Simulation of Transonic Buffet Using a Time-Spectral Method
Notice bibliographique
Résumé
This paper extends the use of frequency-domain flow solvers to transonic buffet in turbulent flow regime. To do so, a time-spectral method with frequency adaptation is developed for the simulation of periodic flows of self-induced frequency. The time-spectral method is implemented into a cell-centered finite volume unsteady Reynolds-averaged Navier–Stokes (URANS) flow solver. This method uses the Fourier series to transform the URANS equations into a steady problem in the frequency domain, for a given frequency. This steady problem is recast in the time domain to allow the use of classic computational fluid dynamics techniques. Because transonic buffet is a self-induced phenomenon of unknown frequency before the computation, two algorithms are implemented in the time-spectral solver to determine its frequency. The first one relies on a gradient-based algorithm to minimize the residual of the system of equations. The second uses the phase shift per iteration of the frequency-domain solution. The accuracy of the time-spectral scheme for turbulent flows is first verified for the simulation of a pitching airfoil with a forced frequency. Then, the efficiency of the frequency-adaptation algorithms is assessed for the case of the laminar vortex shedding of a cylinder. Finally, the proposed method is applied to the solution of the transonic buffet over the OAT15A airfoil, and the results are compared to numerical and experimental results from the literature. It can be concluded that an accurate solution of the transonic buffet can be obtained with as few as five modes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».