MétaCan
Menu
Retour à la cohorte
Enregistrement W2232198394 · doi:10.5539/mas.v10n2p172

New Flow Stabilizers as a Method to Improve the Reliability and Efficiency of Power Equipment

2016· article· en· W2232198394 sur OpenAlexvenueno aff
Arkadiy Zaryankin, Nikolay Rogalev, Andrey Rogalev, Anna Kocherova, Galina Kurdiukova

Notice bibliographique

RevueModern Applied Science · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Diagnostics and Reliability
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education and Science of the Russian Federation
Mots-clésReliability (semiconductor)Flow (mathematics)Flow resistancePipeline (software)TurbineComputer scienceEnvironmental sciencePower (physics)Steam turbineReliability engineeringAutomotive engineeringMechanical engineeringMechanicsEngineering

Résumé

récupéré en direct d'OpenAlex

This article studies the nature and causes of the dynamic loads exerted by the flow on the walls of the equipment, on an example of a curved component of the steam turbine steam supply system and examines the existing flow stabilizers used to control such loads. Based on the analysis of the shortcomings found in these devices, the article offers new designs of flow stabilizers. The newly developed devices reduce the flow area of the pipeline approximately twice less than the existing ones, so, they were supposed to have much lower hydraulic resistance. The study of the new the flow stabilizers’ efficiency was performed with the use of CFD methods and assessed in comparison with their wide used analogues. Based on the evaluation data, the designed devices provide a comparable level of decrease in dynamic loads, however, they have about five times lower hydraulic resistance. According to their design features, they are also supposed to have better mechanic strength characteristics.

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)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,004
Tête enseignante GPT0,227
Écart entre enseignants0,222 · 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
GenreMéthodes

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetEngineering Diagnostics and ReliabilityTravaux en français237 207