Particle Rebound/Deposition Modelling in Engine Hot Sections
Notice bibliographique
Résumé
Abstract The current state of the art in experimental and analytical research on environmental particle ingestion related to engine hot sections was reviewed, with greater emphasis focussed on sand particles. From these efforts, the available experimental data for model calibration were identified, and a particle rebound/deposition model has been developed. A semi-empirical approach is selected to model sand particles bouncing off metal surfaces, where the coefficients of restitution measured in a temperature range of 297–1323 K from Delimont et al are used to calculate particle bounce-back velocity components. The developed deposition model is based on non-dimensional parameters and the analysis over more than seventy experimental datasets related to particle deposition in engine hot sections carried out by Suman et al. Moreover, the metal surface temperature, one of two critical parameters in particle deposition, is also included in the model. The developed rebound/deposition model was successfully implemented into the ANSYS CFD Premium solver and checked step by step. The model is calibrated by two cases: sand [or Arizona road dust (ARD)] particle impingement on a circular plate and Mt. St. Helens volcanic ash (comparable with ARD particles in terms of chemical composition) impinging on a first-stage air-cooled nozzle guide vane (NGV). For the former case, the calibrated model predicts fairly well the variation of particle capture efficiencies with flow/particle temperatures. The latter case indicates that the particle capture efficiency at engine operating conditions can be assessed by the developed model. Due to the lack of experimental data that would permit a full calibration/validation, for the time being it could be only used under limited conditions. Certainly, the model will be continuously improved as the relevant experimental data appears.
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 | 0,000 |
| 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 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 ».