Combining computational fluid dynamics (CFD) with experimental fluid dynamics (EFD) and flight fluid dynamics (FFD) via gappy proper orthogonal decomposition
Notice bibliographique
Résumé
In the aerospace industry, experiments and flight tests are expensive, often inaccurate and incomplete. On the other hand, numerical results require validation, verification and can be computationally expensive. By means of Reduced Order Modelling (ROM), the computational cost can be reduced drastically and a more complete investigation of a continuous design space can be provided. Moreover, the ROM framework allows CFD simulations to be combined with Experimental Fluid Dynamics (EFD) and even Flight Fluid Dynamics (FFD) results through a multidimensional database. Since CFD data is much denser than EFD or FFD datasets, and the ROM framework requires input snapshots of same dimension, these datasets need to be enriched.The "Gappy" Proper Orthogonal Decomposition (POD) is an extension of the POD method that allows consideration of incomplete datasets and can be used to enrich the experimental results to the size of the companion CFD simulations. The reconstructed results can then be used within the ROM framework for a real-time exploration of a design space. The goal of this thesis is to implement the Gappy POD in order to be used in the ROM framework developed at McGill CFD Laboratory for various applications, such as aerodynamic flows and in-flight icing computations.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».