Validation of a Gas Turbine Thermodynamic Model Without Accurate Component Maps
Notice bibliographique
Résumé
The authors have developed an engine performance model for use within a physics-based analysis tool to predict gas turbine engine life. The model employs a multivariate optimization method to solve the gas turbine thermodynamic equations, and incorporates a calibration phase to capture the behavior of individual engines without requiring accurate component maps. To validate this approach, a database of test cell data for a turboprop engine has been used. The data consists of approximately 80 engine tests; each one with five operating points. Using a cross-validation method, each engine was uniquely calibrated using four of the operating points, and then validated using parameters from the fifth operating point. To benchmark the calibration process, these analyses were repeated without the calibration stage. The un-calibrated outputs showed a lack of both precision and accuracy, due to imprecision in the component maps, and variation from engine to engine. In contrast, the calibrated outputs of compressor discharge temperature (CDT), compressor discharge pressure (CDP), and turbine inlet temperature (TIT) were predicted within 1% error for more than 95% of all cases. Although most of the key thermodynamic parameters were predicted accurately, we have found that the shaft power calculation demonstrates some significant deviations from the test cell data. This has been attributed to the formulation of the turboprop thermodynamic model, and ongoing work is attempting to mitigate this issue. This understanding of the characteristic engine algorithms will provide valuable guidance in selecting suitable engine parameters as inputs and references.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».