MétaCan
Menu
Retour à la cohorte
Enregistrement W3122619699 · doi:10.2514/1.j060077

Effect of Film Cooling on Entropy Noise Generation in a Stator Blade Row

2021· article· en· W3122619699 sur OpenAlexfundno aff
Thomas Bach, Maxime Huet, Rob Watson, Stephen Spence, Yasser Mahmoudi

Notice bibliographique

RevueAIAA Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilQueen's UniversityQueen's University Belfast
Mots-clésMechanicsAttenuationInletReynolds numberMaterials scienceLeading edgePhysicsAcousticsTurbulenceOpticsEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

In this study the effect of film cooling on entropy wave attenuation and indirect entropy noise generation was investigated in a subsonic stator blade row with a leading-edge, pressure-side, and suction-side cooling geometry. The investigation was conducted on a small blade midspan section (in a linear cascade arrangement), using a three-dimensional unsteady Reynolds-averaged Navier–Stokes simulation approach. A planar entropy wave was injected at the inlet for a range of frequencies from 200 to 1000 Hz. Additionally, the compact model by Cumpsty and Marble was extended to account for a cooling flow. Results show that for an increase in coolant mass flow rate of 3.4%, the entropy noise increases by about 12% for the transmitted pressure wave, whereas the reflected pressure wave increases by about 9%. This is attributed to the change in convective acceleration in the blade passage. The film cooling was found to have a minor effect in promoting the entropy wave attenuation. The extended compact model was capable of capturing both the entropy wave attenuation and increase in the acoustic transfer function due to film cooling.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,259

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 GPT0,215
Écart entre enseignants0,211 · 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'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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA JournalMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207