MétaCan
Menu
Retour à la cohorte
Enregistrement W2113662299 · doi:10.1115/1.1906266

Boundary-Layer Transition Affected by Surface Roughness and Free-Stream Turbulence

2005· article· en· W2113662299 sur OpenAlexafffund
S. K. Roberts, M. I. Yaras

Notice bibliographique

RevueJournal of Fluids Engineering · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensCarleton University
Organismes subventionnairesPratt and Whitney Canada
Mots-clésTurbulenceSurface roughnessMechanicsBoundary layerSurface finishReynolds numberMaterials scienceOpticsPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

This paper presents experimental results documenting the effects of surface roughness and free-stream turbulence on boundary-layer transition. The experiments were conducted on a flat surface, upon which a pressure distribution similar to those prevailing on the suction side of low-pressure turbine blades was imposed. The test matrix consists of five variations in the roughness conditions, at each of three free-stream turbulence intensities (approximately 0.5%, 2.5%, and 4.5%), and two flow Reynolds numbers of 350,000 and 470,000. The ranges of these parameters considered in the study, which are typical of low-pressure turbines, resulted in both attached-flow and separation-bubble transition. The focus of the paper is on separation-bubble transition, but the few attached-flow test cases that occurred under high roughness and free-stream turbulence conditions are also presented for completeness of the test matrix. Based on the experimental results, the effects of surface roughness on the location of transition onset and the rate of transition are quantified, and the sensitivity of these effects to free-stream turbulence is established. The Tollmien–Schlichting instability mechanism is shown to be responsible for transition in each of the test cases presented. The root-mean-square height of the surface roughness elements, their planform size and spacing, and the skewness (bias towards depression or protrusion roughness) of the roughness distribution are shown to be relevant to quantifying the effects of roughness on the transition process.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,004
Tête enseignante GPT0,182
Écart entre enseignants0,178 · 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

Citations71
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Fluids EngineeringMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207