Effect of Input Variability on the Performance of Turbine Blade Thermal Design Using Monte Carlo Simulation: An Exploratory Study
Notice bibliographique
Résumé
A probabilistic approach to the thermal design and analysis of cooled turbine blades is presented. Various factors that affect the probabilistic performance of the blade thermal design are grouped into categories and a select number of factors known to be significant, for which the variability could be assessed are modeled as random variables. The variability data for these random variables were generated from separate Monte Carlo simulations (MCS) of the combustor and the upstream stator and secondary air system. The oxidation life of the blade is used as a measure to evaluate the thermal design as well as to evaluate validity of the methods. Two approaches have been explored to simulate blade row life variability and compare it with the field data. Field data from several engine removals are used for investigating the approach. Additionally a response surface approximation technique has been explored to expedite the simulation process. The results indicate that the conventional approach of a worst-case analysis is overly conservative and analysis based on nominal values could be very optimistic. The potential of a probabilistic approach in predicting the actual variability of the blade row life is clearly evident in the results. However, the results show that, in order to predict the blade row life variability adequately, it is important to model the operating condition variability. The probabilistic techniques such as MCS could become very practical when approximation techniques such as response surface modeling are used to represent the analytical model.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».