MétaCan
Menu
Retour à la cohorte
Enregistrement W7008869289

Design of a Vertical Axis Rotating Machine for the Development of a Digital Twin

2023· other· fr· W7008869289 sur OpenAlexaboutno aff

Notice bibliographique

RevuePolyPublie (École Polytechnique de Montréal) · 2023
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationTurbineVertical axisMachine designHydro power
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

RÉSUMÉ: Cette étude aborde le besoin croissant de production d'énergie fiable et durable, en mettant l'accent sur l'énergie hydroélectrique. Alors que la population mondiale et les besoins en énergie augmentent de manière exponentielle, l'impact environnemental des combustibles fossiles traditionnels devient de plus en plus problématique et irrémédiable. L'énergie hydroélectrique, notamment dans des régions comme le Québec, au Canada, où elle représente 94$\%$ de la production d'électricité, offre une alternative plus propre. Cependant, le développement de nouveaux projets hydroélectriques est confronté à des défis liés aux préoccupations environnementales, à l'opposition du public et aux coûts initiaux élevés, tandis que la conservation des unités déjà existantes fait face à une demande croissante et à des opérations irrégulières de plus en plus importantes. Ce projet vise à contribuer au développement d'un jumeau numérique (DT) d'une turbine hydroélectrique, en commençant par la conception, la construction et l'instrumentation d'une machine rotative à axe vertical (VARM). Cette machine sert de source de données empiriques pour les chercheurs travaillant sur les premières versions de modèles de DT de turbine hydroélectrique. La VARM fournit des données d'entraînement et de validation pour le développement de tels modèles en simulant des modes de défaillance contrôlés en laboratoire. La VARM est conçue pour être modulaire et flexible, capable de fonctionner avec différents matériaux, arbres, rotors et paliers pour simuler de nombreux cas d'essais différents. Sa conception est d'abord basée sur le modèle de machine tournante de Jeffcott qui offre un équilibre entre simplicité et précision. Elle aussi est accompagnée d'un modèle par éléments finis (FEM) offrant une source de données de référence régie par des paramètres connus servant à l'entraînement précoce du DT et la comparaison avec des données empiriques enregistrées sur la VARM. La conception et la construction complétées de la VARM sont ensuite accompagnées d'une série de tests préliminaires sous différentes configurations et cas de chargements. Des paramètres clés du système tels que la fréquence naturelle et le taux d'amortissement sont estimés par le biais de diverses techniques pour plusieurs cas. Le comportement de la VARM est également comparé aux résultats de simulation du modèle d'éléments finis permettant d'identifier un certain type de défaillance grâce à sa simplicité. De nombreuses améliorations pourraient encore être apportées à la VARM afin d'améliorer ses performances et ses capacités d'acquisition et de traitement de données, tout en offrant déjà une large gamme de mesures. ABSTRACT: This study addresses the increasing need for reliable and sustainable energy production, with a focus on hydroelectric power. As the world's population and energy needs grow exponentially, the environmental impact of traditional fossil fuels becomes increasingly problematic and irremediable. Hydroelectric power, particularly in regions like Quebec, Canada, where it accounts for 94$\%$ of electricity generation, offers a cleaner alternative. However, the development of new hydroelectric projects is confronted with challenges due to environmental concerns, public opposition, and high upfront capital costs while the conservation of already existing units faces an evermore increasing demand and irregular operations. This project aims to contribute to the development of a digital twin (DT) of a hydroelectric turbine, starting with the design, construction, and instrumentation of a Vertical-Axis Rotating Machine (VARM). This machine serves as an empirical data source for researchers working on early versions of hydroelectric turbine DT models. The VARM provides training and validation data for the development of such models by simulating lab-induced failure modes similar to those found in actual hydroelectric turbines and rotating machinery. The VARM is designed to be modular and flexible, capable of operating under different conditions, shafts, rotors, and bearings to simulate numerous test cases. Its design is initially based on the Jeffcott rotating model, which provides a balance between simplicity and accuracy. It is then accompanied by a finite-element model (FEM) offering an accurate and versatile source of reference data governed by known parameters for early training of the DT and comparison with the empirical data recorded on the VARM. The successful design and construction of the VARM, which will contribute to future researchers in need of experimental data of a vertical-axis rotating machine, is then accompanied by a series of preliminary tests under different configurations and loading schemes. Key parameters such as natural frequency and damping ratio are estimated through a variety of techniques for multiple cases. The behavior of the VARM is also compared to the simulation results from the finite-element model, which, in its simplicity allows the identification of a certain type of failure. Many improvements could still be applied to the VARM to improve its performance and data acquisition and treatment capabilities while still already offering a wide array of measurements.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,024
Tête enseignante GPT0,254
Écart entre enseignants0,231 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolyPublie (École Polytechnique de Montréal)Travaux en français237 207