Influence of Blade Loading Profile on Wake Dynamics in High-Pressure Turbine Cascades
Notice bibliographique
Résumé
The influences of blade loading profile on wake convection and wake/wake interaction were studied in two different blade designs for high-pressure (HP) turbines (front-loaded (FL) and aft-loaded (AL)), installed in linear cascades. A high-speed moving bar (HSMB) apparatus replicated wake shedding, and a closed loop wind tunnel produced engine-relevant Mach numbers (Ma = 0.7) and Reynolds numbers (Re = 3 × 105). The FL blades had approximately 10% greater total pressure loss when operated with unsteady wake passage. Phase conditioned particle image velocimetry (PIV) measurements were made in the aft portion of the blade channel and downstream of the blade trailing edge. The turbulence kinetic energy (TKE) in the wake was approximately 30% higher for the FL blades when the wake entered the measurement field-of-view. The pressure field in the upstream region of the FL blade design is believed to induce high magnitude strain rates—leading to increased TKE production—and more aggressively turn and dilate the unmixed wake—leading to increased mixing related losses. The higher TKE for the FL blades largely dissipated, being approximately equal to the AL wake by the time the wake reached the end of the blade passage. The interaction of the convected wake with the wake from the blade trailing edge caused periodic vortex shedding at the second harmonic of the convected wake frequency. This interaction also modulated the strength of the trailing edge wake. However, little difference was found in the modulation amplitudes between different cases due to similar strengths of the convected wakes in this region. The higher wake TKE in the upstream portion of the blade channel for the FL blades, therefore, is expected to be the cause of the higher total pressure loss.
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 | 0,001 |
| 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 ».