MétaCan
Menu
Retour à la cohorte
Enregistrement W4402789832 · doi:10.1299/jsmekanto.2024.30.14i11

Study on flow control of supersonic jet by DC discharge plasma

2024· article· en· W4402789832 sur OpenAlexaboutno aff
Yusuke Suzuki, Tenma TAKASUGI, Hiroki SEGA, Kazumi TSUNODA

Notice bibliographique

RevueThe Proceedings of Conference of Kanto Branch · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePlasma and Flow Control in Aerodynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupersonic speedJet (fluid)MechanicsFlow control (data)Choked flowPlasmaFlow (mathematics)Materials sciencePhysicsEngineeringNuclear physicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper describes experimental results on the effects of DC discharge plasma on small-scale supersonic jet. Experiments were conducted in a supersonic wind tunnel with a laval nozzle installed, and DC discharges were conducted near the upper and lower walls of the nozzle outlet at 500 mA. In order to verify the effect of the DC discharge on the jet field, focusing on changes in the pressure field and jet direction, the stagnation pressure distribution was measured and the jet field was visualized using the Schlieren method. In this paper, the results of these experiments are summarized and reported for back pressure ratios of 0.01 and 0.035. No significant difference in the amount of change in the stagnation pressure distribution was observed regardless of the discharge position, and the same results were obtained for the jet direction. From the above, it can be concluded that a power consumption of 163 and 177 W does not lead to active control of the supersonic jet field.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,772
Score d'incertitude au seuil0,720

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,012
Tête enseignante GPT0,214
Écart entre enseignants0,202 · 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'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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Proceedings of Conference of Kanto BranchMême sujetPlasma and Flow Control in AerodynamicsTravaux en français237 207