PIV Measurements Applied to Hydraulic Machinery: Cavitating and Cavitation-Free Flows
Notice bibliographique
Résumé
Hydraulic machinery is an ideal field of application for Particle Image Velocimetry in terms of scientific interest, due to the complexity of the flow behaviour and to the need of detailed unsteady experimental data simultaneously recorded over large sections of the flow field. Within the same machine, a whole range of phenomena are encountered in the different components: wake patterns, separation, rotating vortex structures, vortex breakdown, etc. The unsteady interactions between the stationary and rotating frames, both upstream and downstream the runner, contribute to the efficiency loss. The generated quasi-periodic fluctuations overlay onto the average flow field, which may be symmetrical or not, issuing an unpredictable dynamic behaviour with respect to the operating regime. Whilst the intrinsic parameters of the local phenomena (e.g. sheared flow mixing length) vary, the flow topology may be modified drastically for conditions situated relatively close to one another in terms of head, flow rate and efficiency. The mapping of the unsteady velocity fields and corresponding turbulence levels is thus an essential tool in the analysis of these complex phenomena. The PIV technique opens large perspectives in the analysis of internal flows in hydraulic machinery, providing valuable insight towards an extensive understanding of the underlying physical mechanisms. Nevertheless, the use of PIV systems in this context is one of the most challenging applications, due to the structural constrains related to the optical access to the measurement areas, to the spatial and temporal scales of the phenomena that are to be investigated, two phase flow structure in cavitating regime and also due to the industrial aspects of the application.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».