Isotropic and Anisotropic Mesh Adaptation for Rans Simulations of a Nacelle Under Crosswind Conditions
Notice bibliographique
Résumé
Mesh adaptation of unstructured meshes for aerodynamic simulations, that typically resolve the Reynolds Averaged Navier-Stokes (RANS) equations, is a promising approach to enable high numerical precision on complex geometries. Its objective is to minimize the discretization error without using empirical meshing guidelines. The most common approach of mesh adaptation is the “feature-based” isotropic mesh adaptation: from an initial flow prediction on an isotropic unstructured mesh, a local error estimator is computed using a flow variable. It is then used to adapt the mesh using isotropic tetras. Additional near-wall resolution can be achieved by extracting prism layers from the walls. A more efficient approach is to use anisotropic mesh adaptation purely with tetras that are stretched to follow the flow’s preferential directions. In this work, we demonstrate the abilities of feature-based isotropic and anisotropic mesh adaptation on a complex flow phenomenon of importance for jet engines: flow separation in a nacelle under crosswind conditions. Two different solvers, adapted for either isotropic or anisotropic meshes, are employed. Results are compared with standard unstructured simulations with user-imposed mesh refinements and highlight the ability of mesh adaptation to automatically capture all the relevant flow phenomena without any user input and at reduced cell counts.
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 ».