Evaluation of RANS and URANS approaches for the prediction of hot streak migration in a high-pressure turbine stage
Notice bibliographique
Résumé
In industry, RANS simulations are still the backbone of numerical simulations as they offer a good compromise between cost and precision. While being extensively used for turbomachinery research and development, the method can suffer from a lack of predictability when tracking the temperature transport in the high-pressure turbine stage because of the strong coupling with the combustion chamber. In this paper, the RANS and URANS methods are evaluated on the configuration of FACTOR project, where experimental results are available. In a first part, the impact of vane/blade interactions, cooling and turbulence modelling is investigated. The analyses provide a framework to classify the mechanisms affecting the hot streak transport and to assess wether an increase in complexity is necessary for its prediction. In a second part, the representativity of the boundary condition generated from the experiments at the inlet of the turbine is tackled in order to reach an acceptable accuracy. Two problems are put forward and evaluated: measurement difficulties at P40 because of the high levels of swirl and an unsteady nature of the inlet of the high-pressure turbine due to the presence of an instability. High-fidelity combustor/turbine LES results of FACTOR project are used to generate both steady and unsteady boundary conditions at the inlet of the turbine. A method to provide an unsteady inlet boundary condition to the URANS simulations is developed with SPOD treatment. Investigations and comparisons with simulations fed at the inlet with experimental fields show that the first point is of major importance, while the second improves the results to a lesser extent. The sensitivity of this flow field to the inlet conditions is very demanding.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».