MétaCan
Menu
Retour à la cohorte
Enregistrement W22800722 · doi:10.1017/cbo9780511616709.008

Unsteady flow

2004· book-chapter· en· W22800722 sur OpenAlexaff
E. M. Greitzer, C. S. Tan, M. B. Graf

Notice bibliographique

RevueCambridge University Press eBooks · 2004
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensMaRS
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

Introduction Unsteady flow phenomena are important in fluid systems for several reasons. First is the capability for changes in the stagnation pressure and temperature of a fluid particle; the primary work interaction in a turbomachine is due to the presence of unsteady pressure fluctuations associated with the moving blades. A second reason for interest is associated with wave-like or oscillatory behavior, which enables a greatly increased influence of upstream interaction and component coupling through propagation of disturbances. The amplitude of these oscillations, which is set by the unsteady response of the fluid system to imposed disturbances, can be a limiting factor in defining operational regimes for many devices. A final reason is the potential for fluid instability, or self-excited oscillatory motion, either on a local (component) or global (fluid system) scale. Investigation of the conditions for which instability can occur is inherently an unsteady flow problem. Unsteady flows have features quite different than those encountered in steady fluid motions. To address them Chapter 6 develops concepts and tools for unsteady flow problems. The inherent unsteadiness of fluid machinery To introduce the role unsteadiness plays in fluid machinery, consider flow through an adiabatic, frictionless turbomachine, as shown in Figure 6.1 (Dean, 1959). At the inlet and outlet of the device, and at the location where the work is transferred (by means of a shaft, say), conditions are such that the flow can be regarded as steady. We also restrict discussion to situations in which the average state of the fluid within the control volume is not changing with time.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,010

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 Opus0,010
Tête enseignante GPT0,160
Écart entre enseignants0,150 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207