A data-driven analysis of short and long laminar separation bubbles
Notice bibliographique
Résumé
This work investigates the statistical response of short and long laminar separation bubbles to external flow parameters, such as Reynolds number, free-stream turbulence intensity and streamwise pressure gradient, known to govern bubble formation and characteristics. A parametric experimental campaign has been performed using particle image velocimetry on a flat plate to provide a comprehensive database for the characterization of separation-induced transition in both short and long separation bubbles. The proper orthogonal decomposition (POD) was applied to the data set of all dividing streamlines commonly used to identify a laminar separation bubble. This provides an optimal state-space basis for the data-driven classification of the state of a laminar separation bubble, with the leading modes capturing the change in length and height of the laminar separation bubble in response to changes in the flow parameters. When projected onto the POD subspace constituted by the first three leading modes, the normalized data from the present study and the results from prior investigations not used in the modal analysis collapse on the same trajectory in the low-dimensional space. The present POD basis can be therefore adopted for the description of the general response of the time-mean shape of a laminar separation bubble to changes in the main influencing parameters. A well-defined pattern was observed in the case of short laminar separation bubbles in the reduced-order space defined by the first three POD coefficients, whereas a higher dispersion in the long-bubble regime indicates an increased sensitivity of long bubbles to the external flow characteristics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».