MétaCan
Menu
Retour à la cohorte
Enregistrement W3117776123 · doi:10.5957/josr.10190060

Turbulent Skin Friction Reduction through the Application of Superhydrophobic Coatings to a Towed Submerged SUBOFF Body

2021· article· en· W3117776123 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Ship Research · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésParasitic dragDragTurbulenceMaterials scienceLotus effectReynolds numberMechanicsBoundary layerReduction (mathematics)Flow (mathematics)WettingComposite materialPhysicsGeometryMathematicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In the present study, the drag-reducing effect of sprayed superhydrophobic surfaces (SHSs) is determined for two external turbulent boundary layer (TBL) flows. We infer the modification of skin friction created beneath TBLs using near-wall laser Doppler velocity measurements for a series of tailored SHSs. Measurements of the near-wall Reynolds stresses were used to infer reduction in skin friction between 8%and 36%in the channel flow. The best candidate SHS was then selected for application on a towed submersible body with a SUBOFF profile. The SHS was applied to roughly 60% of the model surface over the parallel midbody of the model. The measurements of the towed resistance showed an average decrease in the overall resistance from 2% to 12% depending on the speed and depth of the towed model, which suggests a SHS friction drag reduction of 4–24% with the application of the SHS on the model. The towed model results are consistent with the expected drag reduction inferred from the measurements of a near-zero pressure gradient TBL channel flow. Introduction Nature has provided a plethora of materials to be studied and mimicked for everyday applications (Jung & Bhushan 2010). One material pertinent for use in the marine environment is the lotus leaf, which is known for its self-cleansing properties and resistance to wetting (Neinhuis & Barthlott 1997). More specifically, lotus-inspired superhydrophobic surfaces (SHSs) have been biomimetically developed for skin friction reduction in various flow applications (Bhushan et al. 2009; Samaha et al. 2012). Being exhaustively studied in small-scale laminar flows (see Rothstein [2010] for a review of SHS drag reduction and slip on SHSs), advances in the design and fabrication of SHSs have permitted application of these materials in more naval-relevant flows. Previously, it has been shown that in laminar flow, SHSs can reduce drag (Watanabe et al. 1999; Ou et al. 2004; Ou & Rothstein 2005; Zhao et al. 2007; Daniello et al. 2009; Woolford et al. 2009), and in low–Reynolds number turbulent flows, SHS drag reduction has been observed using small-scale, structured surfaces and large air–water interfaces (Henoch et al. 2006; Daniello et al. 2009; Park et al. 2014). However, these surfaces, in higher turbulence flows, can be unstable or become wetted. If the SHS possesses roughness features with small scales compared with the viscous length scale of the flow, researchers have demonstrated SHS friction drag reduction for wall-bounded, high–Reynolds number turbulent flows (Zhao et al. 2007; Aljallis et al. 2013; Bidkar et al. 2014; Golovin et al. 2016; Ling et al. 2016b; Gose et al. 2018a).

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.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,411

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,033
Tête enseignante GPT0,331
Écart entre enseignants0,298 · 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