MétaCan
Menu
Retour à la cohorte
Enregistrement W2039854410 · doi:10.1115/gt2007-28244

Design and Validation of an Experiment for the Detection and Prediction of Stall and Surge in a PT6/T400 Turboshaft Engine

2007· article· en· W2039854410 sur OpenAlexaff
Jennifer L. Chalmers, Jeff Bird, Donald Gauthier

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensNational Research Council CanadaCarleton University
Organismes subventionnairesnon disponible
Mots-clésStall (fluid mechanics)Gas compressorSurgeCentrifugal compressorAxial compressorEngineeringAerodynamicsAutomotive engineeringReciprocating compressorComputer scienceAerospace engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The aerospace industry is aggressively pursuing many avenues of engine health monitoring to improve aircraft safety and reduce operating cost. A PT6/T400 turboshaft engine has been instrumented specifically to determine if measurable compressor aerodynamic behavior can provide a warning of impending stall or surge, especially in a small (< 5kg/s), service-exposed, axi-centrifugal compressor. In accordance with a survey of experience and methods for stall testing and detection methods, the engine was instrumented with nine fast-response pressure transducers (monitored at 25 kHz) divided between the axial compressor first stage leading edge, the axial compressor exit, and the outlet of the centrifugal compressor diffuser. An automatic bleed valve was gradually disabled to induce compressor stall. The engine response to this gradual change corresponded to the predictions of a simple engine surge model. A technique for monitoring blade air-flow regularity was developed and used to prove that aerodynamic changes could be successfully detected before the onset of stall/surge. The new technique compared favorably to conventional time series analysis, fast Fourier transform and wavelet processing techniques. Recommendations are made for further improvements and study of test and analysis methods.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,359
Score d'incertitude au seuil0,165

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,221
Écart entre enseignants0,209 · 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 tête enseignante, 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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207