MétaCan
Menu
Retour à la cohorte
Enregistrement W4386305663 · doi:10.1088/1748-3190/acf540

The role of leading-edge serrations in controlling the flow over owls’ wing

2023· article· en· W4386305663 sur OpenAlexaff
Tanner Saussaman, Asif Shahriar Nafi, David Charland, Hadar Ben-Gida, Roi Gurka

Notice bibliographique

RevueBioinspiration & Biomimetics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWingFlow (mathematics)Enhanced Data Rates for GSM EvolutionLeading edgeStructural engineeringMechanicsEngineeringComputer sciencePhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We studied the effects of leading-edge serrations on the flow dynamics developed over an owl wing model. Owls are predatory birds. Most owl species are nocturnal, with some active during the day. The nocturnal ones feature stealth capabilities that are partially attributed to their wing microfeatures. One of these microfeatures is small rigid combs (i.e. serrations) aligned at an angle with respect to the incoming flow located at the wings' leading-edge region of the primaries. These serrations are essentially passive flow control devices that enhance some of the owls' flight characteristics, such as aeroacoustics and, potentially, aerodynamics. We performed a comparative study between serrated and non-serrated owl wing models and investigated how the boundary layer over these wings changes in the presence of serrations over a range of angles of attack. Using particle image velocimetry, we measured the mean and turbulent flow characteristics and analyzed the flow patterns within the boundary layer region. Our experimental study suggests that leading-edge serrations modify the boundary layer over the wing at all angles of attack, but not in a similar manner. At low angles of attack (<20°), the serrations amplified the turbulence activity over the wing planform without causing any significant change in the mean flow. At 20° angle of attack, the serrations act to suppress existing turbulence conditions, presumably by causing an earlier separation closer to the leading-edge region, thus enabling the flow to reattach prior to shedding downstream into the wake. Following the pressure Hessian equation, turbulence suppression reduces the pressure fluctuations gradients. This reduction over the wing would weaken, to some extent, the scattering of aerodynamic noise in the near wake region.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioinspiration & BiomimeticsMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207