MétaCan
Menu
Retour à la cohorte
Enregistrement W2902328516 · doi:10.1115/1.4042163

Tonal Noise Prediction of a Modern Turbofan Engine With Large Upstream and Downstream Distortion

2018· article· en· W2902328516 sur OpenAlexaff
Majd Daroukh, Stéphane Moreau, Nicolas Gourdain, Jean‐François Boussuge, Claude Sensiau

Notice bibliographique

RevueJournal of Turbomachinery · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Acoustics in Jet Flows
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesSafran Aircraft EnginesGrand Équipement National De Calcul Intensif
Mots-clésTurbofanInletDistortion (music)AeroacousticsNoise (video)AcousticsAnnulus (botany)ImpellerMechanicsMechanical fanWakeUpstream (networking)Computational fluid dynamicsDynamic mode decompositionPhysicsEngineeringAerospace engineeringComputer scienceMaterials scienceSound pressureMechanical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Ultra-high bypass ratio (UHBR) engines are designed as compact as possible and are characterized by a short asymmetric air inlet and heterogeneous outlet guide vanes (OGVs). The flow close to the fan is therefore circumferentially nonuniform (or distorted) and the resulting noise might be impacted. This is studied here at take-off conditions by means of a simulation of the unsteady Reynolds-averaged Navier–Stokes (URANS) equations of a full-annulus fan stage. The model includes an asymmetric air inlet, a fan, heterogeneous OGVs, and homogeneous inlet guide vanes (IGVs). Direct acoustic predictions are given for both inlet and aft noises. A novel hydrodynamic/acoustic splitting method based on a modal decomposition is developed and is applied for the aft noise analysis. The noise mechanisms that are generally considered (i.e., interaction of fan-blade wakes with OGVs and fan self-noise) are shown to be impacted by the distortion. In addition, new sources caused by the interaction between the stationary distortion and the fan blades appear and contribute to the inlet noise.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,451
Score d'incertitude au seuil0,413

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 Opus0,003
Tête enseignante GPT0,180
Écart entre enseignants0,177 · 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

Citations26
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of TurbomachineryMême sujetAerodynamics and Acoustics in Jet FlowsTravaux en français237 207