MétaCan
Menu
Retour à la cohorte
Enregistrement W4412486579 · doi:10.2514/6.2025-3229

WITHDRAWN: Adjoint-Based Shape Optimization Framework for High-Lift Design Using Three-Dimensional Mixed-Element Unstructured Grids

2025· article· en· W4412486579 sur OpenAlexaff
Chao Yan, Siva Nadarajah, David A. Brown, Syam Vangara, Hong Yang, Rabi Tahir

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensBombardier (Canada)McGill University
Organismes subventionnairesnon disponible
Mots-clésUnstructured gridComputer scienceLift (data mining)Finite element methodMathematical optimizationComputational scienceMathematicsGridGeometryStructural engineeringEngineeringData mining

Résumé

récupéré en direct d'OpenAlex

An adjoint-based aerodynamic optimization framework is proposed for three-dimensional high-lift design. This framework contains multiple components that provide an accurate and efficient evaluation of adjoint linear systems, solutions, and surface gradients. The flow Jacobian is constructed using a novel process for a finite-volume computational aerodynamics flow solver based on unstructured heterogeneous meshes of up to four different element shapes. Due to the heterogeneous grid structure, applying automatic differentiation directly to the flow residual would incur a high computational cost, as each row of the residual can potentially have a unique configuration. Automatic differentiation by operator overloading is applied to primitive calculations, such as flux and boundary condition calculations, to build the Jacobian. Since these primitive calculations possess only a few variations, only a few sets of instructions to differentiate each term need to be stored. These calculations are then combined using the chain rule to form the Jacobian matrix. This approach enables us to take advantage of the code maintainability provided by automatic differentiation at a manageable computational cost. The constructed ill-conditioned adjoint linear system is solved by a preconditioned iterative method. An incremental linear elasticity mesh mover and mesh adjoint approach is employed to enhance the robustness and efficiency of mesh movement and surface gradient evaluation. In this work, the convergence of the preconditioned iterative method, applied to solve the adjoint linear system of a three-dimensional high-lift common research model (CRM-HL), is investigated. The surface gradient computed by the mesh adjoint is verified. The rigid-body design framework is applied to improve the aerodynamic performance of a CRM-HL airfoil.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,015
Tête enseignante GPT0,234
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetManufacturing Process and OptimizationTravaux en français237 207