Los equipos de quemadores se utilizan habitualmente para cualificar materiales para aplicaciones de turbinas de gas. Las pruebas más útiles son las que pueden reproducir, a menudo de forma acelerada, la degradación que experimentan los materiales en el motor. La dinámica de fluidos computacional (CFD) puede utilizarse para acelerar el desarrollo satisfactorio y la mejora continua de los bancos de quemadores de combustión para realizar pruebas significativas de materiales. El desarrollo de los equipos suele ser un proceso iterativo en el que se introducen modificaciones graduales para mejorar el rendimiento del equipo de acuerdo con los requisitos de las pruebas. La aplicación de CFD permite que muchas de estas iteraciones se realicen computacionalmente antes de que se construya o modifique el hardware, lo que reduce los costes y el tiempo total de las pruebas, y puede proporcionar una mejor comprensión de cómo funcionan estos equipos. Este artículo describe el uso de CFD para desarrollar bancos de pruebas de quemadores para estudiar la erosión y el daño por partículas grandes de los revestimientos de barrera térmica (TBC) utilizados para proteger los álabes de turbina de los altos flujos de calor en los motores de combustión. Los pasos que se han seguido en este estudio -determinar las preguntas a las que hay que dar respuesta en relación con el rendimiento del banco de pruebas, desarrollar y validar el modelo y utilizarlo para predecir el rendimiento del banco- pueden aplicarse al desarrollo eficaz de otros bancos de pruebas.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un Método de Agrupamiento para la Evolución Isomórfica de Servicios Web
Artículo:
Un algoritmo BBO novedoso basado en búsqueda local y variación no uniforme para la clasificación de iris.
Artículo:
Dinámica del sistema de crecimiento exponencial de la población con movimiento browniano fraccional mixto.
Artículo:
Aprendizaje profundo por refuerzo para el control de vehículos submarinos autónomos con propulsores vectorizados.
Artículo:
El Modelo de Difusión de Bajo en Redes Barabasi-Albert Finitas