MétaCan
Menu
Retour à la cohorte
Enregistrement W2523313411 · doi:10.1115/gt2016-56136

Optimization of a Steam Turbine Blade’s Double-T Root Through Contact Surface Convexity

2016· article· en· W2523313411 sur OpenAlexaff
Johanna Ehlers, Henning Ressing, Wulf-Christof von Karstedt, Daniel J. Rixen, Mohamed S. Gadala

Notice bibliographique

RevueVolume 8: Microturbines, Turbochargers and Small Turbomachines; Steam Turbines · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical stress and fatigue analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFinite element methodShroudTurbine bladevon Mises yield criterionBlade (archaeology)Steam turbineStructural engineeringStress (linguistics)Contact analysisMaterials scienceTurbineMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The turbine blade is one of the most critical components of a steam turbine. The high thermal loads and large centrifugal forces cause extreme stresses on the blade, especially on its root. This paper focuses on improving the double-T root of a turbine blade of the control stage by decreasing the root’s peak equivalent von-Mises stress. An 18% reduction was achieved in the peak stress by changing the convexity of the contact surface between the root and the groove. The equivalent von-Mises stress was determined in a static structural analysis of a three dimensional finite element model (3D FEM-model) using ANSYS Workbench. This numerical model was developed to include one blade and the associated part of the shaft, whereas the complete circle of blades was considered by applying cyclic symmetry. Furthermore, this paper includes a modal analysis comparing the natural frequencies of the initial FEM-model with the frequencies of the optimized one. The results were established by an investigation of the influence of the FEM-model’s parameters, its material properties, thermal effects, and an additional damping wire in the shroud.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,207
Écart entre enseignants0,193 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 8: Microturbines, Turbochargers and Small Turbomachines; Steam TurbinesMême sujetMechanical stress and fatigue analysisTravaux en français237 207