A Practical Axial Compressor Design Optimization Approach Based on Gas Turbine Operation
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
In the current study, it is focused on blade optimization of compressor to achieve improved performance characteristics. Due to dependency of mass flow rate on the inlet temperature of the gas turbine, temperature changes influence on compressor performance and efficiency. In order to enhance the working conditions at design and off-design operation, an automated design process is applied. The process has three main steps including parametrization of the geometry, numerical simulation of flow and optimization design approach. Stochastic design approach is utilized for optimization. The objective of this improvement will push the airfoil geometry in a way that minimum loss value, extended acceptable off-design operation in constant exit flow angle can be achieved with being focused on hot day's operation. The considered case in the present study is a compressor of MGT-70 heavy-duty gas turbine and the optimization focuses on the first four stages. Based on numerical simulation of optimized compressor, 1% enhancement in efficiency in all operating conditions is achievable. Moreover, the mass flow rate can be enhanced roughly up to 0.8% and 1% for design and off-design conditions, respectively. After assembling the new developed parts, the first upgraded prototype of the gas turbine has been tested in sixth Unit of Parand power station. More than 600 signals of pressure and temperature in circumferential and radial directions were extracted from compressor section. The results show good agreement predicted in range inlet flow angle between measurements and theoretical targets.
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