MétaCan
Menu
Retour à la cohorte
Enregistrement W4294237627 · doi:10.1016/j.ifacol.2022.08.038

Thermodynamic modeling of a class of distributed systems with diffusion

2022· article· en· W4294237627 sur OpenAlexaff
Marco A. Zárate-Navarro, Sergio D. Schiavone-Valdéz, Junyao Xie, Stevan Dubljević

Notice bibliographique

RevueIFAC-PapersOnLine · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueStability and Controllability of Differential Equations
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAdiabatic processDistributed parameter systemStability (learning theory)Thermodynamic systemApplied mathematicsTransformation (genetics)Partial differential equationClass (philosophy)Work (physics)Statistical physicsComputer sciencePassivityMathematicsPhysicsMathematical analysisThermodynamicsChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

In this work, we aim at addressing thermodynamic modeling and passivity properties of a class of distributed parameter systems (DPSs) with dispersion that are described by partial differential equations (PDEs). The class of distributed parameter systems account for a general class of thermodynamic models with spatial-temporal characteristics. For this class of distributed systems, various contributions on stability analysis, control and estimator designs have been made in the existing literature. On a different note, this contribution aims at providing a thermodynamic perspective on the modeling of the transport processes and passivity using flux expressions based on thermodynamical driving forces. A linearized model is derived and an invertible linear transformation is applied to further simplify the model by eliminating the transport terms. A case study on an adiabatic tubular reactor with dispersion is used as an example.

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 enseignants0,082
Score d'incertitude au seuil0,458

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 Opus0,009
Tête enseignante GPT0,189
Écart entre enseignants0,181 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFAC-PapersOnLineMême sujetStability and Controllability of Differential EquationsTravaux en français237 207