Design of a vertical axis rotating machine test-bench and numericalmodelling
Notice bibliographique
Résumé
Abstract: Hydroelectricity is a widely exploited resource in North America where it represents 92% and 60% of the electricity produced in Quebec and Canada, respectively. Moreover, the current hydroelectric units are getting old and are evermore solicited, which increases the risks of sudden failures. In this study we developed a vertical axis rotating machinery aiming to improve the research models used for diagnosis and predictions of failures in hydro machineries. Horizontal vibrating shafts setups are already commercially available for academic activities but the dynamics they portray is very different from what is to be expected from a vertical-axis rotating machine (VARM) like the ones we find in hydro-electric generation units, thus the need to build a vertically rotating shaft test-bench. The VARM is firstly designed in a computer-aided design (CAD)/finite-element analysis (FEA) software such as Simcenter 3D to estimate its principal characteristics, like its critical speeds. FEA also allows us to predict the VARM response to certain loads which include unbalances and misalignments which are used to simulate failures in a vertically rotating system. The machine is monitored using two accelerometers, one on each bearing, two perpendicular laser micro-meters and two perpendicular high-speed cameras. The data is then processed, and bearing characteristics are estimated using system identification techniques. Finally, a numerical model of the VARM is solved using these bearing estimates and its response is compared to that of the VARM obtained with the high-speed cameras.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».