MétaCan
Menu
Retour à la cohorte
Enregistrement W2100588198 · doi:10.2514/1.33836

Mesh Movement for a Discrete-Adjoint Newton-Krylov Algorithm for Aerodynamic Optimization

2008· article· en· W2100588198 sur OpenAlexafffund
Anh Hoang Truong, Chad Oldfield, David W. Zingg

Notice bibliographique

RevueAIAA Journal · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésAerodynamicsComputer scienceComputational fluid dynamicsAlgorithmMathematicsApplied mathematicsMathematical optimizationPhysicsMechanics

Résumé

récupéré en direct d'OpenAlex

A grid movement algorithm based on the linear elasticity method with multiple increments is presented. The method is relatively computationally expensive but is exceptionally robust, producing high-quality elements even for large shape changes. It is integrated with an aerodynamic shape optimization algorithm that uses an augmented adjoint approach for gradient calculation. The discrete-adjoint equations are augmented to explicitly include the sensitivities of the mesh movement, resulting in an increase in efficiency and numerical accuracy. This gradient computation method requires less computational time than a function evaluation and leads to significant computational savings as dimensionality is increased. The results of the application of these techniques to several large deformation and optimization cases are presented. Nomenclature A = coordinates of the airfoil surface E = modulus of elasticity f = external forces G = coordinates of the interior grid nodes J, F = objective functions i = increment number K = stiffness matrix L = Lagrangian l = length of a side of a triangle n = number of increments P = potential energy Q = flow variables R = radius of a circumscribed circle R = flow residual r = residual of the grid movement equations s = semiperimeter of a triangle u = element displacements V = element volume X = design variables = boundary , = adjoint vector = radius of an inscribed circle = stress tensor = element shape quality = spatial domain Subscripts e = belonging to an element t = belonging to the entire system jQ = Q is held constant in the differentiation = subtriangular element inside a quadrilateral Superscripts ^ = known variable on the boundary T = transpose

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 GPT0,215
Écart entre enseignants0,207 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations73
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207