MétaCan
Menu
Retour à la cohorte
Enregistrement W4238728231 · doi:10.1115/1.4050668

Development and Validation of a Model for Centrifugal Compressors in Reversed Flow Regimes

2021· article· en· W4238728231 sur OpenAlexaff
Katherine H. Powers, Ian Kennedy, Chris Brace, Paul A. Milewski, Colin Copeland

Notice bibliographique

RevueJournal of Turbomachinery · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensSimon Fraser University
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésCentrifugal compressorImpellerTurbochargerGas compressorAxial compressorSurgeTurbomachineryMass flowFlow (mathematics)Reciprocating compressorMechanicsMechanical engineeringNaturally aspirated engineEngineeringRotor (electric)Computer sciencePhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Turbochargers are widely used to help reduce the environmental impact of automotive engines. However, a limiting factor for turbochargers is compressor surge. Surge is an instability that induces pressure and flow oscillations that often damages the turbocharger and its installation. Most predictions of the surge limit are based on low-order models, such as the Moore–Greitzer model. These models tend to rely on a characteristic curve for the compressor created by extrapolating the constant speed lines of a steady-state compressor map into the negative mass flow region. However, there is little validation of these assumptions in the public literature. In this article, we develop further the first-principles model for a compressor characteristic presented in Powers, K., Brace, C., Budd, C., Copeland, C., & Milewski, P., 2020, “Modeling Axisymmetric Centrifugal Compressor Characteristics From First Principles,” J. Turbomachinery, 142(9), with a particular emphasis on reverse flow. We then perform experiments using a 58 mm diameter centrifugal compressor provided by Cummins Turbo Technologies, where we feed air in the reverse direction though the compressor while the impeller is spinning in the forward direction to obtain data in the negative mass flow region of the compressor map. This demonstrated experimentally that there is a stable operating region in the reverse flow regime. The recorded data showed a good match with the theoretical model developed in this article. We also identified a change in characteristic behavior as the impeller speed is increased, which, to the authors’ knowledge, has not been observed in any previously published experimental work.

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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
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 Opus0,016
Tête enseignante GPT0,229
Écart entre enseignants0,213 · 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
GenreMéthodes

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of TurbomachineryMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207