MétaCan
Menu
Retour à la cohorte
Enregistrement W2086718836 · doi:10.1115/imece2005-79162

Challenges of Investigating Fluid-Elastic Lock-In of a Shallow Cavity and a Cantilevered Beam at Low Mach Numbers

2005· article· en· W2086718836 sur OpenAlexaff
Kristin Cody, Stephen A. Hambric, M. Pollack

Notice bibliographique

RevueNoise Control and Acoustics · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Vibration Analysis
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésMach numberInstabilityResonatorMechanicsCantileverBoundary layerMaterials scienceShear (geology)VibrationAcousticsPhysicsOpticsComposite material

Résumé

récupéré en direct d'OpenAlex

At low flow Mach numbers, fluid-elastic lock-in may occur when a shear layer instability interacts with an adjoining or nearby structure and the resulting vibration of the structure reinforces the shear layer instability. Despite the significant amount of study of lock-in with acoustic resonators, fluid-elastic lock-in of a shear layer fluctuation over a cavity and a structural resonator is not well understood and has not been thoroughly studied. Design of an experimental system is described and preliminary diagnostics are addressed as a basis for a platform for developing a fundamental understanding of the feedback mechanism, analytical models for predicting and describing fluid-elastic lock-in conditions, and the roles of the fluid and structural dynamics in the process. Features of the system investigated here include design for characterization of modal excitation of a beam-like structure from the shear layer fluctuation, isolation of the predominant instability source to the shear layer fluctuation over the cavity, variation of the cavity size to identify critical parameters that govern fluid-elastic lock-in, and alteration of the inflow boundary layer momentum thickness. So far, lock-in between the cavity and the distributed elastic resonator has not been achieved. Further investigations to determine the role of the source and resonator attributes are underway.

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 enseignants0,417
Score d'incertitude au seuil0,521

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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

Citations2
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNoise Control and AcousticsMême sujetFluid Dynamics and Vibration AnalysisTravaux en français237 207