MétaCan
Menu
Retour à la cohorte
Enregistrement W2145450204 · doi:10.2514/2.998

Aerodynamic Computations Using the Convective-Upstream Split-Pressure Scheme with Local Preconditioning

2000· article· en· W2145450204 sur OpenAlexaff
Marian Nemec, David W. Zingg

Notice bibliographique

RevueAIAA Journal · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAerodynamicsComputationMechanicsScheme (mathematics)Upstream (networking)Computational fluid dynamicsConvectionPhysicsAerospace engineeringEnvironmental scienceComputer scienceMathematicsEngineeringMathematical analysisAlgorithm

Résumé

récupéré en direct d'OpenAlex

The implementation of the convective-upstream-split-pressure (CUSP) approach to numerical dissipation is presented for an approximately factored algorithm in conjunction with time-derivative local preconditioning. An inexpensive flux limiter is used to blend the low- and high-order CUSP dissipation to capture shocks without oscillations. The resulting algorithm is applied to several subsonic and transonic turbulent aerodynamic flows and compared with results computed using the matrix dissipation scheme. Grid convergence studies are used to assess global errors. The results show the CUSP scheme to be very effective in providing good shock capturing, low numerical dissipation in boundary layers, and low numerical errors. For the flow regimes studied, accuracy is not significantly compromised when the limiter is based on the pressure variable only, leading to significant savings in computational expense. For freestream Mach numbers below 0.2, the convergence rate and accuracy of the solver are significantly improved by preconditioning the CUSP scheme. Overall, the CUSP scheme provides accuracy similar to that of matrix dissipation at a reduced computational cost.

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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,005
Tête enseignante GPT0,200
Écart entre enseignants0,195 · 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

Citations12
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207