MétaCan
Menu
Retour à la cohorte
Enregistrement W2067543117 · doi:10.1115/fedsm-icnmm2010-31229

A Computational Model for Hydraulic Labyrinth Seals

2010· article· en· W2067543117 sur OpenAlexaff
Re ́mi Bouderlique, Franc ̧ois Guibault, André Garon, Vũ Thị Thu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Lubrication Engineering
Établissements canadiensAndritz (Canada)Polytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésLabyrinth sealTurbulenceMechanicsFriction lossLeakage (economics)Computational fluid dynamicsMechanical engineeringTurbineTorqueBoundary layerReynolds numberSeal (emblem)EngineeringMarine engineeringPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Every Francis turbine has a thin gap between rotating and non-rotating parts, which prevents contact between the two units. Although necessary, hydraulic seals create energetic losses: some fluid does not flow through the runner (leakage loss) and exerts a torque on the rotor (friction loss). Only analytical and empirical prediction methods of a seal efficiency had been developed before 1980. Numerical methods are now used to predict seals performance. However, most of the studies known to the authors deal with gas labyrinth seals and use the k–ε turbulence model. In hydraulic seals, since the viscous losses in the boundary layer influence the leakage loss, low Reynolds turbulence models appear more appropriate. Our study aims to implement an accurate model to predict losses in labyrinth seals using a low Reynolds model, and validate it using experimental results. The issues of the mesh and boundary conditions are addressed. The commercial code ANSYS CFX 12 is used.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,854
Score d'incertitude au seuil0,228

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 Opus0,011
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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
GenreMéthodes

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

En bref

Citations5
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTribology and Lubrication EngineeringTravaux en français237 207