Flow-conditioning of a subsonic wind tunnel to model boundary layer flows
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aims at modeling boundary layers (BLs) encountered in sparse and built environments (i.e., open, suburban and urban) at the subsonic Wind Tunnel (WT) at Ryerson University (RU). This WT has an insignificant turbulence intensity and requires a flow-conditioning system consisting of turbulence generating elements (i.e spires, roughness blocks, barriers) to achieve proper turbulent characteristics. This system was developed and validated in the current study in three phases. In phase I, several Computational Fluid Dynamic (CFD) simulations of the tunnel with generating elements were conducted to understand the effect of each element on the flow. This led to a preliminary design of the system, in which horizontal barriers (slats) are added to the spires to introduce turbulence at higher levels of the tunnel. This design was revisited in phase II, to specify slat dimensions leading to target BLs encountered by tall buildings. It was found that rougher BLs require deeper slats and, therefore, two-layer slats (one fixed and one movable) were implemented to provide the required range of slat depth to model most BLs. This system only involves slat movement to change the BL, which is very useful for automatic wind tunnel testing of tall buildings. The system was validated in phase III by conducting experimental wind tunnel testingof the system and comparing the resulting flow field with the target BL fields considering two length scales typically used for wind tunnel testing. A very good match was obtained for all wind field characteristics which confirms accuracy of the system.
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.
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 découle