MétaCan
Menu
Retour à la cohorte
Enregistrement W3177843345 · doi:10.36001/phmconf.2017.v9i1.2471

Effect of Ambient Temperature on Performance of Gas Turbine Engine

2017· article· en· W3177843345 sur OpenAlexaff
Yuan Liu, Avisekh Banerjee, Amar Kumar, Alka Srivastava, Nita Goel

Notice bibliographique

RevueAnnual Conference of the PHM Society · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTechnical Engine Diagnostics and Monitoring
Établissements canadiensLife Prediction Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésGas compressorAutomotive engineeringGas turbinesGas engineWork (physics)TurbineExhaust gasFoulingEnvironmental sciencePower (physics)Thrust specific fuel consumptionEngine efficiencyFuel efficiencyComputer scienceEngineeringMechanical engineeringInternal combustion engineCompression ratioWaste managementThermodynamicsChemistry

Résumé

récupéré en direct d'OpenAlex

Health monitoring data, namely power output and exhaust gas temperature are used for performance analysis of an industrial gas turbine engine. Apart from ambient temperature, influences of fuel consumptions and compressor fouling on the engine performance are also considered in the work. A model-free data analytics approach is used to study the effects of individual governing factors. A performance index (ratio of power generation to fuel consumption) is proposed as the metrics for monitoring the engine performance. The step-by-step analysis suggests that the engine performance shows two opposing trends with the ambient temperature. Fouling is also clearly shown to reduce the engine performance using the proposed indices.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,234
Écart entre enseignants0,226 · 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'étudeObservationnel
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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Conference of the PHM SocietyMême sujetTechnical Engine Diagnostics and MonitoringTravaux en français237 207