MétaCan
Menu
Retour à la cohorte
Enregistrement W3130486516 · doi:10.2514/1.j059796

Adjoint State of Nonlinear Vortex-Lattice Method for Aerodynamic Design and Control

2021· article· en· W3130486516 sur OpenAlexafffund
Alexandros Kontogiannis, Éric Laurendeau

Notice bibliographique

RevueAIAA Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesOffice National d'études et de Recherches AérospatialesNatural Sciences and Engineering Research Council of Canada
Mots-clésReynolds-averaged Navier–Stokes equationsAerodynamicsNonlinear systemTransonicMathematicsNavier–Stokes equationsVortexComputational fluid dynamicsPhysicsApplied mathematicsMathematical analysisCompressibilityMechanics

Résumé

récupéré en direct d'OpenAlex

The adjoint state of a nonlinear vortex-lattice method, coupled with sectional polars obtained with an infinite swept-wing (2.5D) Reynolds-averaged Navier–Stokes (RANS) solver, is presented as an interactive method for preliminary aerodynamic design and control of moderate-to-high aspect ratio wings in subsonic and transonic flows. First, the nonlinear vortex-lattice method is described, augmented with a Prandtl–Glauert compressibility correction and regularized so that poststall solutions can be recovered. The linearization of the coupled system of equations is formulated using a Newton method, and the adjoint state is obtained for lift, drag, and inverse design functionals. Numerical results show that the aerodynamic model approximates well the forces predicted by three-dimensional (3D) RANS simulations for the Common Research Model wing, and that the adjoint-state gradients agree well with finite difference tests for a plethora of test cases. More interesting examples are shown, ranging from the optimal unstalling of wings to the assimilation of 3D RANS data into the present model, as well as its ability to extrapolate.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,280
Score d'incertitude au seuil0,473

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 Opus0,008
Tête enseignante GPT0,243
Écart entre enseignants0,234 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207