MétaCan
Menu
Retour à la cohorte
Enregistrement W2087521749 · doi:10.2514/6.2002-2922

High Altitude Small Engine Test Techniques at the NASA Glenn Propulsion Systems Lab

2002· article· en· W2087521749 sur OpenAlexfundaboutno aff
Raymond Castner

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensnon disponible
Organismes subventionnairesGlenn Research CenterPratt and Whitney Canada
Mots-clésPropulsionAerospace engineeringAeronauticsJet propulsionComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

A High Altitude Test was performed in the Propulsion Systems Lab (PSL) at the NASA Glenn Research Center using a Pratt and Whitney Canada PW545 jet engine. This engine was tested to develop a highaltitude database on small, high-bypass ratio, engine performance and operability. Industry is interested in the use of high-bypass engines for Uninhabited Aerial Vehicles (UAV's) to perform high altitude surveillance. The tests were a combined effort between Pratt & Whitney Canada (PWC) and NASA Glenn Research Center. A large portion of this test activity was to collect performance data with a highly instrumented low-pressure turbine. Low-pressure turbine aerodynamic performance at low Reynolds numbers was collected and compared to analytical models developed by NASA and PWC. This report describes the test techniques implemented to obtain high accuracy turbine performance data in an altitude test facility, including high accuracy airflow at high altitudes, very low mass flow, and low air temperatures. Major accomplishments from this test activity were to collect accurate and repeatable turbine performance data at high altitudes to within 1 percent. Data were collected at 19,800m, 16,750m, and 13,700m providing documentation of diminishing LPT performance with reductions in Reynolds number in an actual engine flight environment. The test provided a unique database for the development of engine analysis codes to be used for future LPT performance improvements.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil0,505

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 Opus0,009
Tête enseignante GPT0,172
Écart entre enseignants0,162 · 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

Citations3
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCombustion and flame dynamicsTravaux en français237 207