MétaCan
Menu
Retour à la cohorte
Enregistrement W2928405667 · doi:10.4271/2019-01-0190

A 1D Real-Time Engine Manifold Gas Dynamics Model Using Orthogonal Collocation Coupled with the Method of Characteristics

2019· article· en· W2928405667 sur OpenAlexaff
Amer Keblawi, John McPhee

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésInlet manifoldDynamics (music)Collocation (remote sensing)Manifold (fluid mechanics)Computer scienceApplied mathematicsMathematicsPhysicsMechanical engineeringEngineeringAcousticsInternal combustion engineThermodynamicsMachine learning

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">In this paper, a new solution method is presented to study the effect of wave propagation in engine manifolds, which includes solving one-dimensional models for compressible flow of air. Velocity, pressure, and density profiles are found by solving a system of non-linear Partial Differential Equations (PDEs) in space and time derived from Euler’s equations. The 1D model includes frictional losses, area change, and heat transfer. The solution is traditionally found by utilizing the Method of Characteristics and applying finite difference solutions to the resulting system of ordinary differential equations (ODEs) over a discretized grid. In this work, orthogonal collocation is used to solve the system of ODEs that is defined along the characteristic curves. Orthogonal polynomials are utilized to approximate velocity, pressure, sound speed, and the characteristic curves along which the system of PDEs reduce to a system of ODEs. The approximation polynomials are defined over the whole manifold domain, transforming Euler’s equations into a system of ODEs that can be solved using a generic ODE solver. This reduction is done symbolically using a computer algebra system (Maple). The method results in a system of ODEs that has a higher spatial order along the whole space compared to methods based on finite differences, reducing the number of nodes required to find an acceptable solution that captures the state dynamics at different locations inside the manifold in real time. The proposed model is compared against the Method of Characteristics (MOC) that is used as a reference model; this comparison includes the states at the inlet, outlet, and midpoint. In summary, a high order method that can calculate solutions of the 1D manifold model equations is developed by finding the respective polynomial approximations along the 1D space and solving the resultant system using a generic solver in real time.</div></div>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,956
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,233
Écart entre enseignants0,224 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetVehicle emissions and performanceTravaux en français237 207