MétaCan
Menu
Retour à la cohorte
Enregistrement W2746711239 · doi:10.13034/jsst.v10i1.129

A Parametric Study Of The Parameters Governing Flow Incidence Angle Tolerance For Turbomachine Blades

2017· article· en· W2746711239 sur OpenAlexvenueno aff
Melody Liu

Notice bibliographique

RevueJournal of Student Science and Technology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurbomachineryMathematicsBlade (archaeology)Turbine bladeGeometryPhysicsHumanitiesStructural engineeringEngineeringMechanical engineeringTurbineArt

Résumé

récupéré en direct d'OpenAlex

Performance metrics quantifying the efficiency of various turbomachinery blades aid in the development of an optimal blade design. In this study, a metric was created to investigate the performance of 48 different compressor blades created with Octave and MISES software. Three input parameters were varied: leading edge radius, the location of maximum blade thickness, and the number of blades in a blade row. The objective was to determine which of these parameters most strongly affects the average loss and incidence range for the blade row. After a sensitivity analysis of the three input parameters was conducted, it was found that the number of blades had the largest effect on blade performance, followed by the leading edge geometry and lastly the location of maximum thickness. Les indicateurs de performance qui mesurent les ef cacités de plusieurs pales utilisées dans les turbomachines aident le développement d’une conception optimale des pales. Dans cet article, un indicateur a été créé pour étudier la performance de 48 pales de compresseurs axiaux différents qui ont été faites avec les logiciels Octave et MISES. Trois paramètres d’entrés ont été examinés : le rayon du bord d’attaque, l’endroit de l’épaisseur maximale de la pale et le nombre de pales dans la rangée. L’objectif était de déterminer lequel parmi ces paramètres a l’effet le plus important sur la perte moyenne et la gamme de l’incidence de la rangée de pales. Après une analyse de sensibilité des trois paramètres, les résultats ont montré que le nombre de pales dans la rangée a eu l’effet le plus important sur la performance des pales, suivie par la géométrie du bord d’attaque et en n l’endroit de l’épaisseur maximale.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,012
Tête enseignante GPT0,268
Écart entre enseignants0,256 · 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'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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Student Science and TechnologyMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207