MétaCan
Menu
Retour à la cohorte
Enregistrement W4387127087 · doi:10.1115/gt2023-103951

Aerodynamic Parametrization of Last Stage Steam Turbine Blades

2023· article· en· W4387127087 sur OpenAlexaboutno aff
Stefan Schippling, Christopher Fuhrer, Damian M. Vogt

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerodynamicsNozzleMechanicsTurbine bladeBlade (archaeology)Stagnation enthalpyAirfoilStatorTurbineMechanical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The present paper introduces a novel method to parametrize blade profiles of last stage steam turbines with aerodynamic data. This offers the possibility to specifically influence the flow in order to reduce thermodynamic relaxation losses without changing the desired expansion and redirection of the flow from the ini-tal blade profile. The idea is that the flow channel between two adjacent blades can be regarded as a bent nozzle and the nozzle contour is calculated using aerodynamic data. This nozzle is bent over an ideal streamline, which represents the desired flow redirection, and completed with leading and trailing edges to form a blade profile. In the presented parametrization, the expansion rate is used as variable to adapt the blade profile, as it has a direct influence on condensation and thus thermodynamic relaxation losses. In addition to the distribution of the expansion rate and static pressure along the streamline, the coordinates of the streamline, the total pressure and total enthalpy at the inlet of the profile as well as the distance of the throat are necessary to describe the blade geometry. The new aerodynamic parametrization is capable of accurately representing a Laval-nozzle and a stator cascade. With adapting expansion rates, wetness losses are reduced by 3.5 % for the nozzle and by 2 % for the blade profile.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,254

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 Opus0,007
Tête enseignante GPT0,208
Écart entre enseignants0,201 · 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
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207