MétaCan
Menu
Retour à la cohorte
Enregistrement W3173374578 · doi:10.22215/etd/2021-14416

Multi-Objective Shape Optimization of a Boundary Layer Ingesting Engine Intake

2021· dissertation· en· W3173374578 sur OpenAlexaff
Ayesh Sudasinghe

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Aircraft Design and Technologies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésWakeInletPropulsionInflowBoundary layerOffset (computer science)Distortion (music)MechanicsEngineeringEnvironmental scienceMarine engineeringAutomotive engineeringControl theory (sociology)Mechanical engineeringComputer scienceAerospace engineeringPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Boundary Layer Ingesting (BLI) refers to the ingesting of the aircraft wake by the propulsors and has been associated with reduced fuel burn. Although, this can potentially be offset by the reduced efficiency and stability experienced by the propulsor in the presence of distorted inflow. Therefore, engine intakes must be optimized in order to mitigate the effects of BLI on the propulsion system. In this work, the shape optimization of a BLI intake is investigated using a free form deformation technique in combination with a multi-objective genetic algorithm, in order to minimize pressure losses and distortion at the engine inlet. The general trend of the optimal designs shows that to reduce the distortion the optimizer accelerates the flow to increase the dynamic pressure at the engine inlet. In contrast, the pressure losses were reduced by decreasing the velocity as well as shifting the region of maximum velocity to the outlet.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,532
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,017
Tête enseignante GPT0,257
Écart entre enseignants0,240 · 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.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Aircraft Design and TechnologiesTravaux en français237 207