Design of Optimal Airfoils for Crosswind Kite Power Systems
Notice bibliographique
Résumé
This paper introduces a novel framework for designing optimal airfoils for crosswind kites which are tethered flying systems used to harness high-altitude wind energy. The improved geometric parameter method, a state-of-the-art airfoil design approach, is employed here for the first time in the context of airborne wind energy airfoil design. The nondominated sorting genetic algorithm is used as the optimization method, and XFOIL is adopted to obtain aerodynamic lift and drag coefficients of the airfoils. Pareto-optimal fronts and the corresponding optimal airfoil profiles at various maximum thickness ratios are obtained for a baseline system that neglects three-dimensional flow effects and tether drag. For the first time in the literature, the effects of induced drag due to finite aspect ratio kites on the optimal airfoils are examined. Additionally, the effects of including the tether drag on the optimal solutions are explored. It is found that when the induced drag is included optimal airfoils feature a cusped trailing edge. On the other hand, when the tether drag is considered, the optimal airfoils are found in shape to be reminiscent of flapped airfoils, suggesting a multi-element airfoil design. Finally, unlike most studies in the literature, the present work conducts post-optimization Reynolds-averaged Navier–Stokes flow simulations to gain deeper insights into the aerodynamic performance of the optimized airfoils and to provide comparisons with XFOIL results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».