MétaCan
Menu
Retour à la cohorte
Enregistrement W4386071174 · doi:10.11159/htff23.177

Investigation of Internal Flow near Return Guide Vane Using Jet and Suction Flow

2023· article· en· W4386071174 sur OpenAlexvenueno aff
Chihiro Sugiyama, T. Fujii, Koichi Nishibe, Donghyuk KANG, Kotaro SATO

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSuctionFlow (mathematics)MechanicsJet (fluid)Internal flowComputer scienceMaterials scienceMechanical engineeringAerospace engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

The Performance and efficiency of multistage centrifugal compressors, which are required to operate continuously over a long time, are expected to further improve in the future. Many studies have been conducted to optimize the design of various components of compressors such as impellers and diffusers. Recently, experimental and numerical studies were conducted on the energy loss reduction through internal flow treatment in return systems that divert flow to the next stage of pressure increase. Rube et al. reported that 5-10% reduction in the entire stage efficiency is due to flow losses in the return system Rossbach et al. revealed that the secondary flow that is generated in the vaned passage by the strong inward swirl at high flow rates induces large-scale flow separation and the high mixing losses at the exit of the return guide vanes [2]. In addition, Traficante et al. attempted the active flow control of an axial compressor-stator cascade using plasma actuators, continuous and synthetic jets, and found that the internal flow could be improved However, the obtained results are limited and insufficient to determine the optimum feeding position and flow rate of these jets.

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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
Communication savante0,0010,000
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 Opus0,012
Tête enseignante GPT0,207
Écart entre enseignants0,195 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetHeat Transfer MechanismsTravaux en français237 207