Improving accuracy and efficiency of CFD predictions of propeller open water performance
Notice bibliographique
Résumé
This research proposes mesh and domain optimization strategies for a popular Computational Fluid Dynamics (CFD) technique to estimate the open water propulsive characteristics of fixed pitch propellers accurately and time-efficiently based on examining the effect of various mesh and computation domain parameters. It used a Reynolds-Averaged Navier-Stokes (RANS) solver to predict the propulsive performance of a fixed pitch propeller with varied meshing, simulation domain and setup parameters. The optimized mesh and domain size parameters were selected using Design of Experiments (DoE) methods enabling simulations in a limited memory and in a timely manner without compromising the accuracy of results. The predicted thrust and torque for the propeller were compared to the corresponding measurements for determining the prediction accuracy. The authors found that the optimized meshing and setup arrangements reduced the propeller opens simulation time by at least a factor of six as compared to the generally popular CFD parameter setup. In addition, the accuracy of propulsive characteristics was improved by up to 50% as compared to published simulation results. The methodologies presented in this paper can be similarly applied to other simulations such as calm water ship resistance, ship propulsion etc. to systematically derive the optimized meshing arrangement for simulations with minimal simulation time and maximum accuracy. This investigation was carried out using a commercial CFD package; however, the findings can be applied to any RANS solver.
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 ».