Multi-Regime CFD Optimization of Diverter-less Supersonic Intake Bump Geometry for Enhanced Engine Pressure Recovery
Notice bibliographique
Résumé
Aircraft intake plays a vital role in overall performance of the aircraft. Purpose of intake is to supply less turbulent and smooth flow to the engine. It must provide maximum pressure recovery for a wide range of operating conditions. Conventional ramp intakes have been used in many older and few modern fighter aircraft (F4 Phantom II, Mig 21, Mig 27, Mirage 2000 & F-14 Tomcat). However, DSI (Diverter Less Supersonic Intake) were used in modern aircraft (JF -17 Block 3, F- 35 & J -20). Weight, complexity & maintenance cost can be reduced using DSI compared in comparison to the conventional intake. Furthermore, DSI provides higher pressure recovery, lesser boundary layer & less complex geometry. The aim of this research is to model different bump configurations and carry out their CFD analysis in order to establish high performing configuration of DSI air intakes at subsonic & supersonic regimes. Four bump configurations named as smaller, softer, blunter and original bump were modelled in ANSYS at three different speed regimes (Mach No 0.6, 0.95 & 1.5) & comparison was drawn for each type of DSI bump configuration & it was found that pressure recovery of DSI of all four configuration is approximately same in subsonic regions whereas for transonic regime (Mach 0.95) DSI smaller has highest pressure recovery value of 0.868 & supersonic regime bump original has highest pressure recovery value of 0.779. This shows that smaller & smoother bump intake configuration will provide maximum pressure recovery and its position into the air intake is crucial for the pressure recovery.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».