An Efficient Component Map Generation Method for Prediction of Gas Turbine Performance
Notice bibliographique
Résumé
Improving efficiency, reliability and availability of gas turbines have become more than ever one of the main areas of interest in gas turbine research. This is mainly due to the stringent environmental regulations that have to be met in such a mature technology sector; and consequently new research challenges have been identified. One of these involves the establishment of high fidelity, accurate, and computationally efficient engine performance simulation, diagnosis and prognosis technology. Performance prediction of gas turbines is strongly dependent on detailed understanding of the engine component behaviour. Compressors are of special interest because they can generate all sorts of operability problems like surge, stall and flutter; and their operating line is determined by the turbine characteristic. Compressor performance maps, which are obtained in costly rig tests and remain manufacturers proprietary information, impose a stringent limitation that has been commonly resolved by scaling default generic maps in order to match the targeted off-design or engine degraded measurements. This approach is efficient in small range of operating conditions but becomes less accurate for a wider range of operations. In this paper, a novel compressor map generation method, with the primary objective of improving the accuracy and fidelity of the engine model performance prediction is developed and presented. A new compressor map fitting and modelling method is introduced to simultaneously determine the best elliptical curves to a set of compressor map data. The coefficients that determine the shape of compressor maps’ curves have been analyzed and tuned through a multi-objective optimization algorithm in order to meet the targeted set of measurements. The proposed component map generation method is developed in the object oriented Matlab/Simulink environment and is integrated in a dynamic gas turbine engine model. The accuracy of this method is evaluated for off-design steady state and transient engine conditions. The proposed compressor map generation method has the capability to refine current gas turbine performance prediction approaches and to improve model-based diagnostic techniques.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».