MétaCan
Menu
Retour à la cohorte
Enregistrement W4213044769 · doi:10.3390/fluids7020081

A Hybrid Non-Linear Unsteady Vortex Lattice-Vortex Particle Method for Rotor Blades Aerodynamic Simulations

2022· article· en· W4213044769 sur OpenAlexafffund
Vincent Proulx-Cabana, Minh Tuấn Nguyễn, Sébastien Prothin, Guilhem Michon, Éric Laurendeau

Notice bibliographique

RevueFluids · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Vibration Analysis
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAerodynamicsVortexPhysicsMechanicsInviscid flowReynolds-averaged Navier–Stokes equationsVorticityHelicopter rotorAerospace engineeringFast multipole methodReynolds numberMultipole expansionClassical mechanicsRotor (electric)Computer scienceComputational fluid dynamicsEngineeringTurbulence

Résumé

récupéré en direct d'OpenAlex

This study presents a hybrid non-linear unsteady vortex lattice method-vortex particle method (NL UVLM-VPM) to investigate the aerodynamics of rotor blades hovering in and out of ground effect. The method is of interest for the fast aerodynamic prediction of helicopter and smaller rotor blades. UVLM models the vorticity along the rotor blades and near field wakes with panels that are then converted into their equivalent vortex particle representations. The standard Vreman subgrid scale model is incorporated in the context of a large eddy simulation for mesh-free VPM to stabilize the wake development via particle strength exchange (PSE). The computation of the pairwise interactions in the VPM are accelerated using the fast-multipole method. Non-linear UVLM is achieved with a low computational cost viscous-inviscid alpha coupling algorithm through a stripwise 2D Reynolds-averaged Navier–Stokes (RANS) or empirical database. The aerodynamics of the scaled S76 rotor blades in and out of ground effect from the hover prediction workshop is investigated with the proposed algorithm. The results are validated with experimental data and various high-fidelity codes.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,013
Tête enseignante GPT0,271
Écart entre enseignants0,258 · 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

Citations15
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFluidsMême sujetFluid Dynamics and Vibration AnalysisTravaux en français237 207