MétaCan
Menu
Retour à la cohorte
Enregistrement W1791063538 · doi:10.3968/j.ans.1715787020100302.029

Numerical Simulation And Aerodynamic Performance Comparison Between Seagull Aerofoil and NACA 4412 Aerofoil under Low-Reynolds

2010· article· en· W1791063538 sur OpenAlexvenueno aff
Hua Xin, Rui Gu, Jingfu Jin, Yirong Liu, Yi Ma, Qian Cong, Ying Ren Zheng

Notice bibliographique

RevueAdvances in natural science/Advances in natural sciences · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAirfoilReynolds numberLift coefficientCamber (aerodynamics)AerodynamicsNACA airfoilAngle of attackPitching momentMathematicsMechanicsPhysicsAerospace engineeringEngineeringTurbulence

Résumé

récupéré en direct d'OpenAlex

For the aerofoil of small wind turbine working under the conditions of low-Reynolds, the aerodynamic performance of seagull aerofoil and NACA 4412 is contrastively analyzed while the Reynolds-Number is 、 and by the Fluent. The numerical simulation comparison shows that, when the attack-angle range is 0°~20°, the life-coefficient of seagull aerofoil increased 24.97%、46.02% and 48.54% than NACA 4412 respectively; when the attack angle is 4°, the lift-drag ratio of seagull aerofoil increased 40.44%、43.14%和39.40% than NACA 4412 respectively. Under the condition of Reynolds-Number is , the normal working range of attack angle of seagull aerofoil increased 16.7% than NACA 4412 .Under the same simulation condition, the separation point of NACA4412 aerofoil is closer to the leading-edge than seagull aerofoil . The analysis shows that the unique distribution of the thickness and the camber of the seagull aerofoil is the main reason of the better aerodynamic characteristics under the Low-Reynolds.Keywords: Low-Reynolds; wind turbine; aerofoil; numerical simulation; aerodynamic characteristics

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,304
Écart entre enseignants0,296 · 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 source (Gemma direct ou Codex distillé), 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

Citations27
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in natural science/Advances in natural sciencesMême sujetWind Energy Research and DevelopmentTravaux en français237 207