On the Application of Particle Image Velocimetry for Turbofan Engine Flow Quantification
Notice bibliographique
Résumé
Abstract Given the robustness and maturity of contemporary particle image velocimetry (PIV) methods, detailed flow measurements are now possible in actual turbine engine environments. For instance, flow non-uniformity measurements are possible in fan outlet gas-paths by adapting PIV hardware to the restricted access afforded in such applications. In the present work, a framework is proposed and demonstrated for planning and executing stereoscopic PIV measurements in the fan outlet duct of a Pratt & Whitney Canada JT15D-1A research turbofan engine. Two case studies have been carried out by following this framework in order to demonstrate two different imaging methods — conventional lens/camera coupling and endoscopic imaging. A key step within the planning and execution framework is risk reduction, and this step resulted in considerable refinement of the methods in both cases. For instance, in endoscopic imaging, the risk reduction provided a new fluorescent paint application for obtaining near wall data not previously possible. The data obtained in the engine experiments have been used to quantify the uncertainty for both imaging methods, not surprisingly revealing 50% greater average uncertainties for endoscopic PIV versus conventional lens/camera imaging. The results from the case studies indicate that both imaging methods may be practically and economically implemented for detailed measurements in fan outlet ducts, and application demands may be carefully considered, and risks reduced, using the framework proposed.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».