MétaCan
Menu
Retour à la cohorte
Enregistrement W4362637731 · doi:10.1016/j.aej.2023.03.064

Numerical investigation of the evolution of aerodynamic behaviour when a high-speed train accelerates under crosswind conditions

2023· article· en· W4362637731 sur OpenAlexaff
Dan Zhou, Dezhuang Yu, Liliang Wu, Shuang Meng

Notice bibliographique

RevueAlexandria Engineering Journal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesCentral South University
Mots-clésCrosswindAerodynamicsEnvironmental scienceHigh speed trainAerospace engineeringMeteorologyMarine engineeringAutomotive engineeringEngineeringPhysicsTransport engineering

Résumé

récupéré en direct d'OpenAlex

Crosswind degrades the aerodynamic behaviour of trains, especially during train acceleration, and an understanding of the flow field and train safety details requires more research attention. In the present study, the improved delayed detached eddy simulation (IDDES) method is applied to investigate the aerodynamic behaviour when a high-speed train accelerates under crosswind conditions. The spatial–temporal evolution of eddies and pressure distributions on the train surface based on eight discrete moments are explored. Moreover, the effects of three acceleration values on the aerodynamic force/moment coefficients and safety indicators are evaluated. The results show that the distance between the eddy shedding from the head car and the train body becomes smaller and the negative pressure of the eddy core increases in the process of acceleration. The pressure on the windward side of the train is stable, while the pressure on the leeward side shows an increasing trend with increasing train speed. An increase in the acceleration value increases the maximum side force and rolling moment coefficients, most prominently for the head car. In addition, a larger acceleration value may cause stronger pulsation of the train. Although the acceleration values do not increase the maximum values of the safety indicators, they have a slight effect on the local maximum values.

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: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlexandria Engineering JournalMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207