MétaCan
Menu
Retour à la cohorte
Enregistrement W2565952787 · doi:10.1088/1755-1315/49/8/082009

Cavitating vortex characterization based on acoustic signal detection

2016· article· en· W2565952787 sur OpenAlexaff
Angela Digulescu, Irina Murgan, Ion Candel, Florentina Bunea, Gabriel Dan Ciocan, Diana Maria Bucur, Georgiana Dunca, Cornel Ioana, Gabriel Vasile, Alexandru Șerbănescu

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCavitationVortexAcousticsSound pressureSIGNAL (programming language)MechanicsVortex ringPhysicsPressure sensorMaterials scienceComputer science

Résumé

récupéré en direct d'OpenAlex

In hydraulic turbines operating at part loads, a cavitating vortex structure appears at runner outlet. This helical vortex, called vortex rope, can be cavitating in its core if the local pressure is lower that the vaporization pressure. An actual concern is the detection of the cavitation apparition and the characterization of its level. This paper presents a potentially innovative method for the detection of the cavitating vortex presence based on acoustic methods. The method is tested on a reduced scale facility using two acoustic transceivers positioned in "V" configuration. The received signals were continuously recorded and their frequency content was chosen to fit the flow and the cavitating vortex. Experimental results showed that due to the increasing flow rate, the signal - vortex interaction is observed as modifications on the received signal's high order statistics and bandwidth. Also, the signal processing results were correlated with the data measured with a pressure sensor mounted in the cavitating vortex section. Finally it is shown that this non-intrusive acoustic approach can indicate the apparition, development and the damping of the cavitating vortex. For real scale facilities, applying this method is a work in progress.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,006
Tête enseignante GPT0,158
Écart entre enseignants0,152 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetWater Systems and OptimizationTravaux en français237 207