MétaCan
Menu
Retour à la cohorte
Enregistrement W2172065452 · doi:10.1109/cdc.1998.758589

Robust reduced-order control of turbulent channel flows via distributed sensors and actuators

2002· article· en· W2172065452 sur OpenAlexaff
Luca Cortelezzi, Jason L. Speyer, K.H. Lee, John Kim

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueModel Reduction and Neural Networks
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)TurbulenceController (irrigation)Nonlinear systemLinear-quadratic-Gaussian controlFlow control (data)ActuatorRobust controlComputer scienceMechanicsOptimal controlMathematicsPhysicsMathematical optimization

Résumé

récupéré en direct d'OpenAlex

Robust reduced-order feedback control of near-wall turbulence in a channel flow is investigated. Wall-transpiration is the means for suppressing near-wall disturbances. Measurements of wall-shear stress to be fed back to the controller are provided by sensors distributed along the wall of the channel. A quadratic cost function is composed of the wall-shear stress and the control effort. Linear-quadratic Gaussian/loop-transfer-recovery synthesis, and model reduction techniques are used to derive robust feedback controllers from the linearized two-dimensional Navier-Stokes equations. Controller performance is first tested on a numerical simulation of infinitesimal three-dimensional disturbances in the presence of finite-amplitude two-dimensional perturbations. Controller performance is subsequently tested on a direct numerical simulation of a fully developed turbulent channel flow. Preliminary controller performance for the nonlinear flow was surprisingly good, suggesting that the linear system can be used as a basis for developing controllers for near-wall turbulence.

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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,020
Tête enseignante GPT0,208
Écart entre enseignants0,188 · 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

Citations23
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetModel Reduction and Neural NetworksTravaux en français237 207