Numerical Simulation to Detect the Change of Airfoil Stalling Characteristics Dependent on Reynolds number

Q: 이 논문에서 정의한 실속 특성이란 무엇인가?

실속 특성이란 에어포일 주변 유동의 레이놀즈 수 변화에 따라 실속 유형이 선단 실속에서 후단 실속으로 바뀌는 등, 에어포일의 공기역학적 특성이 변화하는 현상을 의미한다. 이는 특히 NACA9324 에어포일에서 두드러지게 나타난다.

Q: 고차 압축 기법이 저레이놀즈수 유동 시뮬레이션에 어떻게 기여하는가?

연구 결과, 고차 압축 기법은 기존 TVD 방식보다 적은 격자점으로도 정확한 유동 특성을 예측할 수 있게 한다. 특히 저레이놀즈수 유동에서 발생하는 박리 및 천이 현상을 더 잘 포착하여, 에어포일의 실속 특성 변화를 시뮬레이션하는 데 중요한 역할을 한다.

Shinsuke NISHIMURA; Kisa MATSUSHIMA; Kazuhiro NAKAHASHI

학술대회자료

저자정보: Shinsuke NISHIMURA Kisa MATSUSHIMA Kazuhiro NAKAHASHI

저널정보: 한국항공우주학회 한국항공우주학회 학술발표회 초록집 Proceedings of KSAS-JSASS Joint International Symposium on Aerospace Engineering

오류 신고하기

피인용 0

검색

초록·키워드

The compact scheme with a new method to detect the transition point is applied to low-Reynolds number (Re = 3.43 x 10?, 2.51 x 10?) over the NACA9324 airfoil. RANS simulations have difficultly to predict the stalling characteristics because the large separation and transition occur in flow at low-Reynolds number region, NACA9324 shows peculiar aerodynamic characteristics. Its stall type change from leading-edge stall to trailing-edge stall when the Reynolds number increase over 3.43 x 10?. In preliminary study, fully laminar computations using conventional 3<SUP>rd</SUP>-order TVD and 2<SUP>nd</SUP>-order central differencing could not predict stalling characteristics of the NACA9324. Because that computations couldn’t resolve a laminar bubble and a transition from laminar to turbulent flow. Thus, compact high-order scheme with the new transition method is applied to the flow around the NACA9324 airfoil. As a current result, the compact scheme succeeds in predicting the trailing-edge stalling aerodynamic characteristics. The new transition method is being examined.

#Compact difference scheme #Stalling characteristis #Turbulence model

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)