Turbulent Skin Friction Reduction through the Application of Superhydrophobic Coatings to a Towed Submerged SUBOFF Body
Notice bibliographique
Résumé
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.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».