MétaCan
Menu
Retour à la cohorte
Enregistrement W2099322301 · doi:10.1109/icmens.2005.122

The Use of Microelectromechanical Systems for Surge Detection in Gas Turbine Engines

2006· article· en· W2099322301 sur OpenAlexafffund
S. I. Andronenko, Ion Stiharu, Muthukumaran Packirisamy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor Technologies Research
Établissements canadiensConcordia University
Organismes subventionnairesGlenn Research CenterConsortium de Recherche et d’innovation en Aérospatiale au Québec
Mots-clésGas compressorTurbineMaterials scienceMicroelectromechanical systemsStall (fluid mechanics)Mechanical engineeringAxial compressorPressure sensorTransducerAutomotive engineeringEngineeringElectrical engineeringAerospace engineeringOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Compressor surge results from the instability of highly undesirable oscillations occurring at specific frequencies and at low compressor flow rates in the system. Research has shown that by stabilizing the small-perturbation dynamics, the large-amplitude surge event can be prevented in these systems. In order to completely avoid the initiations of conditions that will lead to surge or stall, engine designs conservatively determine operational stability margins that are far from the stability limit of the compression system. Advanced turbine engines operate with reduced stability margins to increase performance. This reduction in stability margin must be limited to such an extent that does not compromise the operational capability of the engine. Pressure probes equipped with fast-response transducers have been successfully used in axial-flow compressors and turbines but have been rarely used in centrifugal compressors. The harsh thermal environment of operation has limited the use of pressure transducers to operational ranges below 250/spl deg/C effectively precluding measurement at the final stage exit where temperatures are typically in excess 280/spl deg/C depending on the turbine. This paper proposes a hybrid processing method in which a piezoresistive chromium strain gauge is embedded between two thin film silicon carbide (SiC-MEMS) or silicon carbon nitride microelectromechanical (SiCN-MEMS) membranes as an enhanced technique for the design of high temperature pressure transducers. The hybrid process technology, which enables fabrication of such structure, along with the novel packaging principles represents the main contribution of the present report.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,024
Tête enseignante GPT0,241
Écart entre enseignants0,216 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdvanced Sensor Technologies ResearchTravaux en français237 207