Cavitation Hydrodynamic Performance of 3-D Printed Highly Skewed Stainless Steel Tidal Turbine Rotors
Notice bibliographique
Résumé
Hydraulic turbines contribute to 60% of renewable energy in the world; however, they also entail some adverse effects on the aquatic ecology system. One such effect is their excessive noise and vibration. To minimize this effect, one of the most effective and feasible solutions is to modify the design of the turbine rotor blade by introducing a skew. In this study, two 0.3-meter tidal turbines with 0-degree (no-skewness) and positive 90-degree skewness made of stainless steel 316L were designed and printed using a 3-D printing powder bed fusion technique. These rotors were then tested at the Emerson Cavitation Tunnel (ECT) at Newcastle University, UK, and the variation in the skewness of the blades of the turbines as a function of the power coefficient on a given tip speed ratio (TSR) value was ascertained. Results showed that the highly skewed rotor had significantly lower drag and torque fluctuations, with a slight decrease in efficiency compared to the non-skewed one, which warrants further investigation on the effect of added skew to reduce vibration and noise. Numerical simulations were also performed for verification and validation of the experimental tests, using the H45 dynamometer at the ECT. A comprehensive software code for propellers and tidal turbines, ROTORYSICS, was used to examine the cavitation effect of the two rotors; a comparison was made for both, with and without cavitation. The results indicate that for a high immersion depth of tidal turbine rotors, cavitation rarely occurs, but for hydrokinetic turbines that are installed on dams in rivers and falls, cavitation could be a serious concern. It was concluded that the 0-degree skewed rotor is more hydrodynamically efficient than the 90-degree skewed rotor.
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 | 0,001 |
| 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 ».