MétaCan
Menu
Retour à la cohorte
Enregistrement W2020418127 · doi:10.4236/apm.2014.410064

Real-Time Modelling of Dynamic Behaviour for Clinker Rotary Kilns: <i>Learning from Experiment and Theory</i>

2014· article· en· W2020418127 sur OpenAlexaff
S. Tarasiewicz, Yoboué Guillaume N’zi

Notice bibliographique

RevueAdvances in Pure Mathematics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Technology and Control Systems
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésKilnRotary kilnMathematicsState variableClinker (cement)CalibrationOrdinary differential equationSteady state (chemistry)Applied mathematicsSet (abstract data type)Control theory (sociology)Mathematical optimizationMathematical analysisEngineeringDifferential equationComputer scienceStatisticsThermodynamicsChemistryPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The authors’ objective is to estimate a dynamic behaviour of Clinker Rotary Kiln when the state variables of the process can be measured only at a few locations. These variables (gas, clinker temperatures and clinker mass distributions) are elaborated with the help of heat, pressure and mass balance partial differential equations. The resulting state model, decomposed into five phenomenological zones of CRK, is used as a first step to define a set of Basic Operating Functions. A second step is used to identify a set of Operating Functions. These OFs have also been decomposed into longitudinal distributions of CRK to replace the constant, unknown or unmeasured parameters. Based on the feature of each zone, the OFs are obtained by solving the steady-state model using the standard Newton-Raphson procedure. The CRK is thus characterized by the state variables and intelligent software of the Numerical Estimated Operating Functions and method is proposed to reevaluate the set of the state variables, in adequate space step-size. Consequently, the state variables profiles are linked with the corresponding OFs, which have a direct influence on submitted disturbances for calibration.

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)0,000
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 enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,018
Tête enseignante GPT0,257
Écart entre enseignants0,240 · 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 revueAdvances in Pure MathematicsMême sujetIndustrial Technology and Control SystemsTravaux en français237 207