Gradient-Free Aeroacoustic Shape Optimization Using Large Eddy Simulation
Notice bibliographique
Résumé
We present an aeroacoustic shape optimization framework that relies on high-order flux reconstruction, the gradient-free Mesh Adaptive Direct Search optimization algorithm, and large eddy simulation. Our parallel implementation ensures consistent runtime for each optimization iteration, regardless of the number of design parameters, provided that sufficient resources are available. The objective is to minimize the overall sound pressure level (OASPL) at a near-field observer by computing it directly from the flowfield. We evaluate this framework across three problems. First, an open deep cavity is considered at a freestream Mach number of [Formula: see text] and Reynolds number of [Formula: see text], reducing the OASPL by 12.9 dB. Next, we considered tandem cylinders at [Formula: see text] and [Formula: see text], achieving over 11 dB of noise reduction by optimizing cylinder spacing and diameter ratio. Lastly, a baseline NACA0012 airfoil at [Formula: see text] and [Formula: see text] is optimized to generate a new four-digit NACA airfoil at an appropriate angle of attack to minimize the OASPL while ensuring the baseline time-averaged lift coefficient is maintained and prevents any increase in the baseline time-averaged drag coefficient. The OASPL and mean drag coefficient are reduced by 5.7 dB and more than 7%, respectively. These results highlight the feasibility and effectiveness of our aeroacoustic shape optimization framework.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».