Einfluss Geometrischer Labyrinth- und Honigwabenparameter Auf das Durchfluss- und Wärmeübergangsverhalten Von Labyrinthdichtungen : Experiment, Numerik und Data Mining.
Annotation
Clasificación: | Libro Electrónico |
---|---|
Autor principal: | |
Formato: | Electrónico eBook |
Idioma: | Alemán |
Publicado: |
Berlin :
Logos Verlag Berlin,
2014.
|
Colección: | Forschungsberichte Aus Dem Institut Für Thermische Strömungsmaschinen Ser.
|
Temas: | |
Acceso en línea: | Texto completo |
Tabla de Contenidos:
- Intro; 1 Einleitung; 1.1 Bisherige Arbeiten im Bereich Labyrinthdichtungen; 1.1.1 BerechnungsansÃÞtze und Modelle; 1.1.2 Experimentelle Untersuchungen; 1.1.3 Numerische Untersuchungen; 1.2 Forschungsfragen und Zielsetzung; 1.3 LÃœsungsweg und Aufbau der Arbeit; 2 Labyrinthdichtungen; 2.1 Funktionsprinzip von Labyrinthdichtungen; 2.2 Durchflussverhalten von Labyrinthdichtungen; 2.2.1 Einfluss der Spalt- und Kammerform auf die Durchflusscharakteristik; 2.2.2 Einfluss von HonigwabenanstreifbelÃÞgen auf die Durchflusscharakteristik; 2.3 WÃÞrmeÃơbergangsverhalten von Labyrinthdichtungen.
- 2.3.1 Einfluss der Spalt- und Kammergeometrie auf den WÃÞrmeÃơbergang2.3.2 Einfluss von HonigwabenanstreifbelÃÞgen auf den WÃÞrmeÃơbergang; 3 Versuchsaufbau und Messtechnik; 3.1 Labyrinthgeometrie und Betriebsparameter; 3.2 Experimentelle Versuchsanlage; 3.3 Messwerterfassung; 3.3.1 Temperaturmessung; 3.3.2 Druckmessung; 3.3.3 Spaltweitenmessung; 3.3.4 Massenstrommessung; 3.4 Auswertung; 3.4.1 StrÃœmungscharakteristik; 3.4.2 WÃÞrmeÃơbergangskoeffizienten; 3.5 Messwertsicherheit und Fehlerfortpflanzung; 4 Numerische Simulationenen; 4.1 Grundgleichungen der StrÃœmungsmechanik.
- 4.2 Turbulenzmodelle4.2.1 k-Îæ-Turbulenzmodell; 4.2.2 k-Ï#x89;-Turbulenzmodell; 4.2.3 k-Ï#x89;-SST-Turbulenzmodell; 4.3 Diskretisierung; 4.4 Numerische Simulationen am Beispiel Labyrinthdichtung; 4.4.1 Geometrie- und Gittergenerierung; 4.4.2 Gitterstudie; 4.4.3 Randbedingungen und Simulation; 4.4.4 Validierung der numerischen Modelle; 5 Data Mining; 5.1 Data Mining Datenstrukturen; 5.2 Merkmalsbewertung; 5.3 Data Mining Methoden; 5.3.1 Multiple Lineare Regression; 5.3.2 KÃơnstliche Neuronale Netze; 5.4 Modellvalidierung und -anwendung; 5.5 Data Mining Software.
- 5.6 Anwendung von Data Mining am Beispiel Labyrinthdichtung5.7 Modellanwendung und -validierung der Labyrinthmodelle; 6 Ergebnisse und Diskussion; 6.1 Experimentelle und numerische Ergebnisse; 6.1.1 EinflÃơsse auf den CD-Wert; 6.1.2 EinflÃơsse auf die Temperaturverteilung und die lokalen WÃÞrmeÃơbergangskoeffizienten von Rotor und Stator; 6.2 Data Mining Ergebnisse; 6.2.3 Modelle fÃơr den Massenstrom; 6.2.4 Modelle fÃơr die Rotor- und Statortemperaturen; 7 Zusammenfassung und Ausblick; 8 Literatur; A Anhang.