MétaCan
Menu
Retour à la cohorte
Enregistrement W2074137589 · doi:10.1016/j.proeng.2012.06.420

Computational Study on the Influence of jet on Reduction of Drag Over Cone Flare Bodies in Hypersonic Turbulent Flow

2012· article· en· W2074137589 sur OpenAlexaff
S. Aruna, S. P. Anjalidevi

Notice bibliographique

RevueProcedia Engineering · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésDragHypersonic speedMechanicsPhysicsTurbulenceAerospace engineeringParasitic dragDrag divergence Mach numberMach numberSupersonic speedJet (fluid)Wave dragClassical mechanicsEngineering

Résumé

récupéré en direct d'OpenAlex

Recently, Nhypersonic research activities around the universe have been in major focus because of the milestone developments in hypersonic reentry vehicles, orbital transfer vehicles, reusable launch vehicles and space recovery experimental modules. One of the major problems in hypersonic flight is drag and with the tremendous progress in computational powers it can be analysed. In this work, the effects of counter flow jet on reduction of drag around two blunt cone flare bodies in the hypersonic turbulent flow are investigated through a numerical study. Flow field around the blunt bodies is calculated numerically for the free stream Mach number of 6.5. Numerical solutions of Navier-Stokes equation and energy equation governing the turbulent flow of compressible fluid are obtained by adopting Finite Volume Method (FVM) through an industry standard CFD code, FLUENT 6.3.26 package. Shear Stress Transport (SST) model was used in the computation of pressure drag, skin friction drag and total drag for both the absence of jet and the presence of jet cases for both the configuration. Contours of Mach number are presented to describe the flow patterns. It is clear that the reduction of drag was greatly influenced by the jet conditions and body shapes.

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 enseignants0,006
Score d'incertitude au seuil0,012

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,206
Écart entre enseignants0,199 · 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

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia EngineeringMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207