Uncertainty quantification of thermo-acoustic instabilities in annular combustors
Notice bibliographique
Résumé
An Uncertainty Quantification (UQ) method based on active subspace and low-order models is applied on a simplified gas turbine to determine its modal risk factor: the probability of an acoustic mode to be unstable. The configuration is a simplified 19-burner annular combustor which is operated in two different regimes, called weakly and strongly coupled regimes. Each flame is modeled by two uncertain parameters leading to a large UQ problem involving 38 parameters. The combustor is modeled as a network of 4 × 19 1D interconnected 1D acoustic elements which is efficiently solved quasi-analytically (ATACAMAC) as proposed recently by Bauerheim et al. (2014b). This allows us to perform a Monte Carlo analysis (approx. 10, 000 ATACAMAC calculations), assuming that the uncertainties on the inputs are known. The reference Monte Carlo risk factor is then compared with that obtained by a less demanding UQ method. First, the dimension of the problem is reduced from 38 to only 3 parameters for the two regimes considered by the active subspace approach based on gradient correlations. Then, linear and quadratic analytical models based on the three active variables are fit using 100 ATACAMAC simulations. These low-order models are then replayed 100, 000 times to obtain the PDF of the growth rate as well as the risk factor estimation. Results show that for both regimes, the UQ method is able to accurately predict the risk factor of the configuration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».