MétaCan
Menu
Retour à la cohorte
Enregistrement W2563210636

Multidisciplinary design optimization of turbomachinery blade

2015· dissertation· en· W2563210636 sur OpenAlexfundno aff
Nima Bahrani

Notice bibliographique

RevueTSpace · 2015
Typedissertation
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoStrong
Mots-clésTurbomachineryBlade (archaeology)Multidisciplinary approachMechanical engineeringEngineeringComputer scienceMultidisciplinary design optimizationSystems engineeringAerospace engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis presents an approach for designing a more-efficient and reliable turbomachinery blade. A High-Cycle Fatigue testing is conducted to evaluate fatigue behavior of the design and determine the fatigue limit. The sine-dwell approach is employed to accelerate fatigue failure by applying a base excitation at the resonance frequency of the design. A multidisciplinary design optimization architecture integrated into a stochastic and population-based optimization algorithm is developed in order to improve efficiency and maintain strain level of the blade below the maximum allowable strain determined from the fatigue testing. The NURBS surface is employed to parameterize the shape of the blade and enable the optimizer to alter the design. The design optimization process involves fluid flow analysis coupled with structural analysis to evaluate the isentropic efficiency and the maximum strain level of the blade. The optimized design is compared with the baseline design and validated by other studies.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil1,000

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 Opus0,019
Tête enseignante GPT0,298
Écart entre enseignants0,279 · 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.

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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207