발사체 기저 유동 해석을 위한 2-방정식 난류 모델의 압축성 보정

Q: 이 논문에서 정의한 압축성 보정이란 무엇인가?

난류 모델에서 압축성 효과를 고려하기 위해 추가되는 항들을 의미하며, 주로 2-방정식 난류 모델과 함께 사용된다. 이는 초음속 기저 유동 해석 시 압력 예측 정확도를 높여 발사체의 전체 항력 예측 성능을 개선하는 역할을 수행한다.

Q: 초음속 기저 유동 해석에서 가장 효과적인 압축성 보정 모델은 무엇인가?

연구 결과, k-ω SST 난류 모델에 Ristorcelli의 압축성 보정을 적용했을 때 기저면 압력 예측 성능이 가장 향상되었다. 이는 변형률과 비평형 효과를 고려하여 혼합층과 재순환 영역을 명확히 구분함으로써 압력 항력 예측의 정확도를 높였기 때문이다.

김동욱; 박재형; 이승수

doi:10.6112/kscfe.2022.27.1.032

학술저널 Full-text AI

저자정보: 김동욱 (인하대학교) 박재형 (인하대학교) 이승수 (인하대학교)

저널정보: 한국전산유체공학회 한국전산유체공학회지 한국전산유체공학회지 제27권 제1호

오류 신고하기

피인용 0

검색

초록·키워드

Explicit compressibility correction methods have been applied to two-equation RANS turbulence models for analyzing the base flow and the entire flow field of a projectile. First, supersonic base flow at a specific Mach number has been analyzed to compare performances of the various compressibility corrections. Base flows at various Mach numbers and Reynolds numbers with Ristorcelli’s compressibility correction applied to κ-ω SST model have been computed, and compared with the experimental results. Lastly, transonic flow analyses of a secant-ogive-cylinder projectile have been performed with Ristorcelli’s compressibility correction. It is found that Ristorcelli’s compressibility correction gives considerable improvement in predicting the base pressure and drag at various flow conditions.

#압축성 보정(Compressibility Correction) #기저 유동(Base Flow) #발사체(Projectile) #기저 항력(Base Drag)

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

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료