Analyse numérique de soufflantes carénées linéaires basculantes à géométrie variable sur un taxi aérien
Bibliographic record
Abstract
Depuis quelques années, la possibilité d’augmenter la mobilité urbaine à l’aide de taxis aériens est de plus en plus envisagée par les entreprises de l’industrie aéronautique, dont Airbus, Lilium et Bell. Certaines de celles-ci ont décidé d’utiliser des systèmes de propulsion à soufflantes carénées linéaires basculantes pour leur taxi aérien. Un des inconvénients majeurs des soufflantes carénées est leur efficacité propulsive moindre à haute vitesse comparativement à des rotors conventionnels à cause de la traînée générée par leur carénage. De plus, les soufflantes carénées sont susceptibles de subir un décrochage de leur bord d’attaque si elles opèrent à des angles d’attaque trop élevés. Typiquement, afin de limiter les risques de décrochage, des carénages épais sont employés. Par contre, ceci accroît la traînée générée par le carénage. L’utilisation de carénages à géométrie variable pourrait être une solution afin d’améliorer l’efficacité propulsive des soufflantes carénées. À cet effet, les effets aérodynamiques d’un carénage à géométrie variable sur un taxi aérien à soufflantes carénées linéaires basculantes sont étudiés grâce à des simulations de mécanique des fluides numériques. Ceci est fait en évaluant les impacts de certains des paramètres de conception clés des soufflantes carénées sur une large gamme de conditions d’opération. Les simulations sont effectuées en vol stationnaire et en vol vers l’avant sur trois soufflantes carénées linéaires basculantes montées sur le bord de fuite d’une demi-aile. Les soufflantes sont représentées dans les simulations numériques par des forces de volume équivalentes calculées par la théorie des éléments de pale. Les résultats des simulations ont permis de quantifier l’interaction aéropropulsive entre les soufflantes carénées et l’aile ainsi que de comparer la consommation d’énergie de soufflantes carénées à géométrie variable sur une mission typique de taxi aérien à celle de soufflantes carénées à géométrie fixe. Il s’avère que des soufflantes carénées linéaires équipées d’un volet de type Krueger et d’un diffuseur à ratio d’expansion variable pourraient consommer près de 11 % moins d’énergie pour accomplir la mission.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".