Influence of Surface Roughness on the Aerodynamic Losses of a 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
The effects of surface roughness on the aerodynamic performance of a turbine vane are investigated for three Mach number distributions, one of which results in transonic flow. Four turbine vanes, each with the same shape and exterior dimensions, are employed with different rough surfaces. The nonuniform, irregular, three-dimensional roughness on the tested vanes is employed to match the roughness which exists on operating turbine vanes subject to extended operating times with significant particulate deposition on the surfaces. Wake profiles are measured for two different positions downstream the vane trailing edge. The contributions of varying surface roughness to aerodynamic losses, Mach number profiles, normalized kinetic energy profiles, Integrated Aerodynamics Losses (IAL), area-averaged loss coefficients, and mass-averaged loss coefficients are quantified. Total pressure losses, Mach number deficits, and deficits of kinetic energy all increase at each profile location within the wake as the size of equivalent sandgrain roughness increases, provided the roughness on the surfaces is uniform. Corresponding Integrated Aerodynamic Loss IAL magnitudes increase either as Mach numbers along the airfoil are higher, or as the size of surface roughness increases. Data are also provided which illustrate the larger loss magnitudes which are present with flow turning and cambered airfoils, than with symmetric airfoils. Also described are wake broadening, profile asymmetry, and effects of increased turbulent diffusion, variable surface roughness, and streamwise development.
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 | 0,000 |
| 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