MétaCan
Menu
Retour à la cohorte
Enregistrement W3001400872 · doi:10.1115/imece2019-11514

Modelling and Experimental Validation of a Controllable Energy Harvester for Pressure Regulation

2019· article· en· W3001400872 sur OpenAlexaff
Youngmok Ko, Shi Yu, Amy M. Bilton

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsTurbinePressure dropMechanical engineeringSensitivity (control systems)Power (physics)EngineeringElectricity generationElectric generatorAutomotive engineeringSimulationMarine engineeringMechanicsAerospace engineeringElectronic engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract A pico-scale Francis turbine (or energy harvester) was designed, fabricated and tested for pressure regulation and power generation application. The prototype energy harvester contains pivotable guide vanes and a controllable load to change the runner speed. This allows the simultaneous variation of the pressure drop and the output power. A computational fluid dynamics (CFD) model of the turbine was developed in ANSYS CFX 18.1 to evaluate the turbine’s sensitivity to geometric parameters such as the clearance gap size of the guide vane and its modularity. In conjunction to the CFD model, the electric generator’s characteristics were used to predict the turbine performance at varying guide vane angles. The turbine was prototyped and tested using a custom-built experimental set-up. The pico-scale turbine, with a runner diameter of 1.42 inches, was able to output up to 100 W of electrical power at its rated flowrate of 29 GPM. By varying the guide vane angles, the pressure drop and the hydraulic efficiency varied between 3–22 psi and up to 60% respectively. When validated against the experimental results, the CFD model showed a good agreement despite its low computational cost. The energy harvester’s initial characteristics demonstrate its potential as a game changer in the control valve market.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,181
Écart entre enseignants0,172 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWater Systems and OptimizationTravaux en français237 207