Termografia Aplicada à Visualização de Transição de Camada Limite em Aerofólios
Bibliographic record
Abstract
A indústria aeronáutica tem grande interesse no estudo dos fluxos aerodinâmicos laminares, uma vez que produzem força de arrasto reduzida, resultando em economia de combustível nas aeronaves. Esse tipo escoamento em torno de superfícies aerodinâmicas e sua transição a turbulento torna-se, portanto, importante para o projeto aeronáutico e validação de modelos de Dinâmica dos Fluidos Computacional (CFD). No entanto, tal determinação apresenta dificuldades experimentais, muitas vezes relacionadas com métodos invasivos, que podem influenciar a camada limite do escoamento na superfície, tornando os dados não-representativos. Este artigo apresenta uma metodologia para determinar a transição da camada limite de laminar a turbulento usando câmeras de imageamento infravermelho de alta sensibilidade. Este método baseia-se no fato de que uma diferença de temperatura na superfície do perfil aerodinâmico sob escoamento laminar e turbulento é induzida por uma diferença na troca de calor entre os dois regimes: a troca de calor é maior em escoamentos turbulentos e pode ser detectada por estas câmeras. A principal vantagem deste método está no fato de que é não-invasivo e, portanto, fornece dados experimentais mais consistentes a fim de validar modelos teóricos com melhor precisão. O trabalho baseia-se em uma apresentação teórica dos conceitos aplicados e ensaios em túnel de vento conduzidos no Laboratório de Aerodinâmica da Escola de Engenharia de São Carlos - USP, por membros desta instituição, em conjunto com pesquisadores da Bombardier Aviation e Universidade Federal de São Carlos - UFSCar.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".