Far-Field Aeroacoustic Shape Optimization using Large Eddy Simulation
Notice bibliographique
Résumé
This study presents a shape optimization framework that combines a Flux Reconstruction (FR) spatial discretization, Large Eddy Simulation (LES), the Ffowcs-Williams and Hawkings (FW-H) formulation, and the gradient-free Mesh Adaptive Direct Search (MADS) optimization algorithm. We emphasize the necessity of duplicating the data surface to achieve accurate far-field noise prediction in spanwise periodic problems using the FW-H formulation. The proposed parallel implementation of the optimization framework ensures consistent runtime per optimization iteration, regardless of the number of design parameters, thereby addressing a common limitation of many gradient-free algorithms. The framework is demonstrated through far-field aeroacoustic shape optimization of NACA 4-digit airfoils at a Reynolds number of 23,000. The objective function minimizes the Overall Sound Pressure Level (OASPL) at a far-field observer positioned 10 unit chords below the trailing edge, while preserving the mean lift coefficient and reducing the mean drag coefficient. The optimized airfoil achieves an OASPL reduction of 5 . 9 dB and over 14% decrease in mean drag, while maintaining the mean lift coefficient. These results underscore the feasibility and effectiveness of the proposed approach for practical shape optimization applications. • First far-field aeroacoustic optimization using high-order large eddy simulation. • MADS optimizer with a runtime independent of the number of design parameters. • Affordable computational cost achieved with GPU-accelerated, parallel execution. • Duplicating the FW-H data surface to mimic an infinite span. • Significant far–field noise and drag reduction with lift constrained.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».