MétaCan
Menu
Retour à la cohorte
Enregistrement W2343080779

Computation of propeller tip vortex flow

2009· dissertation· nl· W2343080779 sur OpenAlexfundno aff
Lei Liu

Notice bibliographique

RevueMemorial University Research Repository (Memorial University) · 2009
Typedissertation
Languenl
DomaineEngineering
ThématiqueCavitation Phenomena in Pumps
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésReynolds-averaged Navier–Stokes equationsTurbulenceMechanicsPropellerVortexComputational fluid dynamicsK-epsilon turbulence modelTurbulence modelingK-omega turbulence modelPhysicsClassical mechanicsEngineeringMarine engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The steady tip vortex flow of a marine propeller governed by Reynolds-Averaged Navier Stokes (RANS) equations was numerically simulated. The RANS equations were solved by a commercial RANS code, ANSYS-CFX. The k - ∊ turbulence model and the shear stress transport (SST) turbulence model were applied in the computation. A spiral-like computational domain was set up as one blade-to-blade passage with two side/periodic boundaries. The grid was formed by following the inlet flow angle so that the clustered grid can be aligned with the tip vortex. -- Validation studies had been carried out for a uniform flow past the rotating David Taylor propeller model. In the computation, the effect of grid resolution was first investigated. Three computational grids with different minimum Jacobian, minimum volume and minimum skew angle were used. The k - ∊ and the SST turbulence models were then applied. The numerical results were validated by comparing with the experimental results and other numerical solutions. It has been demonstrated that the CFX RANS solver with two-equation turbulence models is able to predict the viscous tip vortex flow accurately. The effect of the k - ∊ and the SST turbulence models on the solution is insignificant.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,460
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,003
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 Opus0,023
Tête enseignante GPT0,253
Écart entre enseignants0,231 · 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.

Devis d'étudeSans objet
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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMemorial University Research Repository (Memorial University)Même sujetCavitation Phenomena in PumpsTravaux en français237 207