MétaCan
Menu
Retour à la cohorte
Enregistrement W1996070308 · doi:10.1115/gt2011-46757

Optimization of an Axial Turbine Stage for Aerodynamic Inlet Blockage

2011· article· en· W1996070308 sur OpenAlexaff
Mohammad Arabnia, Vadivel K. Sivashanmugam, Wahid Ghaly

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRotor (electric)AerodynamicsTurbineControl theory (sociology)Turbine bladeStructural engineeringvon Mises yield criterionGenetic algorithmEngineeringComputer scienceMechanical engineeringMathematicsFinite element methodMathematical optimizationAerospace engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a practical and effective optimization approach to minimize 3D-related flow losses associated with high aerodynamic inlet blockage by re-stacking the turbine rotor blades. This approach is applied to redesign the rotor of a low speed subsonic single-stage turbine that was designed and tested in DLR, Germany. The optimization is performed at the design point and the objective is to minimize the rotor pressure loss coefficient as well as the maximum von Mises stress while keeping the same design point mass flow rate, and keeping or increasing the rotor blade first natural frequency. A Multi-Objective Genetic Algorithm (MOGA) is coupled with a Response Surface Approximation (RSA) of the Artificial Neural Network (ANN) type. A relatively small set of high fidelity 3D flow simulations and structure analysis are obtained using ANSYS Workbench Mechanical. That set is used to train and to test the ANN models. The stacking line is parametrically represented using a quadratic rational Bezier curve (QRBC). The QRBC parameters are directly related to the design variables, namely the rotor lean and sweep angles and the bowing parameters. Moreover, it results in eliminating infeasible shapes and in reducing the number of design variables to a minimum while providing a wide design space for the blade shape. The aero-structural optimization of the E/TU-3 turbine proved successful, the rotor pressure loss coefficient was reduced by 9.8% and the maximum von Mises stress was reduced by 36.7%. This improvement was accomplished with as low as four design variables, and is attributed to the reduction of 3D-related aerodynamic losses and the redistribution of stresses from the hub trailing edge region to the suction side maximum thickness area. The proposed parametrization is a promising one for 3D blade shape optimization involving several disciplines with a relatively small number of design variables.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,384
Score d'incertitude au seuil0,341

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,207
Écart entre enseignants0,195 · 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 tête enseignante, 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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207