MétaCan
Menu
Retour à la cohorte
Enregistrement W4381186318 · doi:10.11159/cdsr23.193

Aerodynamic Properties Identification for Small-Size Wind Turbine Blade Airfoil Sections Using the CFD Method

2023· article· en· W4381186318 sur OpenAlexaff
Saeid Fadaei, Fadaei Langlois, Fred F. Afagh

Notice bibliographique

RevueProceedings of the International Conference of Control, Dynamic systems, and Robotics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésAirfoilAerodynamicsBlade (archaeology)Computational fluid dynamicsTurbine bladeAerospace engineeringMarine engineeringTurbineIdentification (biology)Computer scienceStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper, three airfoil sections at the root, middle, and tip of the blade of the Sunforce 400 W conventional wind turbine were investigated at different angles of attack using Computational Fluid Dynamics (CFD) to identify the stall occurrence correlated with the maximum of the lift coefficient.To verify the CFD models, firstly, simulation results of the NACA 4412 airfoil were calculated using the XFOIL code and the CFD method, and compared against available experimental data when using a k-ω SST turbulence model.Then, lift coefficients for the three airfoil sections of the small-size wind turbine blade obtained from the CFD simulations and k-ω SST turbulence model, were calculated and compared with each other.The simulations were performed at three flow speeds, V = 3, 5 and 7m/s, while the angle of attack was varied between -2 and 15 degrees until stall occurred.Flow separation occurred close to the leading edge of the airfoil at the middle and tip of the blade at lower angles of attack, while the airfoil section at the root of the blade was more successful in keeping the flow attached to the surface.

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 seuil0,006

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,281
Écart entre enseignants0,235 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference of Control, Dynamic systems, and RoboticsMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207