MétaCan
Menu
Retour à la cohorte
Enregistrement W2802578010 · doi:10.4271/04-11-02-0006

Thermohydrodynamic Modeling of Squeeze Film Dampers in High-Speed Turbomachinery

2018· article· en· W2802578010 sur OpenAlexaff
Sina Hamzehlouia, Kamran Behdinan

Notice bibliographique

RevueSAE international journal of fuels and lubricants · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Lubrication Engineering
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTurbomachineryDamperAutomotive engineeringEngineeringMechanical engineeringEnvironmental scienceStructural engineering

Résumé

récupéré en direct d'OpenAlex

This work develops a comprehensive thermohydrodynamic (THD) model for high-speed squeeze film dampers (SFDs) in the presence of lubricant inertia effects. Firstly, the generalized expression for Reynolds equation is developed. Additionally, in order to reduce the complexity of the hydrodynamic equations, an average radial viscosity is defined and integrated into the equations. Subsequently, an inertial correction to the pressure is incorporated by using a first-order perturbation technique to represent the effect of lubricant inertia on the hydrodynamic pressure distribution. Furthermore, a thermal model, including the energy equation, the Laplace heat conduction equations in the surrounding solids (i.e. the journal and the bush), and the thermal boundary conditions at the interfaces is constructed. Moreover, the system of partial differential hydrodynamic and thermal equations is simultaneously solved by using an iterative numerical algorithm. The proposed model is incorporated into a simulation model and the results are represented at different SFD journal speeds and eccentricity ratios. According to the results of the analysis, the fluid film reaction forces are significantly influenced by both the lubricant thermal effects and inertia.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,007
Tête enseignante GPT0,226
Écart entre enseignants0,219 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE international journal of fuels and lubricantsMême sujetTribology and Lubrication EngineeringTravaux en français237 207