MétaCan
Menu
Retour à la cohorte
Enregistrement W4313576923 · doi:10.3389/fmech.2022.924755

Environmental particle rebound/deposition modeling in engine hot sections

2023· article· en· W4313576923 sur OpenAlexaff
Lei‐Yong Jiang, Patrick Trembath, Prakash Patnaik, Michele Capurro

Notice bibliographique

RevueFrontiers in Mechanical Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésParticle depositionDeposition (geology)Particle (ecology)NozzleRange (aeronautics)MechanicsEnvironmental scienceParticle sizeWork (physics)Materials scienceMeteorologyNuclear engineeringAerospace engineeringMechanical engineeringEngineeringGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

The aircraft engine hot section is most vulnerable and failure prone to environmental particle ingestion, which, particularly for helicopters, can cause detrimental effects ranging from reduced performance to complete engine failure. The objective of this work is to develop an analytical tool to assess environmental particle impact on engine hot sections. The current state of the art in experimental and analytical research on environmental particle ingestion related to engine hot sections was reviewed, with emphasis on sand particles. From these efforts, the available experimental data for model calibration were identified, and an innovative particle rebound/deposition model has been developed. A semi-empirical approach is selected to model particles bouncing off metal surfaces, where the coefficients of restitution measured in a temperature range of 297–1323 K are used to calculate particle bounce-back velocity components. The developed deposition model is based on non-dimensional parameter analysis over more than seventy experiments related to particle deposition in engine hot sections. The metal surface temperature, one of two critical parameters in particle deposition, is also included in the model. The model was successfully implemented into commercial software and checked step by step. It was calibrated by two cases: sand [Arizona road dust (ARD)] particle impingement on a circular plate and Mt. St. Helens volcanic ash 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 deposition rate with flow/particle temperature. The latter case indicates that the particle deposition rate 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 the model can be only used under limited conditions. As additional relevant experimental data appears, the model will be continuously improved.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,257
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,009
Tête enseignante GPT0,188
Écart entre enseignants0,179 · 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'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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Mechanical EngineeringMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207