MétaCan
Menu
Retour à la cohorte
Enregistrement W4251594747 · doi:10.1002/9781119975489.ch7

Lubrication Systems

2011· other· en· W4251594747 sur OpenAlexaff
Bernie MacIsaac, Roy Langton

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiqueLubricants and Their Additives
Établissements canadiensGastops (Canada)
Organismes subventionnairesnon disponible
Mots-clésLubricationLubricantBearing (navigation)Mechanical engineeringViscosityMaterials scienceEngineeringComputer scienceComposite material

Résumé

récupéré en direct d'OpenAlex

The basic principles of lubrication, friction and wear are examined for simple journal and rolling-element bearings where it is recognized that bearing failures will ultimately occur as a result of surface damage and fatigue even in ideal circumstances. The concept of Elasto-Hydro-Dynamics (EHD) as an operating region is described as a means of optimizing the bearing lubrication and thermal properties of a design. This leads logically to a recognition of the importance of lubricant viscosity and its effect on the lubrication efficiency. The major attributes of both mineral and synthetic lubrication oils are described including viscosity, oxidation (coking) and foam-ability. The lubrication system typical of the modern gas turbine engine is described where high pressure oil is supplied to the main engine bearing sumps and accessory gearbox. The oil scavenged from the sumps is then cooled and de-aerated before being re-pressurized and filtered prior to returning to the engine bearings. System design considerations are discussed including monitoring of key parameters such as temperature pressure and filter delta-P. Oil debris capture via chip detectors is described together with the more advanced inductive debris monitoring technology which can detect both ferrous and non-ferrous particles in the oil and distinguish between particle sizes. Finally comments on the challenges of ceramic bearing technology are presented.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0080,002

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 Opus0,010
Tête enseignante GPT0,171
Écart entre enseignants0,161 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLubricants and Their AdditivesTravaux en français237 207