MétaCan
Menu
Retour à la cohorte
Enregistrement W4411135366 · doi:10.11159/jffhmt.2025.022

Analysis of Two-Phase Film Cooling Mechanisms and Mist Concentration Effects for Enhanced Performance Using Laid-Back Fan-Shaped Holes

2025· article· en· W4411135366 sur OpenAlexvenueno aff
Abhishek Verma, D.P. Mishra

Notice bibliographique

RevueJournal of Fluid Flow Heat and Mass Transfer · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMistMaterials sciencePhase (matter)SimulationComposite materialEngineeringPhysicsMeteorology

Résumé

récupéré en direct d'OpenAlex

Film cooling plays a crucial role in protecting gas turbine engine components from extreme temperatures.Recent research has highlighted the potential benefits of introducing water mist into film cooling holes.This study investigates the influence of varying mist droplet concentrations while maintaining a constant droplet size of 5m.The cooling process is analyzed using the k- turbulence model with enhanced wall treatment.Key parameters such as the blowing ratio, momentum flux ratio, and jet vorticity are examined to assess their impact on cooling performance.To simulate the behavior of mist droplets, we employ the discrete phase model with a stochastic tracking approach, allowing for the detailed tracking of individual droplets within the flow field.Mist concentrations of 2%, 4%, 7%, and 10% are evaluated.The results indicate that at a blowing ratio of 1, a higher mist concentration of 10% enhances cooling effectiveness.At a BR of 2, the same mist concentration promotes deeper penetration of the coolant jet into the mainstream flow.In the far downstream region, higher mist concentrations aid in the development of the coolant film along the flat surface, further improving film cooling effectiveness.Additionally, the study highlights the significance of vortex structures generated by crossflow interactions, which play a vital role in coolant-mainstream mixing and overall cooling 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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,479
Score d'incertitude au seuil0,475

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 GPT0,243
Écart entre enseignants0,236 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fluid Flow Heat and Mass TransferMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207