MétaCan
Menu
Retour à la cohorte
Enregistrement W3159355650 · doi:10.1063/5.0040061

On the concept of <i>energized mass</i>: A robust framework for low-order force modeling in flow past accelerating bodies

2021· article· en· W3159355650 sur OpenAlexaff
Joshua N. Galler, Gabriel D. Weymouth, David E. Rival

Notice bibliographique

RevuePhysics of Fluids · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensQueen's University
Organismes subventionnairesOffice of Naval Research Global
Mots-clésPhysicsMechanicsAdded massClassical mechanicsReynolds numberBody forceKinetic energyAccelerationMass fluxMass flowTurbulence

Résumé

récupéré en direct d'OpenAlex

The concept of added (virtual) mass is applied to a vast array of unsteady fluid-flow problems; however, its origins in potential-flow theory may limit its usefulness in separated flows. A robust framework for modeling instantaneous fluid forces is proposed, named Energized Mass. The energized-mass approach is tested experimentally by acquiring the fluid kinetic-energy history around an accelerating sphere at both subcritical and supercritical terminal velocities. By tracking the energized-mass volume, the force response is shown to be related to changes in shear-layer growth as a function of acceleration moduli and Reynolds number. The energized-mass framework is then used to develop a low-order force model, requiring only body geometry and kinematics as input. An analytical expression for the instantaneous force on a sphere due to energized-mass growth is derived based on shear-layer mass flux arguments. Instantaneous forces determined experimentally, and modeled using the energized-mass approach, show strong agreement with direct force measurements. The results of this investigation thus demonstrate that the energized-mass framework provides a viable low-order modeling approach, and in tandem, can provide new insights into the origin of forces on accelerating bodies.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,684
Score d'incertitude au seuil0,609

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 Opus0,023
Tête enseignante GPT0,225
Écart entre enseignants0,201 · 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
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207