MétaCan
Menu
Retour à la cohorte
Enregistrement W2786092534 · doi:10.1115/1.4039233

Shear Layer Development, Separation, and Stability Over a Low-Reynolds Number Airfoil

2018· article· en· W2786092534 sur OpenAlexafffund
Paul Ziadé, Mark A. Feero, Philippe Lavoie, Pierre E. Sullivan

Notice bibliographique

RevueJournal of Fluids Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensUniversity of TorontoUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAirfoilReynolds numberBoundary layerLaminar flowMechanicsFlow separationPhysicsAngle of attackSwept wingMaterials scienceTurbulenceAerodynamics

Résumé

récupéré en direct d'OpenAlex

The shear layer development for a NACA 0025 airfoil at a low Reynolds number was investigated experimentally and numerically using large eddy simulation (LES). Two angles of attack (AOAs) were considered: 5 deg and 12 deg. Experiments and numerics confirm that two flow regimes are present. The first regime, present for an angle-of-attack of 5 deg, exhibits boundary layer reattachment with formation of a laminar separation bubble. The second regime consists of boundary layer separation without reattachment. Linear stability analysis (LSA) of mean velocity profiles is shown to provide adequate agreement between measured and computed growth rates. The stability equations exhibit significant sensitivity to variations in the base flow. This highlights that caution must be applied when experimental or computational uncertainties are present, particularly when performing comparisons. LSA suggests that the first regime is characterized by high frequency instabilities with low spatial growth, whereas the second regime experiences low frequency instabilities with more rapid growth. Spectral analysis confirms the dominance of a central frequency in the laminar separation region of the shear layer, and the importance of nonlinear interactions with harmonics in the transition process.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), 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

Citations15
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Fluids EngineeringMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207