MétaCan
Menu
Retour à la cohorte
Enregistrement W2331994911 · doi:10.2514/6.2014-0913

NSMB contribution to the 2nd High Lift Prediction Workshop

2014· article· en· W2331994911 sur OpenAlexafffund
Thibaut Deloze, Éric Laurendeau

Notice bibliographique

Revue52nd Aerospace Sciences Meeting · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConsortium de Recherche et d’innovation en Aérospatiale au Québec
Mots-clésLift (data mining)Computer scienceMachine learning

Résumé

récupéré en direct d'OpenAlex

A numerical analysis of the flow on the DLR-F11 high lift model in landing configuration is presented within the context of the 2 High Lift Prediction Workshop. The objective is to describe the flow state and characterize the numerical parameters influencing the solution. The NSMB flow solver is used for this purpose, both in steady and unsteady Reynolds-Averaged Navier-Stokes modes. The geometry used is the simplified model (without bracket and bundle). In addition to a grid convergence study, efforts concentrated on the effect of grid size, turbulence model, initialization scheme in the steady flow regime, and to unsteady flow effects. In particular, additional data points to the ones required for the workshop were added in the stall region to further the understanding of the physical phenomena in play. The results show that loss of lift can occur via separate phenomena, one at the wing root, and the other at the wing tip. It also highlights the necessity of performing unsteady flow simulations, since steady flow cannot be achieved for this class of flow problems.

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 enseignants0,037
Score d'incertitude au seuil0,392

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,202
Écart entre enseignants0,196 · 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

Citations5
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

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