MétaCan
Menu
Retour à la cohorte
Enregistrement W4411554469 · doi:10.29169/1927-5129.2025.21.13

Numerical Simulation of a Turboprop Engine Inlet with a Bypass Channel

2025· article· en· W4411554469 sur OpenAlexvenueno aff
Zhenlong Wu, Yakui Liu

Notice bibliographique

RevueJournal of Basic & Applied Sciences · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueRocket and propulsion systems research
Établissements canadiensnon disponible
Organismes subventionnairesNational Science and Technology Major Project
Mots-clésTurbopropInletChannel (broadcasting)Marine engineeringEnvironmental scienceMechanicsEngineeringComputer scienceAerospace engineeringMechanical engineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Turboprop aircraft may face a variety of harsh flight environments during flight, and various foreign objects may be sucked into the engine, among which the inhalation of sand can lead to erosion of the blades of the compressor. Such ingestion often results in compressor blade erosion, which can lead to engine surge and power loss. Therefore, this study explores the aerodynamic and sand separation characteristics of the inlet channel with a bypass channel through numerical simulation methods. ANSYS Fluent software is used to simulate the six-bladed propeller rotation based on the slip-grid technique by combining the unsteady Reynolds-averaged Navier-Stokes equations (URANS) and shear stress transport (SST) turbulence model. A Lagrangian discrete phase model (DPM) is applied to track the motion of standard coarse sand. The focus is on analyzing the mechanism of different propeller speeds and scavenge ratio (SCR) on the separation efficiency (η).

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,218
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 GPT0,279
Écart entre enseignants0,260 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Basic & Applied SciencesMême sujetRocket and propulsion systems researchTravaux en français237 207