Insight Into the Interaction Between Flow Field and Acoustic Field of Turning Flow Into a Side Branch Against a Deadleg
Notice bibliographique
Résumé
Abstract Acoustic resonances in internal flows can cause noise, vibration, and even equipment damage. One geometry prone to acoustic resonance is a deadleg at the point where the main flow turns into a side branch. Here, we report experimental and computational fluid dynamics (CFD) studies of flow-generated pulsation in such a geometry over a wide range of mean flow velocities. Experimental results of the normalized pulsation pressure amplitudes (P*) versus Strouhal number characterized the flow–acoustic field for acoustically tuned and detuned systems and for branch to main pipe diameter ratio of 1.0. The unsteady CFD simulations revealed the characteristic volume integral of the cross-product of the vorticity field and the velocity field (ω×U) in the vicinity of the T-junction which helped in quantifying the acoustic source power for different conditions. In addition, the cross-product (ω×U) in the direction along the main line is almost exactly out of phase with the acoustic velocity at the T-junction. The pressure amplitude at the closed end of the deadleg reaches maximum when two conditions are met: (i) the system overall acoustic resonance frequency matches closely the frequency of the oscillating component of the cross-product (ω×U) characterized by a Strouhal number and (ii) the deadleg length is tuned to an odd number of ¼ wavelength of this frequency such that maximum acoustic velocity is reached at the T-junction. Synchronized images generated from the unsteady CFD simulations revealed valuable insight into the velocity and vorticity field in the region of the T-junction in support of Howe's acoustic source power equation.
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 ».