MétaCan
Menu
Retour à la cohorte
Enregistrement W1974088515 · doi:10.1115/gt2007-27193

A Simple Sub-Idle Component Map Extrapolation Method

2007· article· en· W1974088515 sur OpenAlexaff
Shaun R. Gaudet, Jérôme Gauthier

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésExtrapolationComponent (thermodynamics)Computer scienceIdleConvergence (economics)AlgorithmMathematical optimizationMathematicsStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

This paper describes a simple sub-idle component map extrapolation method. Used in conjunction with gas turbine performance models, it enables designers to estimate sub-idle gas turbine performance during engine start-up. The lack of information available regarding component maps in the sub-idle regime creates major challenges for starting system designers or control system designers as the numerical convergence of performance models decreases rapidly below idle speed. The proposed component map extrapolation method alleviates this problem by extrapolating given component map data well below idle speed. The underlying equations of the method are based on the principles of incompressible similarity laws. Also known as pump laws, these equations are modified to account for compressibility effects by varying the similarity law exponents. To estimate the integrity of the extrapolated component maps and to build confidence in the sub-idle extrapolation method, extrapolate speed lines were compared to speed lines found in the original component map. Even though the extrapolation method is yet to be experimentally validated, preliminary estimates showed that the extrapolation method did produce adequate component maps. To demonstrate the potential of the component extrapolation method when used in conjunction with gas turbine performance models, a virtual test case engine was modeled and used to produce start-up performance data.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,107
Tête enseignante GPT0,390
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetProbabilistic and Robust Engineering DesignTravaux en français237 207