伊利诺伊大学厄巴纳-香槟分校螺旋桨推力数据集-用于标准海平面悬停性能评估-2021-williecosta
数据来源：互联网公开数据
标签：螺旋桨,推力,悬停性能,航空,小规模飞机,UIUC,数据集,机器学习,XGBoost,性能评估
数据概述：
本数据集包含了伊利诺伊大学厄巴纳-香槟分校（UIUC）收集的螺旋桨推力实验数据，主要用于评估螺旋桨在标准海平面上的悬停性能（Figure of Merit, FoM）。这些螺旋桨常被用作小型飞机的旋翼。数据集为每种螺旋桨提供了详细的推力和相关物理参数，以支持对悬停性能的分析和预测。
数据集中的核心信息包括：
- 螺旋桨编号和参数（如直径、螺距等）
- 实验条件（如转速、迎角等）
- 测量的推力值
- 计算得出的推力系数
- 悬停性能指标（Figure of Merit）
为了更好地利用这些数据进行性能预测，我们使用XGBoost机器学习模型创建了两个预测模型，分别用于估算每种螺旋桨的推力系数和悬停性能指标（Figure of Merit）。
数据来源为伊利诺伊大学厄巴纳-香槟分校的研究论文，具有较高的参考价值和准确性。
数据用途概述：
该数据集适用于航空工程研究、螺旋桨设计优化、小型飞机性能评估等多种应用场景。研究人员和工程师可以利用此数据集进行螺旋桨性能的详细分析，优化螺旋桨设计，评估小型飞机的悬停性能。此外，数据集中的机器学习模型提供了快速估算螺旋桨性能的工具，有助于加速设计和开发过程。对于学生和教育机构而言，该数据集也是进行航空工程教育和实验的重要资源。
