MétaCan
Menu
Retour à la cohorte
Enregistrement W3088737194 · doi:10.2514/1.j058740

Application of Leading-Edge Tubercles to Enhance Propeller Performance

2020· article· en· W3088737194 sur OpenAlexafffund
Asad Asghar, Ruben E. Perez, Peter Jansen, W. Allan

Notice bibliographique

RevueAIAA Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueCavitation Phenomena in Pumps
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPropellerNoise (video)Advance ratioAcousticsPropulsorBlade pitchLeading edgeFlow (mathematics)Marine engineeringEngineeringPhysicsAerospace engineeringComputer scienceMechanicsTurbine

Résumé

récupéré en direct d'OpenAlex

Aircraft propellers are known to experience flow separation at various flight conditions leading to efficiency variations from approximately 40–85%. By controlling flow separation, higher propeller efficiency and improved performance might be possible. In this paper a bioinspired passive flow control strategy that improves propeller performance is used by introducing protuberances, or tubercles, in the leading-edge region of a propeller blade. Experiments also revealed apparent improvements to propeller acoustic emissions. Propeller performance and noise signatures, evaluated against a reference propeller, are presented from experiments involving different propeller configurations modified with various combinations of tubercle geometry. Specific tubercle configurations exhibit improvements in efficiency up to 6% as well as redistributed directional and high-frequency broadband noise characteristics.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil0,461

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,235
Écart entre enseignants0,225 · 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'étudeExpérimental (laboratoire)
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

Citations20
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetCavitation Phenomena in PumpsTravaux en français237 207