MétaCan
Menu
Retour à la cohorte
Enregistrement W2067953092 · doi:10.1115/1.4000491

Redesign of a Low Speed Turbine Stage Using a New Viscous Inverse Design Method

2010· article· en· W2067953092 sur OpenAlexaff
Benedikt Roidl, Wahid Ghaly

Notice bibliographique

RevueJournal of Turbomachinery · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsStatorTurbulenceRotor (electric)TurbineRobustness (evolution)InverseTurbine bladeMechanicsBlade (archaeology)Mechanical engineeringComputer scienceMathematicsEngineeringPhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

The midspan section of a low speed subsonic turbine stage that is built and tested at DFVLR, Cologne, is redesigned using a new inverse blade design method, where the blade walls move with a virtual velocity distribution derived from the difference between the current and target pressure distributions on the blade surfaces. This new inverse method is fully consistent with the viscous flow assumption and is implemented into the time-accurate solution of the Reynolds-averaged Navier–Stokes equations. An algebraic Baldwin–Lomax turbulence model is used for turbulence closure. The mixing plane approach is used to couple the stator and rotor regions. The computational fluid dynamics (CFD) analysis formulation is first assessed against the turbine stage experimental data. The inverse formulation that is implemented in the same CFD code is assessed for its robustness and merits. The inverse design method is then used to study the effect of the rotor pressure loading on the blade shape and stage performance. It is also used to simultaneously redesign both stator and rotor blades for improved stage performance. The results show that by carefully tailoring the target pressure loading on both blade rows, improvement can be achieved in the stage performance.

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)0,001
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: aucune
Score de désaccord entre enseignants0,368
Score d'incertitude au seuil0,701

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,268
Écart entre enseignants0,251 · 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

Citations16
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of TurbomachineryMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207