MétaCan
Menu
Retour à la cohorte
Enregistrement W4407223891 · doi:10.1063/5.0247625

Flow and thrust vectoring characteristics of underwater high-speed gas jet

2025· article· en· W4407223891 sur OpenAlexaboutno aff
Zhang Shao-qian, Bao Wenchun, Shichao Feng, Hao Xu, Tiezhi Sun

Notice bibliographique

RevuePhysics of Fluids · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPhysicsThrust vectoringJet (fluid)UnderwaterMechanicsFlow (mathematics)Aerospace engineeringThrustThermodynamicsOceanography

Résumé

récupéré en direct d'OpenAlex

When utilizing high-speed gas jet for the propulsion of underwater vehicles, complex flow phenomena such as ventilated cavitation, bubble expansion, and contraction are formed, along with corresponding complex thrust characteristics. In this paper, an experimental study was conducted on the thrust and flow field evolution characteristics of vector-deflected high-speed gas jets produced by a Laval nozzle under co-flow conditions. Under the experimental conditions of this study, the venting position of the pulsating foam tail cavity shifts with the increase in the nozzle vector angle θ. The axial component of thrust exhibits a noticeable loss as the vector angle θ increases, and its oscillation is correlated with the pressure pulsation of the tail cavity. The nozzle thrust vector angle operates within an optimal range, with the lateral force peaking at θ = 6°. Beyond this angle, the lateral force diminishes as θ progresses further. The amplitude of the lateral force is related to the vent channel, with unobstructed channels corresponding to the peak values of the lateral force. This paper can provide a reference for the design of vector jet propulsion systems for underwater vehicles. The unique phenomena and patterns of underwater vector jets revealed through experiments lay the foundation and offer insights for more in-depth mechanistic studies.

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 enseignants0,716
Score d'incertitude au seuil0,460

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 Opus0,006
Tête enseignante GPT0,206
Écart entre enseignants0,200 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207