based on fully coupled flexible multibody dynamics for TVT is presented to further investigate the applicability of the TVT to flexible airframes. The time domain decomposition (TDD) method for OMA was used to postprocess the response of the airframe during a TVT. The framework was then used to examine the impact of the taxiing speed, shock absorber damping coefficient, and bump geometry on the outcome of the computational TVT. It was found that higher taxiing speed does not necessarily mean a better quality TVT, and one must find the optimal speed using the computational framework presented herein. A higher shock absorber damping coefficient was found to increase the amplitude of the response during the TVT without significantly impacting the extracted modes and their frequencies. Also, the quality of the TVT was found to be inversely proportional to the curvature of the bump cross section. The proposed TVT computational framework is validated against the normal modal analysis technique and certain experimental data.</div>
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 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».