MétaCan
Menu
Retour à la cohorte
Enregistrement W2048539831 · doi:10.1115/gt2009-60141

Capturing the Shape Variance in Gas Turbine Compressor Maps

2009· article· en· W2048539831 sur OpenAlexaff
Chris Drummond, Craig R. Davison

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMathematics
ThématiqueMorphological variations and asymmetry
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésGas compressorComputer scienceVariance (accounting)ScalingBasis (linear algebra)Scale (ratio)Point (geometry)Gas turbinesTurbineArtificial intelligenceMechanical engineeringMathematicsEngineeringGeometryCartography

Résumé

récupéré en direct d'OpenAlex

The production of accurate compressor maps is an essential, but time consuming, step in gas turbine engine modeling. Insight into how the shape of a map depends on the compressor type, and design point characteristics, should accelerate this exercise. It should also serve as the basis of a more accurate scaling procedure than is currently available. In this paper, we extract information empirically from a collection of maps for different types of compressor. A technique, used in computer vision, generates smooth transformations between maps, producing intermediate ones of the right form. Not only can the total shape change between maps be determined, but also the principal dimensions of that change. We present figures that capture both typical maps of various types and the most significant dimensions of variation between types. We discuss how these are tied to physical processes within the compressors. We then show how this information can be used to accurately scale maps.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,403
Score d'incertitude au seuil0,825

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)0,0010,000

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 Opus0,046
Tête enseignante GPT0,285
Écart entre enseignants0,239 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMorphological variations and asymmetryTravaux en français237 207