MétaCan
Menu
Retour à la cohorte
Enregistrement W2889133198 · doi:10.1115/gt2018-76636

Investigation of a Passive Flow Control Device in an S-Duct Inlet of a Propulsion System With High Subsonic Flow

2018· article· en· W2889133198 sur OpenAlexaff
Asad Asghar, Satpreet S. Sidhu, W. Allan, Grant Ingram, Tom Hickling, Robert Stowe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensDefence Research and Development CanadaRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésDuct (anatomy)MechanicsPropulsionStall (fluid mechanics)InletStatic pressureAcousticsComputational fluid dynamicsFlow (mathematics)Materials scienceMarine engineeringAerospace engineeringMechanical engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

S-Ducts have wide application on air vehicles with embedded engines. The complex geometry is known to lead to separation downstream of curved profiles. This paper reports the influences on that flow of passive flow control geometries. In these experiments, stream-wise tubercles were applied in an effort to improve the internal performance of S-duct diffusers, parameters including pressure recovery, distortion and swirl. The test articles were tested with the high subsonic (Ma = 0.8) flow and were manufactured using 3D printing. Stream-wise static pressure and exit-plane total pressure were measured in a test rig using surface pressure taps and a 5-probe rotating rake, respectively; the baseline and variant S-ducts were simulated through computational fluid dynamics. The experiments showed that some subtle improvements to the S-Duct distortion could be achieved through careful selection of tubercle geometry. Generally, the recovered flow downstream of the inner radius of the second bend of the S-duct deteriorated, but overall pressure recovery improved. The simulations were useful in characterizing swirl, whereas experiments were not so equipped. Adjustments to the numerical approaches resulted in reasonable agreement with the experiments.

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 enseignants0,630
Score d'incertitude au seuil0,396

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 Opus0,010
Tête enseignante GPT0,217
Écart entre enseignants0,207 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207