Numerical study of corner separation in a linear compressor cascade using various turbulence models
Numerical study of corner separation in a linear compressor cascade using various turbulence models
复制标题
使用各种湍流模型对线性压缩机叶栅角分离进行数值研究
DOI：
10.1016/j.cja.2016.04.013
复制
发表时间：
2016-06
影响因子：
5.7
通讯作者：
Li Qiushi
中科院分区：
文献类型：
--
作者：
Yan Hao;Liu Yingjie;Lu Lipeng;Li Qiushi
三维角区分离是影响压气机性能的一种常见现象。湍流模型是RANS方法准确预测角区分离流动的一个薄弱环节。本文采用七种常用的湍流模型，对高负荷PVD压气机叶栅角区分离进行了数值研究。七种湍流模型包括Spalart-Allmaras模型、标准k-ε模型、可实现k-ε模型、标准k-ω模型、剪切应力输运k-ω模型、v2-f模型和雷诺应力模型。并与已有的实验数据进行了比较和分析。结果表明，标准k-ε模型、可实现k-ε模型、v2-f模型和雷诺应力模型均能较好地预测压气机叶栅三维角区分离。Spalart-Allmaras模型、标准k-ω模型和剪切应力传递k-ω模型高估了0°攻角下的角分离区。对湍流特性进行了讨论，发现角分离区的湍流各向异性较强。
Three-dimensional corner separation is a common phenomenon that significantly affects compressor performance. Turbulence model is still a weakness for RANS method on predicting corner separation flow accurately. In the present study, numerical study of corner separation in a linear highly loaded prescribed velocity distribution (PVD) compressor cascade has been investigated using seven frequently used turbulence models. The seven turbulence models include Spalart–Allmaras model, standardk–ɛmodel, realizablek–ɛmodel, standardk–ωmodel, shear stress transportk–ωmodel,v2–fmodel and Reynolds stress model. The results of these turbulence models have been compared and analyzed in detail with available experimental data. It is found the standardk–ɛmodel, realizablek–ɛmodel,v2–fmodel and Reynolds stress model can provide reasonable results for predicting three dimensional corner separation in the compressor cascade. The Spalart–Allmaras model, standardk–ωmodel and shear stress transportk–ωmodel overestimate corner separation region at incidence of 0°. The turbulence characteristics are discussed and turbulence anisotropy is observed to be stronger in the corner separating region.
登录
查看更多内容
影响因子：
3.2
作者：
Yangwei Liu;Sun Jinjing;Lipeng Lu
通讯作者：
Yangwei Liu;Sun Jinjing;Lipeng Lu
压气机叶栅二次涡对三维角分离影响的数值研究
影响因子：
0.9
作者：
Liu Yangwei;Yan Hao;Lu Lipeng
通讯作者：
Lu Lipeng
影响因子：
1.7
作者：
S. A. Gbadebo;N. Cumpsty;T. Hynes
通讯作者：
S. A. Gbadebo;N. Cumpsty;T. Hynes
影响因子：
1.7
作者：
S. A. Gbadebo;T. Hynes;N. Cumpsty
通讯作者：
S. A. Gbadebo;T. Hynes;N. Cumpsty
影响因子：
5
作者：
A. Balabel;A. Hegab;M. Nasr;S. El-Behery
通讯作者：
A. Balabel;A. Hegab;M. Nasr;S. El-Behery