MétaCan
Menu
Retour à la cohorte
Enregistrement W2326447563 · doi:10.2514/6.2014-0040

Analysis of the Flow past Airfoils with Gurney Flaps at Low Reynolds Numbers

2014· article· en· W2326447563 sur OpenAlexaff
Dan Mateescu, Araz Panahi, Valentin Roy

Notice bibliographique

Revue52nd Aerospace Sciences Meeting · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAirfoilReynolds numberFlow (mathematics)Computer scienceMechanicsPhysicsTurbulence

Résumé

récupéré en direct d'OpenAlex

This paper presents the unsteady flow analysis of the low-Reynolds-number flows past stationary airfoils equipped with Gurney flaps, which are simple but very efficient liftincreasing devices. Due to its mechanical simplicity, the utilization of Gurney flaps is of particular interest for the small size micro-air-vehicles (MAV) flying at low speed and very low Reynolds number. The aerodynamic analysis is performed in the paper with an efficient time-accurate numerical method developed by the authors for the solution of the NavierStokes equations at low Reynolds numbers, which is second-order-accurate in time and space. The paper presents solutions for the aerodynamic coefficients of lift and drag and for the lift-to-drag ratio of several symmetric and cambered airfoils. It was found that although the airfoil is considered stationary, starting from a relatively small incidence (about 8 degrees) the flow becomes unsteady due to the unsteadiness of the flow separations occurring at low Reynolds numbers, and the aerodynamic coefficients display periodic oscillations in time. A detailed study is presented in the paper on the influence of various geometric and flow parameters, such as the Gurney flap height, Reynolds number, airfoil relative thickness and relative camber, on the aerodynamic coefficients of lift, drag and lift-to-drag ratio. The flow separation is also studied with the aid of flow visualizations illustrating the changes in the flow pattern at various moments in time.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,475

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,004
Tête enseignante GPT0,184
Écart entre enseignants0,180 · 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 tête enseignante, 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue52nd Aerospace Sciences MeetingMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207