MétaCan
Menu
Retour à la cohorte
Enregistrement W4293581842 · doi:10.1139/tcsme-2021-0159

Assessment of a novel <i>k–ω</i> turbulence model for transonic centrifugal impeller simulations

2022· article· en· W4293581842 sur OpenAlexvenueno aff
Zhiyuan Liu, Peng Wang, Ben Zhao, Ce Yang

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImpellerTurbulenceTransonicCentrifugal compressorMechanicsShroudMach numberOverall pressure ratioPhysicsGas compressorEngineeringThermodynamicsAerodynamicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Numerical simulation of high pressure ratio transonic centrifugal compressors is challenging for the existing turbulence models. A lagged k–ω model proposed by Olsen and Coakley for nonequilibrium effects was first applied to simulate the transonic centrifugal impeller SRV2-O. As comparative case studies, four other turbulence models ( k–ω model, RNG k–ε model, SST-CC model, and EARSM model) were also computed. The comparison showed that ( i) the selection of the turbulence model had a great influence on SRV2-O impeller simulations; ( ii) the lagged k–ω model had an advantage over other models in terms of overall pressure ratio and internal flow characteristics; and ( iii) the lagged model predicted a smaller blockage area caused by leakage vortex breakdown than other models, closer to the experimental result. The detailed parameter examination indicated that the nonequilibrium parameter a 0 in the lagged model had little influence on the Mach number distribution and choking mass flow rate but a significant influence on the static pressure on the shroud casing. For a higher Mach number compressor, a smaller a 0 is recommended for bettering the simulation accuracy.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,471

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 Opus0,012
Tête enseignante GPT0,218
Écart entre enseignants0,206 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207