MétaCan
Menu
Retour à la cohorte
Enregistrement W2324181039 · doi:10.2514/6.2011-1131

Adjoint-Based Multidisciplinary Design Optimization of Cooled Gas Turbine Blades

2011· article· en· W2324181039 sur OpenAlexaff
Arash Mousavi, Siva Nadarajah

Notice bibliographique

Revue49th AIAA Aerospace Sciences Meeting including the New Horizons Forum and Aerospace Exposition · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSolverFinite element methodTurbine bladeCascadeFinite volume methodShape optimizationMechanicsHeat transferCoupling (piping)Flow (mathematics)Boundary value problemCompressibilityBoundary (topology)Stream functionTurbineMathematical optimizationMechanical engineeringMathematicsEngineeringPhysicsMathematical analysisStructural engineering

Résumé

récupéré en direct d'OpenAlex

A multidisciplinary optimization procedure is developed for an internal and external cooled gas turbine blade. The goal is to control the heat transfer on the blade surface while maintaining the total pressure loss and cascade mass flow rate along with blade geometric constraints. The flow is solved using a finite volume solver for 2D NavierStokes equations while the temperature distribution of the blade interior is obtained by a finite element solver. The FV and FE solvers are coupled through a loose coupling method and by the exchange of the boundary condition. For the optimization purpose a continuous adjoint method is employed for 2D compressible Navier-Stokes flows and the corresponding adjoint boundary conditions are derived. A characteristic based approach is utilized in developing the adjoint boundary conditions for the sake of consistency with flow boundaries. The objective function is optimized with respect to the cascade mesh points, cooling hole location and the angle of injection as design variables.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,238
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), 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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue49th AIAA Aerospace Sciences Meeting including the New Horizons Forum and Aerospace ExpositionMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207