Comparative Study of the Flow and Thermal Characteristics of Non-Stochastic Lattice and Bio-Inspired Multi-Scale Structures for Gas Turbine Engine Applications
Notice bibliographique
Résumé
Abstract Metal Additive Manufacturing has presented gas turbine designers with additional design tools such as cellular solids. However, there is limited research on the early selection of these structures and how these structures interact with flows. Lattice structures are known for their capability to be tailored for achieving specific properties such as high porosity and strength, impact energy absorption, and light-weighting. A literature survey has shown that the mechanical performance of the strut-based and surface-based lattice structures has already been investigated in the past. However, very little research has been conducted to investigate their flow and heat transfer performance, especially for strut-based lattice structures. This research systematically investigates the friction factor and convective heat transfer (CHT) coefficient across strut and surface-based lattice structures. Results show that the complex shape of the Triply Periodic Minimal Surface (TPMS) lattice structure topologies give the flow a better capability to mix and recirculate for convection at the expense of a significant pressure drop. However, topologies with less pressure drop/friction factor and high convective heat transfer coefficient are more suitable for gas turbine engines. Furthermore, this paper investigates the use of newly developed multifunctional bio-inspired design method called as Domain Integrated Design (DID) for an innovative concept to achieve low pressure drop and high effective heat transfer. Comparative study shows that bio-inspired designs have achieved low friction factor as compared to the lattice structures whereas TPMS structures shows better convective heat transfer performance.
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 ».