Comparison of Robustness and Efficiency for SIMPLE and CLEAR Algorithms with 13 High-Resolution Convection Schemes in Compressible Flows
Notice bibliographique
Résumé
Abstract In this article, a comparison is made between the robustness and efficiency of the CLEAR algorithm and the SIMPLE algorithm on nonorthogonal curvilinear coordinates for compressible flows. Thirteen different high-order convection schemes are employed in the calculations. Subsonic flow, transsonic flow, and supersonic flow in a channel with a circular arc bump and compressible flow in a Laval nozzle are used as test cases. The CLEAR algorithm shows huge potential to compute the transsonic flow in the Laval nozzle and high-speed compressible flows. Results with the ADBQUICKEST scheme, the HLPA scheme, and the MUSCL scheme are stable for both the compressible SIMPLE and CLEAR algorithms for all the mentioned cases. Notes Results before "/" are obtained using CLEAR algorithm; results behind "/" are obtained using SIMPLE algorithm. "—", solution is not convergent; "O," result is oscillating; "S," result is stable. Results before "/" are obtained using CLEAR algorithm; results behind "/" are obtained using SIMPLE algorithm. "—", solution is not convergent; "O," result is oscillating; "S," result is stable. Results before "/" are obtained using CLEAR algorithm; results behind "/" are obtained using SIMPLE algorithm. "—", solution is not convergent; "O," result is oscillating; "S," result is stable. Results before "/" are obtained using CLEAR algorithm; results behind "/" are obtained using SIMPLE algorithm. "—", solution is not convergent; "O," result is oscillating; "S," result is stable. Color versions of one or more of the figures in the article can be found online at www.tandfonline.com/unhb.
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 | 0,000 | 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 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 ».