Derivation of Correlations for Small Turbojet Engines
Notice bibliographique
Résumé
When analysing the performance of aero-engines with incomplete input data, it is often necessary to estimate the value of the missing parameters. This paper describes the work completed to develop correlations linking various turbojet parameters using a database of nearly 100 data points. The study was limited to small single-spool turbojets with static thrust up to about 8896 N (2000 lbf). For afterburning turbojets, the information for dry operation was used. Two approaches were implemented. A Single-Input-Multiple-Output (SIMO) approach was tried with thrust as the single input variable. This approach met with success, but for only a few cases. A Multiple-Input-Single-Output (MISO) approach was tried with the specific thrust as the single output parameter. This approach worked well only when the number of known input variable values was large. For example, using the correlations derived in this research, a propulsion analyst could estimate the specific thrust from known turbine inlet temperature, fuel-to-air ratio and the pressure ratio with a reasonable degree of confidence. In the process of deriving SIMO and MISO correlations, a number of Single-Input-Single-Output (SISO) correlations were also developed. Some give fine results while others lead to excessive scatter. The paper describes the process of deriving the correlations and reports on the quality of the fits.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».