MétaCan
Menu
Retour à la cohorte
Enregistrement W4406003277 · doi:10.54097/wxzrzs08

Exploring the Influence of Vehicle Body Designs on Aerodynamic Drag

2024· article· en· W4406003277 sur OpenAlexaff
Chenyu Zhang

Notice bibliographique

RevueHighlights in Science Engineering and Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensAurora College
Organismes subventionnairesnon disponible
Mots-clésAerodynamicsAerodynamic dragDragWindshieldAerospace engineeringComputational fluid dynamicsDrag coefficientZero-lift drag coefficientAerodynamic forceTurbulenceAutomotive engineeringEngineeringMarine engineeringComputer scienceLift-induced dragMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

What are the major causes of aerodynamic drag in vehicles, and how does it impact the fuel efficiency of a vehicle? The more aerodynamic body will experience less air resistance and friction as it travels across the surface, making it more fuel efficient. Many unique aerodynamic designs have been shown to have a lower drag coefficient that traditional cars, but further research is needed. 2 studies investigate the aerodynamics of vehicles using CFD models. The CFD models verify that most of the aerodynamic drag of a car is influenced by the front of the car, and the windshield. For planes, a smaller, more streamlined shape leads to less shear forces and temperature increases in planes, allowing for greater distances to be travelled. These factors should be implemented for the greatest result in vehicles. Improved developments in streamlining vehicles and creating more innovative body designs will create more fuel-efficient vehicles in the future. Future aerodynamic research may also focus on other factors to aerodynamic drag, such as spoilers or the streamlining vehicles for turbulent forces in multiple directions.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,621
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,019
Tête enseignante GPT0,238
Écart entre enseignants0,219 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Science Engineering and TechnologyMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207