Generic Framework for an Accurate, and Efficient Flutter Analysis
Notice bibliographique
Résumé
Abstract Accurate and efficient prediction of blade aerodynamic damping is critical for the design and durability of turbomachines such as gas and steam turbines. Several empirical and linearized methods have been developed and used with varied degrees of success over the past decade, especially for bladed components. This paper presents a generic framework to carry out flutter analysis which is equally applicable for bladed turbomachinery components as well as other complex components in the engines such as seals, and valves. A streamlined workflow to carry modal analysis and then perform efficient CFD analysis using one or multiple modes to obtain accurate aerodamping is outlined. A recent implementation of phase-lag approach with traveling wave method in Ansys Fluent is described. This approach enables calculation of flutter for any nodal diameter with just a single sector of the turbomachinery. Furthermore, the implementation of Aerodynamic Influence Coefficient method for a very fast turnaround time to get aerodamping for a range of nodal diameters is discussed. The framework presented is validated and presented for two cases. The first testcase is Rotor 1 from the 4.5 stage high-speed Hannover compressor, which represents standard bladed turbomachinery. A range of nodal diameters are investigated using both the travelling wave method and influence coefficient method. The accuracy of phase lag approach is compared with the reference full-wheel solution. The speedup provided by the phase lag approach and influence coefficient method is discussed in detail. The second testcase is a generic gas turbine seal representing a complex feature in modern turbomachinery. It is shown that the framework presented and validated for bladed geometry can be used without any further modifications for such a complex case.
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 ».