MétaCan
Menu
Retour à la cohorte
Enregistrement W2774088646 · doi:10.5539/mas.v11n12p118

The Rolled-up and Tip Vortices Studies in the CFD Model of the 3-D Swept-Backward Wind Turbine Blades

2017· article· en· W2774088646 sur OpenAlexvenueno aff
Sutrisno Sutrisno, Deendarlianto Deendarlianto, Tri Agung Rochmat, Indarto Indarto, Setyawan Bekti Wibowo, Sigit Iswahyudi, Caesar Wiratama, Djatmiko Bagus Maulana Erlambang

Notice bibliographique

RevueModern Applied Science · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVortexStarting vortexHorseshoe vortexTurbineMechanicsPhysicsVortex stretchingTurbine bladeLift (data mining)Vortex ringComputational fluid dynamicsFlow visualizationFlow (mathematics)Computer scienceThermodynamics

Résumé

récupéré en direct d'OpenAlex

In this paper, the method to analyze of vortex dynamics simulation of 3-D (three dimensional) backward wind turbine blades is introduced, consisted of flow visualization part and detailed measurement part. With this method, one could explain visually and by calculation the role of 3-D flow vortex mechanism patterns on 3-D backward wind turbine blade, the interchange between kinetic and potential energies, the utilization of very strong vortex, which could lose energy, generate lift, and produce tangential mechanical power. The method could be elucidated by analyzing the appearance of rolled-up vortex effect on the 3-D backward wind turbine blades. A sharp pointed backward blade, generally has a weak tip vortex, may generate a second weak vortex center, and appears due to the rolled-up vortex effect, which is quite difficult to identify. The weakness of tip vortex makes the sharp pointed blade more efficient to exchange energy. Blunt backward turbine blades generally have a strong vortex center, a tip vortex; which in the form of a vortex core. Due to the rolled-up vortex effect, it could generate a second weak vortex center that is clearly visible.

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 enseignants0,264
Score d'incertitude au seuil0,728

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,062
Tête enseignante GPT0,299
Écart entre enseignants0,238 · 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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetWind Energy Research and DevelopmentTravaux en français237 207