Optimum Shape Design for Multirow Turbomachinery Configurations Using a Discrete Adjoint Approach and an Efficient Radial Basis Function Deformation Scheme for Complex Multiblock Grids
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper proposes a framework for fully automatic gradient-based constrained aerodynamic shape optimization in a multirow turbomachinery environment. The concept of adjoint-based gradient calculation is discussed and the development of the discrete adjoint equations for a turbomachinery Reynolds-averaged Navier–Stokes (RANS) solver, particularly the derivation of flow-consistent adjoint boundary conditions as well as the implementation of a discrete adjoint mixing-plane formulation, are described in detail. A parallelized, automatic grid perturbation scheme utilizing radial basis functions (RBFs), which is accurate and robust as well as able to handle highly resolved complex multiblock turbomachinery grid configurations, is developed and employed to calculate the gradient from the adjoint solution. The adjoint solver is validated by comparing its sensitivities with finite-difference gradients obtained from the flow solver. A sequential quadratic programming (SQP) algorithm is then utilized to determine an improved blade shape based on the gradient information from the objective functional and the constraints. The developed optimization method is used to redesign a single-stage transonic flow compressor in both inviscid and viscous flow. The design objective is to maximize the isentropic efficiency while constraining the mass flow rate and the total pressure ratio.
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.
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 | 0,001 | 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 découle