MétaCan
Menu
Retour à la cohorte
Enregistrement W1989421752 · doi:10.1115/gt2013-96017

Inverse Design of Turbine and Compressor Stages Using a Commercial CFD Program

2013· article· en· W1989421752 sur OpenAlexaff
Araz Arbabi, Wahid Ghaly

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésAirfoilAerodynamicsComputational fluid dynamicsGas compressorTurbineAxial compressorMechanicsInverseFlow (mathematics)Mechanical engineeringEngineeringComputer scienceMathematicsPhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

An aerodynamic inverse method that is developed for viscous flow over airfoils, is implemented into ANSYS-CFX as a User-Defined Function (UDF). The implementation is validated, it is then assessed in the redesign of a compressor and a turbine stage in two-dimensional visocus flow. In the inverse method, one of the design choices is to prescribe a target pressure distribution on the airfoil surfaces. The airfoil walls are assumed to be moving with a virtual velocity that would asymptotically drive the airfoil to the shape that would correspond to the specified target pressure distribution. This virtual velocity distribution is computed from the difference between the current and the target pressure distributions. The inverse design approach is fully consistent with the viscous flow assumption and is independent of the CFD approach taken. The Arbitrary Lagrangian-Eulerian formulation of the unsteady Reynolds-Averaged Navier Stokes equations is solved in a time accurate fashion with the airfoil motion being the source of unsteadiness. At each time step, the airfoil shape is modified and dynamic meshing is used to remesh the fluid flow domain. An axial compressor stage and turbine stage are redesigned using ANSYS-CFX running in inverse mode so as to demonstrate the ability of this approach to improve the aerodynamic performance of both compressor and turbine stages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,236
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207