MétaCan
Menu
Retour à la cohorte
Enregistrement W2761274738 · doi:10.1115/omae2017-61146

Prediction of Propeller Tip Vortex Using OpenFOAM

2017· article· en· W2761274738 sur OpenAlexaff
Md Ashim Ali, Heather Peng, Wei Qiu, Rickard Bensow

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCavitation Phenomena in Pumps
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésReynolds-averaged Navier–Stokes equationsPropellerVortexMechanicsTurbulencePhysicsReynolds stressThrustComputational fluid dynamicsClassical mechanicsEngineeringMarine engineering

Résumé

récupéré en direct d'OpenAlex

It is important to predict the propeller tip vortex flow and its effect on hull vibration and noise. In our previous work, the tip vortex flow of the David Taylor Model Basin (DTMB) 5168 propeller model has been studied based on the Reynolds Averaged Navier-Stokes equation (RANS) solution using various eddy viscosity and Reynolds Stress turbulence models. A set of structural grids were used, however, large Jacobian values of the structural grids around the propeller tip region led to the convergence problem and inaccurate solutions. In the present work, the numerical prediction of the same propeller model was improved by using a steady-state RANS solver simpleFoam in OpenFOAM with locally refined unstructured grid along the tip vortex trajectory. The computed thrust and torque coefficients and the velocity components across the vortex core are compared with experimental data and results in the previous studies. Improvement in the prediction of velocity components across the tip vortex core were achieved.

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 enseignants0,548
Score d'incertitude au seuil0,304

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 ouverte0,0000,000
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 Opus0,070
Tête enseignante GPT0,257
Écart entre enseignants0,188 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCavitation Phenomena in PumpsTravaux en français237 207