Application of a bifurcation tracking numerical strategy to the analysis of blade-tip/casing interactions in aircraft engines
Bibliographic record
Abstract
Dans le but d'améliorer l'efficacité des turbomachines, les acteurs industriels du secteur aéronautique cherchent sans relâche à repousser les limites de la conception structurelle. À cette fin, des travaux de recherche visent à limiter les pertes aérodynamiques en minimisant la distance entre les parties mobiles en rotation et le carter fixe environnant. Ainsi, lorsque les turbomachines sont en fonctionnement, les aubes vont vibrer et peuvent entrer en contact avec le carter environnant. Pour garantir la performance et la fiabilité de ces systèmes, il est primordial de prendre en compte ces interactions structurelles non linéaires dans leur conception. À partir de modèles numériques issus de modèles industriels, il est possible d'obtenir des résultats à l'aide d'outils numériques, ce qui permet de mieux appréhender la dynamique de ces systèmes non linéaires. Cette approche offre ainsi la possibilité d'optimiser leur conception en considérant les effets vibratoires et les interactions structurelles non linéaires. Basée sur la méthode de l'équilibrage harmonique régularisée de Lanczos, qui est une méthode fréquentielle précédemment développée \cite{colaitis2021strategie}, ce mémoire de maîtrise présente une stratégie numérique de suivi de bifurcations, développé en Python, dédiée aux systèmes mécaniques non linéaires de grandes dimensions. Afin de démontrer son applicabilité dans un contexte industriel, elle est mise en œuvre pour obtenir des résultats originaux dans le cadre des interactions entre les aubes et le carter dans les moteurs d'avions. L'accent est mis plus particulièrement sur le suivi de bifurcations lorsqu'un paramètre clé --- tel que l'amplitude du forçage appliqué sur l'aube, le coefficient de frottement ou les jeux de fonctionnement --- varie. Dans l'ensemble, les résultats obtenus mettent en évidence la pertinence et l'efficacité de la méthode fréquentielle utilisée tant pour les systèmes de petites dimensions que pour les systèmes de grandes dimensions. En effet, les résultats présentés pour les systèmes industriels soulignent que cette méthode fréquentielle convient parfaitement pour relever les défis numériques inhérents à de tels calculs sur des systèmes de grandes dimensions. Pour les systèmes mécaniques d'intérêt, le rotor 67 et 37 de la NASA, il est démontré que l'application de la stratégie présentée représente une méthode efficace pour dégager des critères de conception quant aux bifurcations et identifier des branches isolées de solutions, qui peuvent être d'une importance cruciale pour la conception des aubes de moteur d'avion.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".