Aerodynamic Shape Optimization for Unsteady Flows With Application to Laminar Flows
Notice bibliographique
Résumé
View Video Presentation: https://doi.org/10.2514/6.2021-3028.vid An aerodynamic shape optimization framework for unsteady flow is applied to a range of two- and three-dimensional laminar flows. The shape optimization framework uses free-form deformation for geometry control with an underlying B-spline surface parameterization integrated with an efficient mesh deformation method. The mesh deformation is based on the linear elasticity method applied to a B-spline control volume parameterization of the mesh. A parallel implicit Newton-Krylov algorithm is used to solve the discretized flow equations and the discrete adjoint methodology is applied to both the flow and the mesh-movement algorithms to compute the gradient. For the two-dimensional studies, we consider three objectives based on the mean aerodynamic quantities: lift-constrained drag minimization, lift-to-drag ratio maximization, and lift maximization. For the drag minimization and lift-to-drag ratio maximization problems, the optimizer improved the performance of the baseline airfoil primarily by keeping the flow on the upper surface attached as long as possible and also pushing the camber towards the trailing edge to increase or maintain the lift coefficient. The optimizer improved the drag minimization objective by more than 20% and the lift-to-drag ratio maximization objective by about 50% for roughly the same initial drag. We also investigate the impact of design variable scaling on the convergence of the lift-maximization problem. For the three-dimensional studies, we consider a minimization of mean drag at a fixed mean lift, and we allow section shape, aerodynamic twist about the quarter-chord, and the chord length to vary along the span of the wing. The optimizer exploits all of the geometric freedom given to improve the design objective while satisfying the constraints imposed and produces some non-intuitive geometric changes, especially with respect to the wing planform.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,007 | 0,002 |
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 ».