Numerical Predictions of Stanton Numbers, Skin Friction Coefficients, Aerodynamic Losses, and Reynolds Analogy Behavior for a Transsonic Turbine Vane
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Stanton numbers, skin friction coefficients, aerodynamic losses, and Reynolds analogy behavior are numerically predicted for a turbine vane using the FLUENT commercial code with a k–ϵ RNG model to show the effects of Mach number, mainstream turbulence level, and surface roughness. Test vane geometry, configuration, and flow conditions match ones from a practical application. Comparisons with experimental data on wake aerodynamic losses are made. Numerical and experimental results show that the magnitudes of integrated aerodynamics losses increase dramatically as the exit Mach number increases from 0.35 to 0.71. Downstream wakes are also widened as the mainstream turbulence intensity level, exit Mach number, or level of surface roughness increases. Deviations of numerically predicted 2 St/C f magnitudes from 2 St/C f ≅ 1 on the vane suction and pressure sides are also presented for a variety of flow conditions. The research reported in this article was sponsored by the National Science Foundation (NSF Grant CTS-0086011). Dr. Stefan Thynell and Dr. Richard Smith were the NSF program monitors. The authors also acknowledge Mr. Mike Blair of Pratt & Whitney Corporation, Dr. Hee-Koo Moon of Solar Turbines, Inc., Mr. Edward North, Mr. Ihor Diakunchak of Siemens-Westinghouse Corp., and Dr. Sri Sreekanth and Dr. Ricardo Trindade from Pratt & Whitney—Canada Corporation for guidance and suggestions on this research effort. Technical support from FLUENT Incorporated is also acknowledged. Notes a Based on true chord length.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle