Modelling and Optimization of Plug Flow Mufflers in Emission Control Systems
Notice bibliographique
Résumé
Large-scale emergency or off-grid power generation is typically achieved through diesel or natural gas generators. To meet governmental emission requirements, emission control systems (ECS) are required. In operation, effective control over the generator’s acoustic emission is also necessary, and can be accomplished within the ECS system. Plug flow mufflers are commonly used, as they provide a sufficient level of noise attenuation in a compact structure. The key design parameter is the transmission loss of the muffler, as this dictates the level of attenuation at a given frequency. This work implements an analytically decoupled solution, using multiple perforate impedance models, through the transfer matrix method (TMM) to predict the transmission loss based on the muffler geometry. An equivalent finite element model is implemented for numerical simulation. The analytical results and numerical results are then evaluated against experimental data from literature. The transmission loss required in each application of the ECS system will vary depending on the noise profile of the generator in question; therefore, it is necessary to have an effective method of redesigning the muffler to meet the design requirements. Prior work on TMM-based muffler shape optimization utilized complex algorithms such as neural networks and simulated annealing. The present study simplifies the process by using the bounded, limited-memory implementation of the Broyden-Fletcher-Goldfarb-Shanno (BFGS) algorithm in a multi-start framework for shape optimization to achieve the desired transmission loss. By constraining the multi-start method with appropriate design limits, the algorithm is initialized at multiple random points within the design space, ensuring that the solution approaches the global optimum when using a sufficiently large number of initializations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».