主流湍流度对涡轮导叶压力面扩张型气膜孔冷却特性的影响

您当前的位置：

首页 >

文章列表页 >

主流湍流度对涡轮导叶压力面扩张型气膜孔冷却特性的影响

更新时间：2025-07-09

- 主流湍流度对涡轮导叶压力面扩张型气膜孔冷却特性的影响
- Issue 3, Pages: 58-69(2020)
- 作者机构：
  
  1. 西北工业大学动力与能源学院
  2. 西北工业大学陕西省航空动力系统热科学重点实验室
- 作者简介：
- 基金信息：
- DOI：
  CLC： TK471
- Published：2020
- 稿件说明：
移动端阅览
[J]. 2020, (3): 58-69.
DOI：

[J]. 2020, (3): 58-69. DOI：

摘要

为了研究主流湍流度对涡轮导叶压力面扩张型气膜孔冷却特性的影响

在高亚声速风洞中进行了实验

通过热电偶测得了气膜孔排下游的气膜冷却效率和换热系数

叶栅进口雷诺数的范围为3.0×105～9.0×105

出口马赫数为0.8。两排单排扩张型气膜孔分别位于压力面25%和70%的相对弧长处

高低湍流度分别为14.7%和1.3%。实验结果表明:对于孔排1

随着吹风比的增大

气膜冷却效率在低湍流度时呈现先增后减的特征

而在高湍流度时单调提升;在相同吹风比时

主流湍流度升高增强了主流和冷气的掺混

加快了冷气的耗散从而降低了气膜冷却效率。对于孔排2

主流湍流度升高在小吹风比时使气膜冷却效率降低

而在大吹风比时抑制了冷气脱离壁面从而提高了气膜冷却效率。吹风比增大显著增强了孔排1下游的换热

而对孔排2影响较小;主流湍流度升高显著提高了孔排1和孔排2下游的换热系数比。整体来看

主流湍流度升高降低了孔排1和孔排2下游的气膜冷却效果。

Abstract

关键词

Keywords

references

James E Mayhew,James W Baughn,Aaron R Byerley.The effect of freestream turbulence on film cooling adiabatic effectiveness[J].International Journal of Heat and Fluid Flow,2003(5).

V.P. Lebedev,V.V. Lemanov,S.Ya. Misyura,V.I. Terekhov.Effects of flow turbulence on film cooling efficiency[J].International Journal of Heat and Mass Transfer,1995(11).

陈文彬,刘存良,李冰然,贺宜红.吹风比与湍流度对涡轮叶片压力面气膜冷却影响的实验研究[J].热能动力工程,2019(06).

付仲议,朱惠人,姚春意,张洪,高强.亚声速涡轮导叶全气膜冷却特性实验研究[J].推进技术,2019(01).

付仲议,朱惠人,刘聪,张洪,李峥.涡轮导叶压力面簸箕形气膜孔冷却特性实验研究[J].推进技术,2016(12).

周志翔,刘存良,张宗卫,朱惠人,贺宜红.主流湍流度对涡轮导向叶片气膜冷却特性影响的实验[J].航空动力学报,2014(06).

李红才,朱惠人,任战鹏,许都纯.短周期跨声速风洞叶栅换热实验验证[J].西安交通大学学报,2013(09).

李红才,朱惠人,任战鹏,许都纯.短周期风洞上动叶表面压力和换热测量[J].西安交通大学学报,2013(03).

朱惠人,成文娟,李红才.短周期风洞叶栅瞬态换热实验数据处理[J].航空动力学报,2011(06).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Influence of Structural Parameters on the Summer Operational Characteristics of a Three-Tower-in-One Indirect Air-Cooling System

Sensitivity Analysis of Foil Geometrical Parameters for the Third-Generation CO2 Gas Foil Bearings Based on Design of Experiments Method

Research on the Electrohydrodynamic Effects of Ionic Liquid-Modified Fuels

A Structure-Semantics-Residual Collaborative Image Compression Framework：Towards Privacy Protection and High-Fidelity Reconstruction

Knowledge Graph Representation Learning Driven by Semantic Discrimination and Subgraph Integration

Related Author

No data

Related Institution

No data

⁰