Performance Evaluation of Far-Field Noise Prediction Models for High-Lift Devices Using Reynolds-Averaged Navier-Stokes Simulations
Notice bibliographique
Résumé
This computational aeroacoustics (CAA) study is a performance evaluation of Amiet’s leading edge turbulence interaction noise and trailing edge self-noise models modified for high-lift devices (HLDs). The chosen reference geometry was a three-element McDonnell-Douglas 30P30N airfoil at a freestream Mach number of 0.14, a chord-based Reynolds number of 1,350,000, and at a geometric angle of attack of 3 degrees. The predicted measurements were compared with the surrogate experimental measurements taken from the University of Toronto Institute for Aerospace Studies (UTIAS) Hybrid Anechoic Wind Tunnel (HAWT). The far-field spectral predictions confirmed that the main element leading edge is the most prominent contributor to the broadband signal. For the two-element configuration (i.e., with the slat removed), the turbulence interaction noise stemming from the flap leading edge shows good agreement from low- to mid-frequencies and defines the overall spectral shape of the two-element prediction. A sensitivity study of the source term data extraction locations for the leading edge model was investigated, where it was found that collecting input data in the shear layers yields high uncertainty in the far-field noise spectra. Conversely, input variables extracted in the cove separation regions are much less sensitive to the extraction position. Lastly, far-field directivity maps generated from observers located 3.75 chord lengths from the airfoil mid-chord suggests that the main element leading edge contribution is most significant across all observer locations.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».