MétaCan
Menu
Retour à la cohorte
Enregistrement W2606346510 · doi:10.3390/aerospace4020024

Effects of Wake Shapes on High-Lift System Aerodynamic Predictions

2017· article· en· W2606346510 sur OpenAlexafffund
William Bissonnette, Goetz Bramesfeld

Notice bibliographique

RevueAerospace · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesKenneth M. Molson FoundationMolson Foundation
Mots-clésWakeFreestreamAerodynamicsLift (data mining)Trailing edgeMechanicsDragLift-to-drag ratioLeading edgeLift coefficientAerodynamic forceAerospace engineeringStructural engineeringComputer sciencePhysicsEngineeringReynolds number

Résumé

récupéré en direct d'OpenAlex

High-lift devices are commonly modelled using potential flow methods at the conceptual design stage. Often, these analyses require the use of prescribed wake shapes in order to avoid numerical stability issues. The wake type used, however, has an impact on the absolute aerodynamic load predictions, which is why, in general, these methods are used to assess performance changes due to configuration variations. Therefore, a study was completed that compared the predicted aerodynamic performance changes of such variations of high-lift configurations using different wake types. Lift and induced drag results are compared with the results that were obtained using relaxed wakes and various prescribed wake shapes. Specific attention is given to predictions of performance changes due to changes in geometry. It was found that models with wakes that are prescribed below the freestream direction yield the best results when investigating performance changes due to flap deflections and flap-span changes. The effect of flap-gap sizes is best evaluated using a fully-relaxed model. The numerically most stable approach of wakes that are prescribed leaving the trailing edge upwards seems to be least reliable in predicting performance changes.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil0,819

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,005
Tête enseignante GPT0,218
Écart entre enseignants0,213 · 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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAerospaceMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207