MétaCan
Menu
Retour à la cohorte
Enregistrement W44829727

NASA Langley Research Center's Contributions to International Active Buffeting Alleviation Programs

2000· article· en· W44829727 sur OpenAlexaboutno aff
Robert W. Moses

Notice bibliographique

RevueDefense Technical Information Center (DTIC) · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAeroelasticityAirframeAerospaceAeronauticsWind tunnelResearch centerEngineeringAerospace engineeringStructural engineeringAerodynamicsPolitical scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Buffeting is an aeroelastic phenomenon which plagues high performance aircraft, especially those with twin vertical tails like the F/A-18, at high angles of attack. This buffeting is a concern from fatigue and inspection points of view. By means of wind-tunnel and flight tests, this phenomenon is well studied to the point that buffet loads can be estimated and fatigue life can be increased by structural enhancements to the airframe. In more recent years, buffeting alleviation through active control of smart materials has been highly researched in wind-tunnel proof-of-concept demonstrations and full-scale ground tests using the F/A-18 as a test bed. Because the F/A-18 resides in fleets outside as well as inside the United States, these tests have evolved into international collaborative research activities with Australia and Canada, coordinated by the Air Force Research Laboratory (AFRL) and conducted under the auspices of The Technical Cooperation Program (TTCP). With the recent successes and advances in smart materials, the main focus of these buffeting alleviation tests has also evolved to a new level: utilize the F/A-18 as a prototype - to mature smart materials for suppressing vibrations of aerospace structures. The role of the NASA Langley Research Center (LaRC) in these programs is presented.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,299
Écart entre enseignants0,283 · 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

Citations7
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDefense Technical Information Center (DTIC)Même sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207