MétaCan
Menu
Retour à la cohorte
Enregistrement W2323267664 · doi:10.2514/6.2005-5334

Parallel AMR Scheme for Turbulent Multi-Phase Rocket Motor Core Flows

2005· article· en· W2323267664 sur OpenAlexafffund
Jai Sachdev, C. P. T. Groth, J. J. Gottlieb

Notice bibliographique

Revue17th AIAA Computational Fluid Dynamics Conference · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueRocket and propulsion systems research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Innovation Trust
Mots-clésTurbulenceComputer scienceCore (optical fiber)Scheme (mathematics)Solid-fuel rocketAerospace engineeringPhase (matter)MechanicsPhysicsMathematicsEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

The development of a parallel adaptive mesh refinement (AMR) scheme is described for solving the governing equations for turbulent multi-phase (gas-particle) core flows in solid propellant rocket motors (SRMs). The Favre-Averaged Navier-Stokes equations are solved for the gas-phase. Turbulence closure is achieved by using a two equation turbulence model. An Eulerian formulation is used to describe the motion of the inert, dilute, and disperse particle-phase. A cell-centred upwind finite-volume discretization and the use of limited solution reconstruction, Riemann solver based flux functions to determine the inviscid flux for the gas and particle phases at cell interfaces. Green-Gauss integration over the diamond-path defined at cell interfaces is used to determine the primitive-variable gradients for evaluation of the viscous fluxes. A parallel multigrid method coupled with an explicit optimally-smoothing multi-stage time-stepping scheme is used to obtain steady state solutions. Unsteady calculations are achieved through the use of a dual time-stepping approach. The propagation of the propellant-core flow interface is tracked using the level set method and a mesh adjustment scheme is used to fit the computational mesh to the location of the burning interface. Application of block-based AMR accurately resolves the multiple solution scales of the fluid flow and enables efficient and scalable parallel implementations on distributed memory multi-processor architectures. High-scalability of the model has been achieved on a parallel cluster computer consisting of 276 processors. Various numerical test cases are presented to verify the validity of the scheme as well as demonstrate the capabilities of the approach for predicting SRM core flows. I.

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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,057
Tête enseignante GPT0,324
Écart entre enseignants0,267 · 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

Citations11
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue17th AIAA Computational Fluid Dynamics ConferenceMême sujetRocket and propulsion systems researchTravaux en français237 207