MétaCan
Menu
Retour à la cohorte
Enregistrement W7139729105

Development and assessment of a propeller shaft load measurement system

2025· article· en· W7139729105 sur OpenAlexvenueno aff
Mohammed N. Islam, Moqin He, Edward H. Kennedy, James F. Sweeney, Heather Peng, Lorenzo Moro

Notice bibliographique

RevueNPARC · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueCavitation Phenomena in Pumps
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPropellerVibrationNoise (video)Drive shaftDynamic testingSystem of measurementMeasure (data warehouse)Forcing (mathematics)Limiting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Accurate model-scale measurement of dynamic shaft loads remains a significant challenge in characterizing propeller-induced noise and vibration. Conventional test methods lack the ability to directly capture high-frequency, multi-axis forces at the propeller shaft, limiting the fidelity of validation data for predictive models. To address this gap, a novel shafting system has been developed to measure six-component propeller loads directly, facilitating high-frequency shaft vibration characterizations in a model-scale test setup. This isa unique sensory system to capture high-frequency propeller-induced vibration forces directly at the hub. At its core is an AMTI SP1-500load sensor integrated into a custom-designed shaft assembly capable of resolving axial thrust, torque, and lateral loads induced by the propeller. The system was qualified through in-situ testing, with data cross-compared to conventional propeller dynamometry, pressure sensors, and accelerometers. Frequency-domain analysis showed strong alignment of load and vibration signatures at propeller blade harmonics, primarily below 200 Hz. These direct shaft load measurements at the propeller hub provide critical insights into the dynamic forcing mechanisms that contribute to propeller noise and hull-excited vibrations, offering a powerful tool for validating computational fluid dynamics (CFD) models and improving quiet ship design.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,720
Score d'incertitude au seuil0,300

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 Opus0,022
Tête enseignante GPT0,246
Écart entre enseignants0,223 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetCavitation Phenomena in PumpsTravaux en français237 207