Aerodynamic Shape Optimization of an S-Duct Intake for a Boundary-Layer Ingesting Engine
Notice bibliographique
Résumé
A high-fidelity aerodynamic shape optimization framework based on the Reynolds-averaged Navier–Stokes equations is applied to the optimization of a boundary-layer ingesting S-duct designed for embedded engines on a high-subsonic, unmanned flight vehicle. The optimizations initially target a cruise operating condition and are further extended to single-point and multipoint optimizations considering descent and climb. Two different composite objective functions are used. The first combines distortion and swirl at the fan interface plane as well as total pressure recovery, with user-defined weights for each objective, whereas the second involves pressure recovery, fan blade load variation, and fan blade incidence variation. Pareto fronts show the tradeoffs between objectives. The results indicate that compared to the baseline geometry, a simultaneous improvement in all objectives contained in the composite objective function can be obtained, depending on the priorities of each objective pre-assigned by the user. It was also found that if swirl can be ignored, then fan-face distortion can be greatly reduced while simultaneously reducing total pressure loss in the S-duct. Similarly, fan blade load variation and fan blade incidence variation can be significantly reduced while reducing total pressure loss. Finally, the multipoint optimization results show that a single S-duct geometry can perform well during cruise, climb, and descent conditions.
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 ».