Nozzle Flow Simulation by Small Disturbance Approximation and Euler Method
Notice bibliographique
Résumé
Abstract The nozzle is a kind of equipment with a wide range of usage in the aerospace industry, of which its performance is vital for rocket engines by changing the geometry of the inner wall of the pipe section to accelerate the airflow. There are two types of nozzles commonly used: one is a tapered nozzle, and the other is a Laval nozzle. To analyze the flow phenomenon in nozzle is vital before transferring prototype design into industrial production, whether by laboratory experiment or computational simulation. In this paper, two different numerical methods are adopted to simulate gas behavior inside a simplified nozzle with upper and bottom symmetrical bumps. The first is to solve one dimensional Euler equations, and the other is to solve a scalar variable named velocity potential with small disturbance equations (SDE). The solutions under various inlet Mach numbers are compared by analysing the velocity fields and Mach number contours obtained by these two approaches. Similarities and differences between the Euler method and the potential SDE method for subsonic flow and supersonic flow are the key emphases in this work. For either subsonic or supersonic flow, the Mach number distribution along the nozzle’s center line shows a consistent trend for both methods. In contrast, the values of maximum or minimum Mach number have corresponding differences. Moreover, by using potential SDE simulation, several types of shock waves are successfully captured. All results show that the incoming airflow decelerates at the leading edge of the nozzle then accelerates when passing through the bumps, and finally decelerates back to the speed of inlet flow. The difference is that flows with varied Mach numbers has distinct velocity distributions in the nozzle.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».