MétaCan
Menu
Retour à la cohorte
Enregistrement W2612177409 · doi:10.1155/2017/4120862

Active Flow Control in a Radial Vaned Diffuser for Surge Margin Improvement: A Multislot Suction Strategy

2017· article· en· W2612177409 sur OpenAlexaff
Aurélien Marsan, Isabelle Trébinjac, Stéphane Moreau, Sylvain Coste

Notice bibliographique

RevueInternational Journal of Rotating Machinery · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesOffice National d'études et de Recherches AérospatialesUniversité de Toulouse
Mots-clésDiffuser (optics)MechanicsCentrifugal compressorSuctionReynolds-averaged Navier–Stokes equationsSurgeGas compressorBoundary layer suctionBoundary layerFlow (mathematics)Work (physics)Flow separationControl theory (sociology)Computational fluid dynamicsImpellerComputer sciencePhysicsMeteorologyThermodynamicsBoundary layer controlOptics

Résumé

récupéré en direct d'OpenAlex

This work is the final step of a research project that aims at evaluating the possibility of delaying the surge of a centrifugal compressor stage using a boundary-layer suction technique. It is based on Reynolds-Averaged Navier-Stokes numerical simulations. Boundary-layer suction is applied within the radial vaned diffuser. Previous work has shown the necessity to take into account the unsteady behavior of the flow when designing the active flow control technique. In this paper, a multislot strategy is designed according to the characteristics of the unsteady pressure field. Its implementation results in a significant increase of the stable operating range predicted by the unsteady RANS numerical model. A hub-corner separation still exists further downstream in the diffuser passage but does not compromise the stability of the compressor stage.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,255
Écart entre enseignants0,247 · 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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Rotating MachineryMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207