Prediction of the Low-Reynolds Number Flows around the Airfoil and Bluff Body Components of an Automotive Cooling Fan Module
Notice bibliographique
Résumé
<div class="htmlview paragraph">A numerical model to assess the aerodynamic performance of typical automotive cooling fan stators or support arms is presented. Under real operating conditions, the flow over stators or support arms resembles bluff body flow. Hence, the time and spatial resolution are selected based on previous numerical simulations for the flow around a normal flat plate. Turbulence modeling is based on the Unsteady Reynolds-averaged Navier-Stokes (URANS) equations retaining the Boussinesq eddy-viscosity hypothesis. The ability of the URANS model to predict the periodic nature of the flow is demonstrated here. Furthermore, comparison with experimental data shows that the proposed numerical model can predict the global flow parameters, namely lift and drag within good accuracy.</div> <div class="htmlview paragraph">As a first attempt to assess the interaction of the cooling fan with its system environment, the proposed numerical model is expanded to model the interaction of the fan blades with the adjacent stators or support arms. First, the boundary conditions are modified by prescribing the wake generated by the fan blade as the inlet conditions to a cascade of stators and support arms. These conditions are based on Laser Doppler Velocimetry (LDV) data taken in the flow downstream of an automotive cooling fan. The numerically calculated lift and drag forces acting on stators or support arms are then used to estimate the pressure change across the automotive cooling fan shroud. The potential efficiency gain associated with the use of stators is demonstrated.</div>
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».