Design Modifications to Minimize Tip Vortex Cavitation in Marine Propellers
Notice bibliographique
Résumé
Abstract Underwater radiated noise (URN) from marine vessels poses significant threats to marine ecosystems, necessitating effective mitigation strategies. Propellers are a primary source of this noise, and reducing their emissions is essential for quieter ship operations. Cavitation, the vaporization of liquid water in low-pressure regions forming during the operation of propellers, is one of the major contributors to propeller noise. Among various forms of cavitation, the onset of sheet cavitation is delayed on modern propellers by the improvements in blade design, causing tip vortex cavitation (TVC) to often appear earlier. The current study focusses on mitigating TVC through geometric modifications of the propeller blades. The blade geometry is fine-tuned through bending and twisting; bending is performed in the direction normal to the blade’s sectional chord-lines, altering its rake and skew distribution. Twisting is applied through modification of the radial pitch distribution. In this work, a computational toolbox - MultiProp, is developed to transform conventional propeller geometries into modified designs based on specified bending and twisting parameters. An integrated performance index (IPI) is proposed, combining TVC behavior and hydrodynamic efficiency to assess propeller performance. Numerical simulations comparing conventional and modified propellers reveal that these geometric changes effectively mitigate TVC without compromising hydrodynamic performance. The proposed modifications can be incorporated during the design stage as a passive TVC mitigation strategy, forming the basis for a multi-objective optimization framework to design efficient, low-noise propellers.
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 | 0,001 |
| 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 ».