MétaCan
Menu
Retour à la cohorte
Enregistrement W3201335484 · doi:10.1115/1.4052150

Verification and Validation of High-Fidelity Open-Source Simulation Tools for Supersonic Aircraft Aerodynamic Analysis

2021· article· en· W3201335484 sur OpenAlexafffund
Henry Stoldt, Artem Korobenko, Paul Ziadé, Craig T. Johansen

Notice bibliographique

RevueJournal of Verification Validation and Uncertainty Quantification · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSupersonic speedAerodynamicsAerospace engineeringSolverComputer scienceAirframeEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Small supersonic vehicle concepts used as research platforms to test new aerospace technologies, such as advanced propulsion systems or large sensor payloads, require major modifications to conventional, large-scale, manned, supersonic airframe design. High-fidelity numerical simulation of these concepts in academic settings often requires the use of in-house or available open-source tools instead of expensive commercial software or those with export-control restrictions. A verification and validation analysis of two widely-used open-source compressible-flow solvers, rhoCentralFoam (rCF) and su2, is performed for several flow problems relevant to the supersonic aerodynamics of small-scale, autonomous aircraft concepts. The one-dimensional shock tube problem, two-dimensional supersonic turbulent boundary layer, and three-dimensional delta wing are simulated with both solvers. The effects of flux scheme, flux limiters, and Courant–Friedrichs–Lewy (CFL) number on solution accuracy, stability, and solver speed are assessed. The solvers' limitations and their usefulness as supersonic aircraft design tools in a holistic sense are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,031
Tête enseignante GPT0,290
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Verification Validation and Uncertainty QuantificationMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207