Predicting Far-Field Noise Generated by a Landing Gear Using Multiple Two-Dimensional Simulations
Notice bibliographique
Résumé
In this paper, a new approach is proposed to predict the far-field noise of a landing gear (LG) based on near-field flow data obtained from multiple two-dimensional (2D) simulations. The LG consists of many bluff bodies with various shapes and sizes. The analysis begins with dividing the LG structure into multiple 2D cross-sections (C-Ss) representing different configurations. The C-Ss locations are selected based on the number of components, sizes, and geometric complexities. The 2D Computational Fluid Dynamics (CFD) analysis for each C-S is carried out first to obtain the acoustic source data. The Ffowcs Williams and Hawkings acoustic analogy (FW-H) is then used to predict the far-field noise. To compensate for the third dimension, a source correlation length (SCL) is assumed based on a perfectly correlated flow. The overall noise of the LG is calculated as the incoherent sum of the predicted noise from all C-Ss. Flow over a circular cylinder is then studied to examine the effect of the 2D CFD results on the predicted noise. The results are in good agreement with reported experimental and numerical data. However, the Strouhal number (St) is over-predicted. The proposed approach provides a reasonable estimation of the LG far-field noise at a low computational cost. Thus, it has the potential to be used as a quick tool to predict the far-field noise from an LG during the design stage.
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 ».