MétaCan
Menu
Retour à la cohorte
Enregistrement W3200787236 · doi:10.1115/gt2021-58798

Performance Evaluation of Leading Edge Tubercles Applied to the Blades in a 2-D Compressor Cascade

2021· article· en· W3200787236 sur OpenAlexaffabout
Satpreet S. Sidhu, Asad Asghar, W. Allan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésGas compressorMach numberStall (fluid mechanics)Leading edgeAxial compressorCascadeWind tunnelStatic pressureGeometryMechanicsAerospace engineeringOpticsPhysicsEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract In the present paper, the performance of compressor blades modified with leading edge tubercles was evaluated and compared with that of a baseline profile at a high subsonic Mach number in a 2-D cascade. Specific tubercle geometries were selected based on an extensive literature survey and a Self-Organizing Map analysis. The compressor blade geometry of a popular aero-engine was reverse-engineered using laser-scanning. Baseline and tubercled compressor blades were 3-D printed and tested. Two sinusoidal tubercle shapes based on different amplitudes and wavelengths and one with a power law profile were selected. A 2-D compressor cascade was designed and commissioned to test these blades at high subsonic Mach number in the transonic wind tunnel at Royal Military College of Canada. Surface flow visualizations were performed with oil for observing and locating compressor blade stall for different sets of blades. Flow direction and the total pressure at the cascade exit were measured using a 5-hole, fast-response, traversing probe. Compressor blade performance was measured and compared with various tubercled blades at various angles of incidence, while maintaining periodicity at the inlet and exit planes. Total pressure loss coefficients were calculated for all 4 blades and compared for 6 positive angle of incidence. Power series tubercled profile resulted in slight improvements in the loss coefficient at 0° incidence and none of tubercled geometry compromized performance at the design point. The baseline blade stalled at 8° and tubercles were capable of delaying stall at this condition. Power series profile outperformed the baseline at all angle of incidence (AOI) with significant improvements at 8° AOI. Power series tubercled profiles performed better than other tubercled geometries at almost all AOI except 10° where sinusoidal tubercled profiles performed better. The presence of smaller valley and broader peaks is attributed with the performance improvement, supported by the flow visualization results.

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 enseignants0,093
Score d'incertitude au seuil0,216

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 Opus0,021
Tête enseignante GPT0,247
Écart entre enseignants0,227 · 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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207