MétaCan
Menu
Retour à la cohorte
Enregistrement W4390986271 · doi:10.2514/1.j063328

Multispecies Flow Indirect-Noise Modeling Re-Examined with a Helicopter-Engine Application

2024· article· en· W4390986271 sur OpenAlexaff
Yann Gentil, Guillaume Daviller, Stéphane Moreau, Thierry Poinsot

Notice bibliographique

RevueAIAA Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Acoustics in Jet Flows
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésNozzleIsentropic processNoise (video)Large eddy simulationStatistical physicsMechanicsJet engineAcousticsPhysicsTurbulenceComputer scienceThermodynamics

Résumé

récupéré en direct d'OpenAlex

Composition noise has recently received increasing attention for its potential to contribute significantly to the indirect noise mechanism. In this study, the importance and definition of composition noise are revisited by proposing a new proper decomposition between entropy and mixture compositional fluctuations. When assuming quasi-one-dimensional, multispecies, isentropic, and nonreactive flow in nozzles, the resulting system of equations shows a new and remarkable one-way coupling between composition waves and both acoustic and entropy waves. Relying on the Magnus-expansion methodology, an exact solution of that system is investigated. The proposed theory is validated by comparing the model predictions with direct numerical simulations of nozzle flows in which compositional fluctuations are pulsed. It is shown that composition transfer functions from the unsteady simulations are in agreement with the analytical model of this paper. Finally, a hybrid approach is investigated consisting of extracting waves from a large-eddy simulation of a real helicopter engine and propagating those through different nozzle geometries. Composition noise is found to be negligible compared to direct or indirect entropy noise since it is at least 20 dB lower than other noise mechanisms for all tested cases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,788
Score d'incertitude au seuil0,599

Scores Codex et Gemma par catégorie

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 recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,202
Écart entre enseignants0,194 · 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 tête enseignante, 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetAerodynamics and Acoustics in Jet FlowsTravaux en français237 207