MétaCan
Menu
Retour à la cohorte
Enregistrement W4293238681 · doi:10.3390/cleantechnol4020019

Thermal Investigation of a Turbocharger Using IR Thermography

2022· article· en· W4293238681 sur OpenAlexaff
Hamed Basir, Shahab Alaviyoun, Marc A. Rosen

Notice bibliographique

RevueClean Technologies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésThermocoupleThermographyBearing (navigation)EmissivityCasingTurbochargerGas compressorTurbineThermalShroudTemperature measurementMaterials scienceMechanical engineeringInfraredEnvironmental scienceOpticsEngineeringComputer scienceComposite materialPhysicsMeteorologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

An experimental thermal survey of a turbocharger was performed in an engine test cell using IR thermography. The emissivity coefficients of housings were specified using a furnace and camera. It was shown that the emissivity of the turbine, compressor, and bearing housings are 0.92, 0.65, and 0.74, respectively. In addition, thermocouples were mounted on the housing to validate the temperature of the thermal camera while running in an engine test cell. To compare the data of the thermocouple with data from the thermal camera, an image was taken from the sensor’s location on the housing. The experimental results show that the temperature prediction of the thermal camera has less than 1 percent error. Steady-state tests at various working points and unsteady tests including warm-up and cool-down were performed. The measurements indicate that the turbine casing’s maximum temperature is 839 °C. Furthermore, a thermal image of the bearing housing shows that the area’s average temperature, which is close to the turbine housing, is 7 °C lower than the area close to the compressor housing. The temperature of the bearing housing near the turbine side should be higher; however, the effect of the water passing through the bearing housing decreases the temperature.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,190
Écart entre enseignants0,179 · 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'étudeExpérimental (laboratoire)
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClean TechnologiesMême sujetTurbomachinery Performance and OptimizationTravaux en français237 207