Numerical optimisation of a micro-wave rotor turbine using a quasi-two-dimensional CFD model and a hybrid algorithm
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
Abstract Wave rotors are unsteady flow machines that exchange energy through pressure waves. This has the potential for enhancing efficiency over a wide spectrum of applications, ranging from gas turbine topping cycles to pressure-gain combustors. This paper introduces an aerodynamic shape optimisation of a power generating non-axial micro-wave rotor turbine and seeks to enhance the shaft power output while preserving the wave rotor’s capacity to function as a pressure-exchanging device. The optimisation considers six parameters including rotor shape profile, wall thickness, and number of channels and is done using a hybrid genetic algorithm that couples an evolutionary algorithm with a surrogate model. The underlying numerical model is based on a transient, reduced-order, quasi-two dimensional computational fluid dynamics model at a fixed operating condition. The numerical results from the quasi-two-dimensional optimisation indicate that the best candidate design increases shaft power by a factor of 1.78 and imply a trade-off relationship between torque generation and pressure exchange capabilities. Further evaluation of the optimised design using three-dimensional computational fluid dynamics simulations confirms the increase in power output at the cost of increased entropy production. It is further disclosed that increased incidence losses during the initial opening of the channel to the high-pressure inlet duct compromise the shock strength of the primary shock wave and account for the decrease in pressure ratio. Finally, the numerical trends are validated using experimental data.
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