MétaCan
Menu
Retour à la cohorte
Enregistrement W7161906901 · doi:10.82308/46977

Implementation of an aeroelasticity tool for compressor blades and vanes vibratory stresses prediction using ANSYS and CFX for Pratt & Whitney Canada

2017· dissertation· en· W7161906901 sur OpenAlexaboutno aff
Nicola Houle

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAeroelasticityEurocodeGas compressorMotion study

Résumé

récupéré en direct d'OpenAlex

Les analyses modales utilisées conjointement avec des données de tests moteur sont les outils exploités par P&WC pour la mesure de contraintes vibratoires sur les ailettes et les redresseurs assujettis à des excitations aérodynamiques dans un compresseur. Ces tests moteur sont effectués avec des jauges de contraintes et des capteurs non intrusifs pour la mesure de contraintes. Un outil numérique calculant les contraintes vibratoires sur ces composantes permettrait une évaluation plus mature de leurs conceptions et modifications de conceptions. Un tel outil épargnerait des itérations de modification de conceptions, du temps et possiblement des tests. Deux bons candidats, une ailette et un redresseur, furent choisis par P&WC pour créer cet outil d'analyse aéroélastique. Les analyses numériques en dynamique des fluides (ou CFD) statiques et transitoires furent déployées avec le logiciel CFX et les analyses d'éléments finis avec le logiciel ANSYS. Les contraintes vibratoires furent calculées avec les méthodes d'analyse aéroélastiques unidirectionnelles par réponse harmonique et transitoire. Une analyse aéroélastique bidirectionnelle fut également déployée. Concernant la résonance de l'ailette, les contraintes vibratoires calculées sont 1,34% supérieures à celles mesurées en test. Pour le redresseur, le moteur fut testé avec deux températures d'admissions différentes. La seconde température était 50% supérieure à la première. Cette montée en température d'admission a augmenté les contraintes vibratoires maximales de 35,9%. Les contraintes vibratoires calculées furent 29,2% inférieures à celles mesurées en test pour la première température et 41,1% inférieures à celles mesurées en test pour la seconde température. La présence de régions d'écoulements fractionnés pourrait être la cause de ces erreurs. L'analyse d'aéroélasticité bidirectionnelle a été déployée sur l'ailette, cependant cette analyse a échoué à cause d'un problème de repliement de maillage dans le domaine du fluide. Ce problème devra être résolu à l'avenir.

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 enseignants0,621
Score d'incertitude au seuil0,988

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 savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,278
Écart entre enseignants0,265 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207