MétaCan
Menu
Retour à la cohorte
Enregistrement W2321461620 · doi:10.2514/6.2013-2507

Far-Field Drag Decomposition Method Applied to the DPW-5 Test Case Results

2013· article· en· W2321461620 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revue31st AIAA Applied Aerodynamics Conference · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésDragDecompositionField (mathematics)Test (biology)Computer scienceMechanicsMathematicsPhysicsGeologyChemistry

Résumé

récupéré en direct d'OpenAlex

A fareld drag prediction and decomposition method has been applied to the results of AIAA Drag Prediction Workshop 5 (DPW-5) held in Louisiana during the summer of 2012. The method has two principal advantages: it allows the removal of spurious drag inherent to CFD solutions, and it allows the decomposition of drag into viscous, wave, and induced physical drag components. This research shows that accurate drag coe cients can be predicted on coarse grids when the spurious drag is extracted with the fareld method, and that these results are closer to experimental values than drag coe cients computed on ner meshes when spurious drag is not extracted. The research also investigated the reasons behind the lift and drag losses found by some participants in the Workshop. It is shown that the lift loss is caused by the boundary layer separation at the wing root, inducing a reduction of 20% of the shock wave drag and a signi cant change in wing loading. The initiation of bu et is also analyzed. The study shows that mesh re nement is critical to capture the physical e ects of the ow, such as its separation, and provides an explanation of the discrepancies in results observed at DPW-5.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,599
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 Opus0,010
Tête enseignante GPT0,245
Écart entre enseignants0,236 · 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