MétaCan
Menu
Retour à la cohorte
Enregistrement W4254457941 · doi:10.32920/ryerson.14647884.v1

Bleed Air Temperature Regulation System: Modeling, Control, and Simulation

2021· preprint· en· W4254457941 sur OpenAlexaff
Peter Hodal

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Aircraft Design and Technologies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésHeat exchangerControl theory (sociology)Temperature controlSystem dynamicsControl systemState-space representationNonlinear systemControl (management)EngineeringControl valvesControl engineeringComputer scienceAutomotive engineeringMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This thesis addresses temperature control of an engine bleed air system, as used on typical aircraft, with a control strategy aimed at reducing ram air usage while maintaining fast response. The analytical equations describing the system dynamics are presented, and a state space model of a cross-flow heat exchanger is developed. The heat exchanger model is then utilized in the modeling of the bleed air system under study. Different control strategies and configurations are analyzed and compared. In order to achieve fast temperature regulation while saving ram air usage, a ram-air-plus-bypass control configuration is proposed, along with the control of both load temperature and bypass valve opening. Classical PI control is employed, and a hybrid LQ/PI control method is additionally investigated for the proposed control configuration. Simulations for each control strategy are performed using a nonlinear dynamic model at several sample mission operating points, with consideration of disturbances in engine loading of ambient conditions. Comparisons are made and conclusions are drawn based on these simulations. The proposed configuration and control strategy prove to be more effective in terms of satisfying both low ram air usage and fast temperature control response.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,489
Score d'incertitude au seuil0,778

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,227
Écart entre enseignants0,217 · 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 tête enseignante, 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Aircraft Design and TechnologiesTravaux en français237 207