항공기용 가스터빈 엔진의 고압터빈에서 열유동 특성해석을 위한 전산해석기법 연구

Q: 이 논문에서 정의한 복합열전달이란 무엇인가?

고체 영역과 유체 영역 간의 열 전달을 동시에 고려하여 해석하는 전산해석 기법을 의미한다. 이는 고압터빈과 같이 고온 및 고압의 환경에서 작동하는 부품의 열유동 특성을 정확하게 예측하기 위해 사용되는 수치해석 방법론이다.

Q: 고압터빈 베인의 표면 온도를 정확하게 예측하기 위한 핵심 조건은 무엇인가?

연구 결과, SST 난류모델에 γ 천이모델과 점성항을 함께 적용했을 때 베인 표면 온도를 실험 결과와 2% 이내의 오차로 예측할 수 있었다. 따라서 정확한 열유동 특성 분석을 위해서는 이들의 복합적인 적용이 필수적이다.

김진욱; 박정규; 강영석; 조이상; 조진수

추천

검색

질문

자료유형: 학술저널

저자정보: 김진욱 (한양대학교) 박정규 (한양대학교) 강영석 (한국항공우주연구원) 조이상 (한성대학교) 조진수 (한양대학교)

저널정보: 한국유체기계학회 한국유체기계학회 논문집 한국유체기계학회 논문집 제17권 제3호

발행연도: 2014.6

수록면: 46 - 51 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In this study, a numerical analysis methodology is studied to predict thermal and flow characteristics of C3X vane with internal cooling. Effects of turbulence models, transition models and viscous work term on temperature and pressure distributions on the vane surface are investigated. These optional terms have few effects on the pressure distributions over the vane surface. However, they have great influence on prediction of the temperature distributions on the vane surface. The combination of k-ω based SST turbulence model, γ transition model and viscous work term are better than RSM turbulence model on prediction of the surface temperature. The average temperature difference between CFD results and experimental results is calculated 2 % at the pressure side and 1 % at the suction side. Furthermore computing time of this combination is half of the RSM turbulence model. When k-ω based SST turbulence model and γ transition model with viscous work term are applied, more accurate predictions of thermal and internal flow characteristics of high pressure turbine are expected.

#High pressure turbine(고압터빈) #Aerodynamic characteristics(공력특성) #Computational fluid dynamics(전산유체역학) #Numerical analysis(수치해석)

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2015-550-001692520

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)