Numerical Analysis of a Soft Propeller with Flagellum-Inspired Geometry for Underwater Propulsion
Notice bibliographique
Résumé
In recent years, soft robots and propellers have emerged as flexible and adaptive alternatives to traditional rigid rotors, offering enhanced morphological versatility and embodied intelligence.However, optimizing their energy efficiency remains a significant challenge.To address this, Reynolds-Averaged Navier-Stokes (RANS) simulations were conducted to investigate fluidstructure interactions around flagellum-inspired geometries.The sliding mesh approach was employed, capturing both transient and mean hydrodynamic loads, such as thrust and torque for two rotating configurations operating at 90 and 60 RPM.This enabled a detailed comparison of their propulsion performance.The 90 RPM propeller, with a diameter of 0.37 m, demonstrated superior performance by generating 0.60 N of thrust, an axial induced velocity of 0.0528 m/s, and a peak flow velocity of 1.72 m/s.However, the 60 RPM configuration, with a slightly larger diameter of 0.40 m, produced a lower thrust of 0.33 N, an induced velocity of 0.0362 m/s, and a peak velocity of 1.26 m/s.Moreover, despite 90 RPM having smaller disk area, achieved a higher local relative velocity of 1.75 m/s and more concentrated flow structures, indicating more efficient energy transfer.These findings highlight the decisive role of rotational speed and geometry in optimizing the performance of soft propellers, with the 90 RPM configuration proving more effective for high-thrust, performance-oriented underwater applications.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».