MétaCan
Menu
Retour à la cohorte
Enregistrement W2921494499 · doi:10.3390/jmse7030068

The Hydrodynamic Noise Suppression of a Scaled Submarine Model by Leading-Edge Serrations

2019· article· en· W2921494499 sur OpenAlexfundno aff
Yongwei Liu, Yalin Li, Dejiang Shang

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Acoustics in Jet Flows
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alberta
Mots-clésNoise (video)Leading edgeVortexMechanicsHullReynolds numberChord (peer-to-peer)PhysicsWater tunnelNoise reductionEnhanced Data Rates for GSM EvolutionAmplitudeAcousticsOpticsEngineeringMarine engineeringTurbulenceTelecommunicationsComputer science

Résumé

récupéré en direct d'OpenAlex

High hydrodynamic noise is a threat to the survival of underwater vehicles. We investigated a noise suppression mechanism by putting leading-edge serrations on the sail hull of a scaled SUBOFF model, through numerical calculation and an experimental test. We found that the cone shape of leading-edge serrations can decrease the intensity of the adverse pressure gradient and produce counter-rotation vortices, which destroy the formation of the horseshoe vortex and delay the tail vortex. To achieve the optimum hydrodynamic noise reduction, we summarized the parameters of leading-edge serrations. Then, two steel models were built, according to the simulation. We measured the hydrodynamic noise based on the reverberation method in a gravity water tunnel. The numerically calculated results were validated by the experimental test. The results show that leading-edge serrations with amplitudes of 0.025c and wavelengths of 0.05h can obtain hydrodynamic noise reduction of at least 6 dB, from 10 Hz to 2 kHz, where c is the chord length and h is the height of the sail hull. The results in our study suggest a new way to design underwater vehicles with low hydrodynamic noise at a high Reynolds number.

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 enseignants0,271
Score d'incertitude au seuil0,321

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 technologies0,0000,000
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 GPT0,192
Écart entre enseignants0,189 · 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

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marine Science and EngineeringMême sujetAerodynamics and Acoustics in Jet FlowsTravaux en français237 207