MétaCan
Menu
Retour à la cohorte
Enregistrement W1587498870 · doi:10.1115/gt2015-43737

Aeroacoustic Analysis of a Low-Subsonic Axial Fan

2015· article· en· W1587498870 sur OpenAlexaff
Marlène Sanjosé, Dominic Lallier-Daniels, Stéphane Moreau

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Acoustics in Jet Flows
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésWakeAcousticsNoise (video)Rotor (electric)Sound pressureAeroacousticsPhysicsMechanicsConvergence (economics)Computer science

Résumé

récupéré en direct d'OpenAlex

A mesh convergence study of direct aero-acoustic simulations of a typical automotive engine cooling rotor is performed. The simulations are performed using the Lattice Boltzmann Method (LBM) that has been extensively used in the recent years for low speed fan applications. The influence of the mesh refinement on the global performances, the pressure distribution over the blade and in the wake and tip gap zones is investigated using the large experimental database available. The direct acoustic predictions for the different numerical setups is compared with acoustic measurements and a Ffowcs Williams and Hawking’s analogy is applied to identify the noise source contributions from the rotor parts. With the three setups investigated the convergence is achieved on the global performances and the sound power spectra. Still some discrepancies between the setups appear in the unsteady pressure loading of the blades and the wake flow. The blades are seen as the main noise contributors particularly the cusp region near the hub and the tip region with the tip flow recirculation.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,278
Score d'incertitude au seuil0,391

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,214
Écart entre enseignants0,202 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations15
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAerodynamics and Acoustics in Jet FlowsTravaux en français237 207