MétaCan
Menu
Retour à la cohorte
Enregistrement W4386099030 · doi:10.3390/aerospace10090745

A Study on Thermal Management Systems for Hybrid–Electric Aircraft

2023· article· en· W4386099030 sur OpenAlexafffund
Maria João Pereira Coutinho, Frederico Afonso, Alain Souza, David Bento, Ricardo Gandolfi, Felipe R. Barbosa, Fernando Lau, Afzal Suleman

Notice bibliographique

RevueAerospace · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Aircraft Design and Technologies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAutomotive engineeringPowertrainContext (archaeology)Internal combustion engine coolingHeat exchangerHeat transferMechanical engineeringEngineeringEnvironmental scienceComputer scienceCombustion

Résumé

récupéré en direct d'OpenAlex

The electrification of an aircraft’s propulsive system is identified as a potential solution towards a lower carbon footprint in the aviation industry. One of the effects of increased electrification is the generation of a large amount of waste heat that needs to be removed. As high-power systems must be cooled to avoid performance deterioration such as battery thermal runaway, a suitable thermal management system is required to regulate the temperature of the powertrain components. With this in mind, the main objective of this research is to identify promising heat transfer technologies to be integrated into a thermal management system (TMS) such that power, mass, and drag can be minimised for a parallel hybrid–electric regional aircraft in the context of the EU-funded FutPrInt50 project. Five different TMS architectures are modelled using the Matlab/Simulink environment based on thermodynamic principles, heat transfer fundamentals, and fluid flow equations. The systems are a combination of a closed-loop liquid cooling integrated with different heat dissipation components, namely ram air heat exchanger, skin heat exchanger, and fuel. Their cooling capacity and overall aircraft performance penalties under different flight conditions are estimated and compared to each other. Then, a parametric study is conducted, followed by a multi-objective optimisation analysis with the aim of minimising the TMS impact. As expected, none of the investigated architectures exhibit an ideal performance across the range of the studied metrics. The research revealed that, while planning the TMS for future hybrid–electric aircraft, alternative architectures will have to be developed and studied in light of the power requirements.

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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,258
Écart entre enseignants0,236 · 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

Citations22
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAerospaceMême sujetAdvanced Aircraft Design and TechnologiesTravaux en français237 207