简介:由气体动力学和在轴的压缩机的旋转货摊的控制动力学上的各种各样的作者的活动首先被跟踪。然后,在一个亚声的阶段的货摊房间进化的一个过程基于2-DCFD被讨论。旋涡的一些数字在积累从轻轻地阻止的片逐出的涡度的转子前成长,并且最后组织环绕地排列的巨大的旋涡的一个房间,它在旋转期间反复合并并且暂停。如此的货摊骚乱在领先的方面上在环绕的入口失真和腐烂的后面的方面上被加强。就这些特征而言,为货摊警告的一个新算法在每过去固定的片基于在压力波形之间的关联被开发。在关联水平在的一个显著变化近货摊在货摊发作以前向一个警告信号提供足够地大的时间边缘。这个计划被使用由激活在中心上安装的拍动完成旋转货摊预防。最后问题在很增加了的向前打扫的片的特征上与减少的尖端损失扼杀边缘。一个第二等的旋涡在吸产生了的A3-D计算表演出现中间的跨度交往减少开始货摊的尖端漏旋涡。关键词旋转货摊-货摊警告察觉到-货摊控制-向前打扫的片-二--并且三维的不稳定的CFD-货摊房间结构-尖端漏流动CLC数字TK474.8+1
简介:数据存取延期成为了高端计算系统的突出的性能瓶颈。在系统设计减少数据存取延期的关键是减少数据货摊时间。存储器地区和并发是影响现代存储器系统的性能的二个必要因素。因为全面存储器系统性能上的存储器并发的影响很好没被理解,然而,存在在利用数据存取并发上在很少减少数据货摊时间学习焦点。在这研究,一双新奇数据货摊时间模型,为地区和并发的联合努力的L-C模型和为数据上的纯失误的效果的下午模型阻止时间,被介绍。模型提供数据存取延期的新理解并且为表演优化提供新方向。基于这些新模型,先进缓存优化的一张概括表格被介绍。当时,被数据并发贡献了,把38个条目仅仅,21个条目由数据地区作出贡献,它显示出数据并发的值。在这研究介绍的L-C和下午模型和他们的联系结果和机会为数据中央的建筑学和算法现代计算系统设计的未来重要、必要。
简介:Inthepresentpaper,atheoreticalmodelisproposedtoanalyzethetransientbehaviorofsuppressionofrotatingstallinaxialcompressionsystemsthroughtheuseofanadditionaldistubance,Thegoverningequationsofthemodelareasetofsimultaneousnonlinearfirstorderpartialdifferentialequations,andfornumericalcalculations,asimpleexplicittimemarchingmethodcanbeused.Theinfluenceofsystemparametersonthesuppressioneffectivenessandtheinteractionbetweenrotatingstallandsurgehavebeendiscussedinitially.TheanslysisoftheinfluenceofsystemparameterspresentsthatboththeBparameterandaxisymmetriccomprssorcharacteristichavesignificanteffectonthestabilizationeffectivenessofacontrolstrategy.TheeffectivenessdecreasesasthevalueofBandthenumberofstagesorstageloadingofthecompressorincrease,Ithasbeenfoundthattheonsetflowrateofrotatingstallandsurgeinacompressionsystemmaybedifferent,andthereisastronginteractionbetweenthesetwokindsofinstabilities.TheonsetflowrateofpureonedimensionalsurgedependsonthevalueofBandaxisymmetriccompressorcharacteristic,besidestheslopeofthecompressorcharacteristic.Insomecases,whenrotatingstallwhichisthenaturalmodeofinstabilityinacompressionsystemissuppressedonedimensionalsurgecanoccur,Itoftenlimitstheeffectivenessofacontrolstrategytosuppressrotatingstall.Butwhensurgeisintiatedbyratatingstall,itisalsopossibletoinhibittheoccurrenceofsurgebysuppressingrotatingstallinacompressionsystem.
简介:以前,为低速度的自我诱导的尖端漏流动摇摆的环绕的繁殖的特征在作者实验室孤立轴的压缩机转子被发现并且经由数字模拟调查了,它仅仅在接近的一个批评稳定的流动点下面然而并非还发生在货摊限制。在这份报纸进一步,尖端漏流动的进化上的详细调查被收养扼杀阀门的模特儿在进尖铁旋转货摊的扼杀的过程期间进行。在这个过程期间,尖端漏流动摇摆的环绕的繁殖的发展特别上被集中。根据压力信号的不稳定的特征,压缩机流动地的发展能被分类进四个阶段。作为扼杀的压缩机,自我诱导的不稳定的尖端漏流动的摆动频率逐渐地减少了,并且因此导致了它的环绕的繁殖速度的减少。自我诱导的尖端漏流动摇摆的环绕的繁殖仔细与旋转不稳定性被联系。当在前缘的尖端漏流动的前面的漏发生了时,尖铁类型旋转货摊被开始。它的流动结构在纸被给。
简介:现在的纸给在SAFRAN直升飞机引擎设计并且造的一个离心的压缩机阶段获得的试验性的结果。压缩机由入口指南翼组成,被扫向後面的splitteredunshroudedimpeller,splitteredvaned光线的更弥漫、轴的插头指南翼。以前的数字模拟以部分旋转速度揭示了一个特别S形状压力上升特征并且在vaned预言了一个交替的流动模式光线在低质量更弥漫流动率。这个交替的流动模式包含二个邻近的翼段落。一个段落展出很低的动量和低压力恢复,而邻近的经过在经过入口有很高的动量并且高效地扩散。就算稳定性限制试验性地比数字地预言发生在更高集体的流动,试验性的大小证实压力上升特征的S形状。在低集体流动,交替的货摊模式由于高周波的压力传感器获得的数据被证实。当压缩机被扼杀,到不稳定性的路径被登记了,巨浪开始的第一种情形被给。压缩机首先经历一个稳定的交替的货摊在更弥漫。作为集体流动减少,交替的货摊在vaned放大并且被触发温和巨浪更弥漫。不稳定的行为源于交替的货摊和温和巨浪的相互作用。最后,当压力坡度变得太强壮时,交替的货摊征服,压缩机进入深巨浪。
简介:Theaccuratemodelingandpredictionoftherotatingstallinacentrifugalpumpisasignificantchallenge.Oneofthemodelingtechniquesthatcanimprovetheaccuracyoftheflowpredictionsisthelargeeddysimulation(LES).ThequalityoftheLESpredictionsdependsonthesub-grid-scale(SGS)modelimplementedintheLES.ThispaperassessestheinfluenceofvariousSGSmodelsthataresuitableforpredictingrotatingstallinalow-specificspeedcentrifugalpumpimpeller.TheSGSmodelsconsideredinthepresentworkincludetheSmagorinskymodel(SM),thedynamicSmagorinskymodel(DSM),thedynamicnon-linearmodel(DNM),thedynamicmixedmodel(DMM)andthedynamicmixednon-linearmodel(DMNM).TheresultsobtainedfromthesemodelsarecomparedwiththePIVandLDVexperimentaldata.TheanalysisoftheresultsshowsthattheSGSmodelshavesignificantinfluencesontheflowfield.Amongthemodels,theDSM,theDMMandtheDMNMcansuccessfullypredictthe'two-channel'stallphenomenon,butnottheSMandtheDNM.Accordingtothesimulations,theDMNMgivesthebestpredictiononthemeanvelocityflowfieldandalsoindicatesimprovementsforthesimulationoftheturbulentflow.Moreover,thehighturbulentkineticenergypredictedbytheDMNMisinthebestagreementwiththeexperimentdata.