MétaCan
Menu
Retour à la cohorte
Enregistrement W7147240482 · doi:10.5281/zenodo.19349342

Aerodynamic Optimization Strategies in Gas Path Systems: A Turbine Design Exploration

2023· article· W7147240482 sur OpenAlexaffabout
Laurent Dupont and Étienne Fortin

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typearticle
Langue
DomaineEngineering
ThématiqueTurbomachinery Performance and Optimization
Établissements canadiensUniversité LavalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésEngineering design processPropulsionParametrization (atmospheric modeling)Set (abstract data type)AerodynamicsMultidisciplinary design optimizationProcess (computing)Surrogate modelPath (computing)Optimization problem

Résumé

récupéré en direct d'OpenAlex

One of the steps in the complex design of aircraft propulsion system consists of designing an efficient turbine gas-path. Gas-path geometry affects how the stators, rotors and duct will be designed. For this reason, the optimization of the gas-path needs to be done early in the development process of an engine. This is the concept of Preliminary Multi-Disciplinary Optimization (PMDO). At this stage of the design process, as many configurations as possible should be analysed. Due to the size of the design space to be explored thousands of configurations have to be considered. Consequently, each of these configurations needs to be simulated rapidly. To meet this requirement, an in-house 1D meanline code based on a correlation loss model is used. The optimization is done with a combination of direct optimization and design exploration. A simple direct optimization is used to generate a first version of the gaspath. Design exploration is achieved with an in-house Framework for Design Exploration (FDE). This framework includes Design of Experiment (DOE) and Surrogate Assisted Optimization (SAO) workflow. SAO is executed to find a global optimum configuration within user defined limitations. These design limits are defined according to a set of predefined limitations on factors (input parameters) and constraints on responses (output parameters). Furthermore, any responses can be set as an objective to be minimized, maximized or to be targeted for a specific value. To obtain such an optimized gas-path, a robust parametrization has to be developed. An efficient parametrization will limit the number of nonphysical gas-path configurations in the design space without excluding any optimal configurations. Longueuil, Quebec, Canada Hany Moustapha This work focuses on optimizing the turbine gas-path to achieve one of three possible objectives. For most of the cases, the objective is maximizing efficiency. Another possible objective consists of minimizing the total length of the turbine while achieving a specific efficiency. Finally, this optimization tool can be used by turbine aerodynamicists to quickly analyse different stage configurations such as two versus three Power Turbines (PT). Iterating on the number of PT stages becomes much faster when the entire optimization process is automated.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0020,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,005

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 Opus0,038
Tête enseignante GPT0,232
Écart entre enseignants0,194 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetTurbomachinery Performance and OptimizationTravaux en français237 207