MétaCan
Menu
Retour à la cohorte
Enregistrement W2523918023 · doi:10.11159/htff16.124

Behaviour of Secondary Coolant Flow on the Turbine Blade Surface

2016· article· en· W2523918023 sur OpenAlexvenueno aff
Bhaskar Roy, S Preetam

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoolantBlade (archaeology)Turbine bladeFlow (mathematics)Mechanical engineeringTurbineMaterials scienceMechanicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, the fluid mechanic behaviour of secondary flows, cooling injection from inside the blade, on the turbine blades surfaces has been studied for its aerodynamic influence. A standard T-106A turbine blade profile has been chosen for study. The blades are arranged in a linear cascade with a solidity of 0.5 and aspect ratio of 1.5. It is first intended to find the most effective single blowing location, which has been found at 10% of the blade surface from the leading edge. Then the study has focussed on finding a blowing ratio at which the secondary flow boundary layer sustains itself over most part of the turbine blade surfacesboth the suction and the pressure surfaces. Further, fluid mechanic studies have been conducted at this effective blowing ratio ( 0.8) to explore the boundary layer behaviour of the injected cooling flow. The boundary layer development has been studied at various chord-wise locations along the blades surfaces. It is observed that at the effective blowing ratio a single row of cooling injection at approximately 8.25% of axial chord behind the leading edge may be sufficient to create sustained cooling boundary layer over the entire turbine blade surfaces. The present study has been carried out with cold flows at low speeds to accommodate experimental validation in a low speed cascade tunnel in near future. The heat transfer related issues are not part of the present study.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,464

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 Opus0,005
Tête enseignante GPT0,173
Écart entre enseignants0,168 · 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'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 revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207