MétaCan
Menu
Retour à la cohorte
Enregistrement W2324482630 · doi:10.1115/gt2007-28100

Enhancements to the Load Acceptance and Rejection Capability of a High Pressure Aeroderivative Engine

2007· article· en· W2324482630 sur OpenAlexaff
Brian Price, Louis Demers, Jean-Francois Lebel, Sylvain Bonneville

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensRolls-Royce (Canada)
Organismes subventionnairesnon disponible
Mots-clésInertiaRange (aeronautics)TurbineAutomotive engineeringSoftwareComputer sciencePower (physics)Gas turbinesEngineeringControl engineeringSimulationMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This paper describes improvements to the control of a high pressure, aeroderivative industrial gas turbine in order to better accommodate rapid load changes. In such circumstances it is important to maintain the speed of the driven equipment within an acceptable range. This can require the gas turbine to quickly adjust to the new load, to minimize the power imbalance, which is the cause of the speed variation. The paper describes the theory behind control schedules required to achieve this, and how they relate to avoiding surge, flameout or instability, while minimizing speed variations of the driven equipment. A whole engine thermodynamic model coupled to the control software was used to simulate the engine response during these rapid transients. The features of this model are described. The model allowed optimization of the control software in advance of the engine test. Results of whole engine tests are presented and compared to the model; and the types of load steps that remain most challenging are highlighted. The resulting capability remains partly determined by the specifics of the application, for example the inertia of the driven equipment, the nominal speed of operation, and the allowable speed variations. The effects of these can be predicted using the model and are discussed.

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 enseignants0,762
Score d'incertitude au seuil0,200

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 Opus0,004
Tête enseignante GPT0,210
Écart entre enseignants0,206 · 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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207