Prediction of Ship Acoustic Signature Due to Fluid Flow
Notice bibliographique
Résumé
The contribution of flow noise to the radiated acoustic signature of CFAV Quest is of interest. Quest is the research ship used by Defence R&D Canada as a quiet platform. It is difficult to identify the flow noise component in an acoustic ranging so there is interest in predicting the flow noise as a first step towards extracting it from range measurements. Below propulsor cavitation inception speeds, machinery-induced noise dominates. While flow noise does not usually dominate in the presence of machinery-induced noise or propulsor cavitation, it is unclear what fraction of the total noise power flow noise constitutes. A direct numerical simulation for a complex ship geometry was impractical so an alternative approach was sought. An immersed boundary method was used to model the presence of the ship in the flow domain. The unsteady flow field was calculated using a finite volume method over an unstructured Cartesian grid. The flow field around Quest in straight and level flight was calculated at Reynolds numbers between 1.8×108 and 4.3×108, corresponding to a full-scale speed range of 4 to 10 knots. Results from such flow field predictions become the hydrodynamic sources in the integrals of Lighthill’s acoustic analogy to predict the far-field acoustic signature from the flow past the hull. These far-field predictions consist of computing the propagation and radiation of the hydrodynamic sources. This assumes noise generation and its propagation are decoupled. Under certain circumstances, knowledge of the predicted flow component helps to extract it from a standard acoustic ranging.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».