MétaCan
Menu
Retour à la cohorte
Enregistrement W4283207383 · doi:10.2514/6.2022-3642

New Generic Turbofan Model for High-Fidelity Off-Design Studies

2022· article· en· W4283207383 sur OpenAlexaff
Manuel d. Gurrola-Arrieta, Ruxandra Mihaela Botez

Notice bibliographique

RevueAIAA AVIATION 2022 Forum · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueComputational Fluid Dynamics and Aerodynamics
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésTurbofanComputer sciencePropulsionModel-based designTurbomachineryAerospace engineeringSimulationEngineering

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2022-3642.vid In this paper, a high-fidelity aerothermodynamic Off-Design Generic Model is proposed. The model was completely developed in-house at the Laboratory of Applied Research in Active Control, Avionics and AeroServoElasticity using Matlab. The Design Point and the turbomachinery Component Maps scaling factors are proposed and discussed. Additionally, the set of nonlinear equations that define the Off-Design model are established, furthermore, two numerical methods to solve the system of equations are briefly reviewed. The Off-Design Generic Model results are compared against those of the Numerical Propulsion System Simulation, a high-fidelity platform for aerothermodynamic simulations used in the Gas Turbine Engine industry. A series of considerations are proposed to prevent any systematic bias in the comparison between the two models. The Generic Model proposed in this work presented good precision compared to the Numerical Propulsion System Simulation. From representative conditions (Sea-Level, 20k, and 35k) at different power settings, the average errors found in the Specific Fuel Consumption are negligible (less than ± 0.06%), and these errors in the net thrust were +0.03%, +0.25%, and +0.29%, respectively.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,023
Tête enseignante GPT0,246
Écart entre enseignants0,222 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA AVIATION 2022 ForumMême sujetComputational Fluid Dynamics and AerodynamicsTravaux en français237 207