MétaCan
Menu
Retour à la cohorte
Enregistrement W3208943602 · doi:10.32604/cmc.2022.021406

Analysis of Flow Structure in Microturbine Operating at Low Reynolds Number

2021· article· en· W3208943602 sur OpenAlexaff

Notice bibliographique

RevueComputers, materials & continua/Computers, materials & continua (Print) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésReynolds numberTip clearanceMechanicsAerodynamicsLaminar flowVortexCasingChord (peer-to-peer)Degree RankineFlow (mathematics)Rotor (electric)StatorPhysicsMechanical engineeringEngineeringComputer scienceTurbulenceThermodynamics

Résumé

récupéré en direct d'OpenAlex

In this paper, three-dimensional flows in laminar subsonic cascades at relatively low Reynolds numbers (Re < 2500) are presented, based on numerical calculations. The stator and rotor blade designs are those for a MEMS-based Rankine microturbine power-plant-on-a-chip with 109-micron chord blades. Blade passage calculations in 3D were done for different Reynolds numbers, tip clearances (from 0 to 20%) and incidences (0° to 15°) to determine the impact of aerodynamic conditions on the flow patterns. These conditions are applied to a blade passage for a stationary outer casing. The 3D blade passage without tip clearance indicates the presence of two large symmetric vortices due to the interaction between hub/casing boundary layers and the blade. Opening the tip clearance introduces the tip vortex, which tends to become dominant above a tip clearance of 10%. In addition to providing a description and understanding of the 3D flow in a MEMS microturbine, these results suggest the importance of considering 3D flows in the design of microturbomachinery, even though the geometry is dominantly 2D.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,004
Tête enseignante GPT0,200
Écart entre enseignants0,196 · 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.

Devis d'étudeExpérimental (laboratoire)
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'admission1
Résumé présentoui

Explorer davantage

Même revueComputers, materials & continua/Computers, materials & continua (Print)Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207