MétaCan
Menu
Retour à la cohorte
Enregistrement W3199252696 · doi:10.1115/gt2021-60230

Investigation of a Passive Flow Control Device in an S-Duct Inlet at High Subsonic Flow

2021· article· en· W3199252696 sur OpenAlexaff
Courtney Rider, Asad Asghar, W. Allan, Grant Ingram, Robert Stowe, Rogerio Pimentel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePlasma and Flow Control in Aerodynamics
Établissements canadiensDefence Research and Development CanadaRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsDuct (anatomy)Reynolds-averaged Navier–Stokes equationsStall (fluid mechanics)TurbulenceFlow control (data)MechanicsInletFlow separationMaterials scienceSimulationMarine engineeringEngineeringMechanical engineeringPhysicsAnatomyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract This paper reports the investigation of a flow control strategy for an S-duct diffusers. The method incorporates stream-wise tubercles, and aims to enhance the performance of S-duct inlets by reducing the size and intensity of separated flow. These devices, bioinspired from humpback whale flippers’ leading edge protuberances, have been shown to be effective in increasing post-stall coefficients of lift of airfoils. In S-duct diffusers, the presence of convex curvature next to the separated region provides an ideal location for the installation of a tubercle-like device. The flow control effectiveness was evaluated by test-rig measurements and computational fluid dynamics (CFD) simulations of the flow in an S-duct at high subsonic flow conditions (Ma = 0.80). The S-ducts were rapid prototyped in plastic using 3D printing. Static surface pressure along the length and total pressure at the exit revealed pressure recovery, total pressure loss, swirl, and the nature of flow distortion at the S-duct exit. CFD simulations used ANSYS FLUENT with a RANS solver closed with the RKE turbulence model. The CFD simulation compared well with the test-rig data and provided useful information on flow mechanism and for understanding flow features. The performance of the baseline and variant with the flow control device was compared and flow control strategy was evaluated.

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: Empirique
Score de désaccord entre enseignants0,283
Score d'incertitude au seuil0,660

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 Opus0,009
Tête enseignante GPT0,191
Écart entre enseignants0,182 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPlasma and Flow Control in AerodynamicsTravaux en français237 207