Adjoint-Based Constrained Aerodynamic Shape Optimization for Multistage Turbomachines
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper develops the discrete adjoint equations for a turbomachinery Reynolds-averaged Navier–Stokes solver and proposes a framework for fully automatic gradient-based constrained aerodynamic shape optimization in a multistage turbomachinery environment. The systematic approach for the development of the discrete adjoint solver is discussed. Special emphasis is put on the development of the turbomachinery-specific features of the adjoint solver (that is, on the derivation of flow-consistent adjoint inlet and outlet boundary conditions) and, to allow for a concurrent rotor–stator optimization and stage coupling, on the development of an exact adjoint counterpart to the nonreflective, conservative mixing-plane formulation used in the flow solver. The adjoint solver is validated by comparing its sensitivities with finite difference gradients obtained from the flow solver. A sequential-quadratic programming algorithm is used to determine an improved blade shape based on the gradient information provided by the adjoint solution. Optimization within a sequential-quadratic programming framework avoids the time-consuming task to determine the weights of the individual constraints by including the constraints directly into the design problem. The functionality of the proposed optimization method is demonstrated by the redesign of two two-dimensional transonic compressor configurations. The design objective is to maximize the isentropic efficiency while constraining the mass flow rate and the total pressure ratio.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle