Prediction of the Sound radiated from Low-Mach Internal Mixing Nozzles with Forced Mixers using the Lattice Boltzmann Method
Notice bibliographique
Résumé
Numerical simulations were performed to investigate the transient compressible flow through lobed mixers inside the internal mixing nozzles of turbofan engines. The Lattice Boltzmann Method (LBM) was used. A detailed model of the mixer and the nozzle was created to capture both the internal flow through the mixer and the external jet plume. The mean flow characteristics were obtained both inside the nozzle and within the jet plume. The transient behavior of the streamwise vortices at the nozzle exit was visualized and quantified. A confluent mixer was selected as a baseline to investigate the performance of both the low and high penetration lobed mixers. The goal was to better understand the detailed noise reduction mechanisms of lobed mixers, as well as thrust enhancements. The Reynolds number based on nozzle exit diameter was 1.36×10 6 and the peak Mach number reached 0.5. The low-Mach setting is to abide by the constraints of the 19-stage LBM algorithm used in this study. The sub grid scales were modeled using the renormalization group (RNG) forms of the standard k-e equations. Far-field sound was computed using the porous Ffwocs William-Hawkings (FWH) surface integral method. The results suggested an increase in thrust coefficient as expected for the lobed mixers. The far-field sound analysis showed considerable low-frequency noise reduction (i.e. ~4-5 dB) for the lobed mixers, as well as about 3dB reduction in the overall sound pressure level (OASPL) in comparison with the confluent nozzle. Both near field and far field results and trends were as expected based on available subsonic experimental data.
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 ».