MétaCan
Menu
Retour à la cohorte
Enregistrement W4391328632 · doi:10.2514/6.2024-2542

Lunar PAD Vacuum Flow Visualization Experiment for 3D Lunar and Planetary Landing Pads

2024· article· en· W4391328632 sur OpenAlexaff
Peter J. Albrecht, Alyssa Bulatek, Andres I. Campbell, Helen C. Carson, Vincent Murai, Alexander Nicola, Kayla Schang, Kaveon Smith

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft and Cryogenic Technologies
Établissements canadiensSierra Wireless (Canada)
Organismes subventionnairesnon disponible
Mots-clésAstrobiologyVisualizationMoon landingFlow (mathematics)GeologySpacecraftAerospace engineeringFlow visualizationRemote sensingComputer scienceEnvironmental sciencePhysicsEngineeringMechanics

Résumé

récupéré en direct d'OpenAlex

Repeated landings on regolith-covered bodies such as the Moon are known to cause plume surface interactions (PSIs) that can impinge on the environment around the landing site, resulting in potential hazards for the mission and potential crew. This project acts as a proof of concept test to show that it is possible to characterize the exhaust plume on a landing pad and as a test of different pad designs to mitigate and redirect the plume to minimize any potential hazards. Eight landing pad designs were 3D printed and tested in vacuum with a cold gas nozzle plume. Interaction of the plume with the landing pad was somewhat detectable using force sensor resistors (FSRs) but found to be much more quantitatively characterizable using the thermal camera. The landing pad geometries allowed a comparison between flat and vented designs in a variety of configurations. The thermal camera was able to identify a relatively repeatable plume coming off of the nozzle and specific differences in the temperature trend near the landing pad itself that appear to correlate to the impacts of different 3D printed design concepts on plume stagnation and redirection. This experiment setup was then simulated in computational fluid dynamics (CFD) software which generally shows similar trends. We propose that (1) vacuum testing in this manner is effective in helping bridge the gap between unvalidated CFD models and full-scale testing, (2) the effectiveness of various design features can be characterized quantitatively by using temperature as a measure of plume buildup, and (3) among other takeaways, vented landing pads demonstrate improvement over flat designs in terms of reducing plume buildup. Overall, landing pads are shown to be an effective technological solution for reducing harmful PSI effects and should be incorporated into lunar missions to enable safe, repeatable landings without damage to surface infrastructure.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0030,000

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 Opus0,010
Tête enseignante GPT0,238
Écart entre enseignants0,228 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSpacecraft and Cryogenic TechnologiesTravaux en français237 207