MétaCan
Menu
Retour à la cohorte
Enregistrement W2011623317 · doi:10.5604/12314005.1133158

MULTIDISCIPLINARY DESIGN AND OPTIMIZATION OF GAS TURBINE ENGINE LOW PRESSURE TURBINE AT PRELIMINARY DESIGN STAGE

2014· article· en· W2011623317 sur OpenAlexaff
Wojciech Bar, Marek Orkisz, Hany Moustapha

Notice bibliographique

RevueJournal of KONES Powertrain and Transport · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésTurbineGas turbinesStage (stratigraphy)Multidisciplinary approachTurbofanMultidisciplinary design optimizationAutomotive engineeringAero engineMechanical engineeringCombined cycleEngineeringEnergy engineeringGas engineEnvironmental scienceEfficient energy useElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The gas turbine engine has evolved rapidly during past decades to provide a reliable and efficient business solution for global transportation. The engine design process is clearly a large contributor to this evolution. This process is highly iterative, multidisciplinary and complex in nature. The success of an engine depends on a carefully balanced design that best exploits the interactions between numerous traditional engineering disciplines such as aerodynamics and structures as well as lifecycle analysis of cost, manufacturability, serviceability and supportability. To take into account all of these disciplines and optimization should be used. Currently most of present state-of-art numerical modelling methods, which are used mainly at detailed design stage, are unsuitable for this task due to very high computational time. The solution to this problem can be found in multidisciplinary design and optimization at preliminary design stage with use of simple 1-2D models. This paper presents current aero engine design process and indicates possibilities of future improvements by utilization of proposed methodology, which take into account aerodynamic, thermodynamic and structures (blade, fixing and disc) calculations, connected in one multidisciplinary model, which is suited for optimization. All disciplinary models are presented and described in this paper as well as connection between them, with study over design variable, goal function and constrains that should be used. Moreover, a strategy of optimization is proposed as well as methods for acceleration of optimization process by use of surrogate. The presentation of methodology is followed by example optimization of low-pressure aero engine turbine.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of KONES Powertrain and TransportMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207