MétaCan
Menu
Retour à la cohorte
Enregistrement W4411037466 · doi:10.18280/jesa.580415

Vibration Performance on the 3D-Printed UAV Wing

2025· article· fr· W4411037466 sur OpenAlexvenueno aff
Mohammed Jawad Mohammed, Tamarah Ayad Kareem

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2025
Typearticle
Languefr
DomaineEngineering
ThématiqueAeroelasticity and Vibration Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWing3d printedVibrationAeronauticsComputer scienceAerospace engineeringEngineeringAcousticsPhysicsBiomedical engineering

Résumé

récupéré en direct d'OpenAlex

The fabrication of an Unmanned Air Vehicle (UAV) wing using a 3D printer and the study of vibration behavior were conducted in this research.The study of vibration behavior is an important factor to preserve the structures from destruction, especially when the frequency of the bodies is closed to the natural frequency.The aircraft airfoil was designed based on Naka 2416 and the wings were printed using PLE metal.Then, air currents were directed at speeds of 10, 15, and 20 m/s to study the effect of vibrations in order to find the frequency for each speed using a fan whose speed is controlled by an inverter and compare it to the natural frequency.Pitot-tube and accelerometer were used to measure the air speed and vibration, respectively.The results showed that the damping coefficient is relatively small (=0.0644),indicating that the damping in the system is weak, which is in line with the design of UAV that need low damping to maintain a fast response during flight.Also, the wing frequencies reached up to 2.66 Hz and 5.66 at speeds of 20 m/s and 15 m/s, respectively were closest to the natural frequency of the UAV wings, which was 3.94 Hz, compared to the frequency at speed of 10 m/s.The results also showed that the difference in frequencies were due to the emergence of non-linear phenomena in addition to the aerodynamic and structural forces, which is called aeroelastic effects, which leads to dynamic instability.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,233
Écart entre enseignants0,218 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetAeroelasticity and Vibration ControlTravaux en français237 207