Multi-Objective Shape Optimization of a Boundary Layer Ingesting Engine Intake
Notice bibliographique
Résumé
The growth of the airline industry has highlighted the need for more environmentally conscious aviation leading to the conceptualization of more fuel efficient aircraft.One concept that has received significant attention and has been associated with improved fuel efficiency is the Boundary Layer Ingesting (BLI) propulsion system, which refers to the ingesting of the aircraft wake by the propulsors.Although BLI has theoretically been proven to reduce fuel burn, 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 optimization is performed on both a "straight-through" duct and a S-duct intake at a cruise altitude of approximately 37,000 feet and a free stream Mach number of 0.8 and 0.7, respectively.An optimization strategy was developed for the task which was able to produce a Pareto optimal set of designs with improved pressure recovery and distortion for both intakes.The general trend of the optimal designs show that to reduce distortion the optimizer accelerates the flow to reduce the size of the low total pressure region and increase the dynamic pressure at the engine inlet.In contrast, the pressure recovery was increased by reducing velocity as well as shifting the maximum velocity region to the outlet, which reduces the viscous dissipation losses within the intake.y + Non-dimensional wall distance -Greek Symbols α DC(60) sector angle δ Boundary layer thickness Φ Dissipation xiii
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».