MétaCan
Menu
Retour à la cohorte
Enregistrement W4401543396 · doi:10.2514/1.j063884

Validated Dynamic Stall Simulation of Pitching Low Reynolds Number Airfoils

2024· article· en· W4401543396 sur OpenAlexafffund
Alison Zilstra, David A. Johnson

Notice bibliographique

RevueAIAA Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStall (fluid mechanics)AirfoilLeading edgeReynolds numberMechanicsAngle of attackLift coefficientPhysicsWind tunnelFlow separationAerodynamicsBoundary layerMathematicsTurbulence

Résumé

récupéré en direct d'OpenAlex

Deep dynamic stall is one of several complex behaviors that result in extreme variation of the aerodynamic loads on small wind turbine (SWT) blades during unsteady wind conditions. In this study, unsteady Reynolds-averaged Navier–Stokes simulations are performed for two low Reynolds number (Re) airfoils where sinusoidal pitching is applied to replicate the dynamic stall that occurs on rotating SWT blades. The SD 7037 airfoil is simulated at [Formula: see text] and a pitching reduced frequency of [Formula: see text], and the S833 airfoil is at [Formula: see text] and [Formula: see text]. The simulated lift coefficient and dynamic stall timing agree with experimental data, which is attributed to the wall-normal resolution of the mesh and is an advancement from the early prediction of stall seen consistently in previous numerical studies. The accurate prediction of dynamic stall is found to be dependent on the correct simulation of the bursting of the laminar separation bubble (LSB), which initiates the complete separation of the boundary layer and the formation of a leading-edge vortex. The [Formula: see text] [Formula: see text] model combined with the use of a fine mesh at the airfoil leading edge results in an accurate simulation of the bursting LSB and the correct prediction of the deep dynamic stall.

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: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,479

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 recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,239
Écart entre enseignants0,234 · 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

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207