Towards the design of low-noise aircraft landing gears using the lattice Boltzmann method
Notice bibliographique
Résumé
Ce travail présente une étude de faisabilité sur l’application de l’aéroacoustique numérique pour les trains d’atterrissage. Un code de calcul basé sur la méthode de Boltzmann sur réseau disponible commercialement a été utilisé. Le bruit en champ lointain a été prédit en utilisant une analogie acoustique basée sur l’équation de Ffowcs-Williams et Hawkings. Les résultats aérodynamiques et acoustiques numériques ont été comparés à des résultats expérimentaux obtenus en soufflerie.En premier lieu, le bruit provenant de l’écoulement autour de deux cylindres parallèles a été étudié pour valider les outils numériques sur une géométrie simple dont les mécanismes de génération de bruit sont semblables à ceux retrouvés sur les trains d’atterrissage. Les résultats expérimentaux pour cet arrangement ont démontré que la transition turbulente provoquée artificiellement en soufflerie modifie l’écoulement, le rendant semblable à un écoulement ayant un nombre Reynolds élevé. Cette transition artificielle a causé la formation de tourbillons à fréquence élevée et un délai dans le décollement de la couche limite, diminuant ainsi la corrélation avec les résultats numériques. Plusieurs stratégies numériques ont été étudiées pour améliorer la simulation de la transition turbulente de la couche limite et ses effets sur l’écoulement. Les meilleurs résultats ont été obtenus en réduisant la viscosité du fluide dans la simulation.Le bruit provenant de l’écoulement autour d’un train d’atterrissage rudimentaire a ensuite été évalué. Les prédictions des fluctuations de pression sur la surface du modèle étaient inférieures aux mesures expérimentales pour les régions à proximité des points de décollement de la couche limite, en particulier pour les fréquences élevées. Les fluctuations ont ́été mieux prédites dans les régions où la couche limite était complètement décollée du train. Les prédictions des niveaux de bruit en champ lointain simulés correspondaient bien aux niveaux mesurés en soufflerie.Finalement, les émissions de bruit pour l’écoulement autour d’un train d’atterrissage détaillé ont été prédites. Une bonne corrélation entre les résultats numériques et expérimentales a permis d’évaluer la capacité des outils numériques à gérer des géométries réelles et complexes. Les mesures expérimentales d’un réseau de microphones et l’analyse numérique des fluctuations de pression de surface ont été utilisés afin d’identifier les sources de bruit sur le train. Ces sources ont ́été identifiées sur le piston et la jambe principale, ainsi qu’à l’arrière de la lumière et des bras de torsion. Le train détaillé sans la lumière a par la suite été simulé. Les changements dans le spectre acoustique n’ont pas été prédits précisément. Cependant, une bonne prédiction du changement de niveau sonore cumulatif a été obtenue.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».