Propeller cavitation on small craft: Underwater noise measurements and visualisation from full-scale trials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Propeller cavitation is a significant contributor to vessel underwater radiated noise (URN). It is often assumed to be the major contributor for large vessels at higher speeds, but very little work is available in the literature on the role of cavitation on small boat propellers. In this work, data from two trials are presented to show how cavitation develops on small boats and how this contributes to the overall sound levels. Camera footage is combined with hydrophone measurements to determine the cavitation inception speed and this shows that tip vortex cavitation can appear at 5 knots. The emergence of cavitation is accompanied by a sharp rise in the URN levels. Cavitation due to gas bubbles being pulled close to the propeller blades is observed at speeds as low as 4 knots, leading to either bubble collapse close to the blades or the tip vortex cavitating downstream of the propeller. Wavelet analysis is used to investigate the makeup of the high frequency noise, providing insights into the types of cavitation that are present and how they scale with speed. This shows that high frequency noise from cloud cavitation increases far more substantially with speed than for tip vortex cavitation. • Camera footage shows the cavitation pattern on an outboard propeller. • The cavitation inception speed on all three boats is no more than 6 knots. • Tip vortex cavitation predominates on both outboard-powered vessels. • High frequency noise scales weakly with speed when tip vortex cavitation predominates. • High frequency noise scales strongly with speed when cloud cavitation predominates.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle