論文の概要: Combustion Condition Identification using a Decision Tree based Machine Learning Algorithm Applied to a Model Can Combustor with High Shear Swirl Injector

• arxiv url: http://arxiv.org/abs/2409.15363v1
• Date: Wed, 18 Sep 2024 13:09:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 13:30:54.793930
• Title: Combustion Condition Identification using a Decision Tree based Machine Learning Algorithm Applied to a Model Can Combustor with High Shear Swirl Injector
• Title（参考訳）: 高せん断スワールインジェクタを用いたモデル缶燃焼器に適用した決定木に基づく機械学習アルゴリズムによる燃焼条件同定
• Authors: PK Archhith, SK Thirumalaikumaran, Balasundaram Mohan, Saptharshi Basu,
• Abstract要約: 燃焼はガスタービンエンジンの主要な工程であり、性能を高めるために効率的な空気-燃料混合が必要である。 高シャースワール噴射器は、燃焼効率と排出を決定づける重要な要因である燃料の微粒化と混合を改善するために一般的に用いられる。 本研究では, メタンを燃料とする単一缶燃焼器の対向回転式高速旋回噴射装置から, 音圧および高速火炎画像を分析し, 燃焼条件を分類するために, 決定木に基づく機械学習アルゴリズムを用いた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Combustion is the primary process in gas turbine engines, where there is a need for efficient air-fuel mixing to enhance performance. High-shear swirl injectors are commonly used to improve fuel atomization and mixing, which are key factors in determining combustion efficiency and emissions. However, under certain conditions, combustors can experience thermoacoustic instability. In this study, a decision tree-based machine learning algorithm is used to classify combustion conditions by analyzing acoustic pressure and high-speed flame imaging from a counter-rotating high-shear swirl injector of a single can combustor fueled by methane. With a constant Reynolds number and varying equivalence ratios, the combustor exhibits both stable and unstable states. Characteristic features are extracted from the data using time series analysis, providing insight into combustion dynamics. The trained supervised machine learning model accurately classifies stable and unstable operations, demonstrating effective prediction of combustion conditions within the studied parameter range.
• Abstract（参考訳）: 燃焼はガスタービンエンジンの主要な工程であり、性能を高めるために効率的な空気-燃料混合が必要である。 高シャースワール噴射器は、燃焼効率と排出を決定づける重要な要因である燃料の微粒化と混合を改善するために一般的に用いられる。 しかし、一定の条件下では、燃焼器は熱音響不安定を経験することができる。 本研究では, メタンを燃料とする単一缶燃焼器の対向回転式高速旋回噴射装置から, 音圧および高速火炎画像を分析し, 燃焼条件を分類するために, 決定木に基づく機械学習アルゴリズムを用いた。 定数レイノルズ数と様々な同値比により、燃焼器は安定状態と不安定状態の両方を示す。 時系列解析を用いてデータから特徴を抽出し,燃焼力学の知見を提供する。 訓練された機械学習モデルは、安定かつ不安定な動作を正確に分類し、研究されたパラメータ範囲内での燃焼条件の効果的な予測を実証する。

関連論文リスト

• Data-Based In-Cylinder Pressure Model with Cyclic Variations for Combustion Control: A RCCI Engine Application [0.0]
  シリンダー圧力に基づく制御は、先進的な予混合燃焼の概念の鍵となる。 本研究では, 筒内圧力と周期変動をデータベース手法を用いてモデル化した。 提案手法のポテンシャルは, ディーゼルおよびE85で作動する反応性制御圧縮着火エンジンで実証される。
  論文  参考訳（メタデータ） (2024-03-06T10:44:55Z)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Prediction of liquid fuel properties using machine learning models with Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
  本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。 これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。 その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-10-18T14:43:50Z)
• On-board Fault Diagnosis of a Laboratory Mini SR-30 Gas Turbine Engine [54.650189434544146]
  データ駆動型故障診断・隔離方式は, 燃料供給システムにおける故障とセンサ測定のために, 明確に開発されている。 モデルは機械学習の分類器を使用してトレーニングされ、トレーニングされた障害シナリオのセットをリアルタイムで検出する。 提案手法の利点, 性能, 性能を実証し, 実証するために, いくつかのシミュレーション実験を行った。
  論文  参考訳（メタデータ） (2021-10-17T13:42:37Z)
• Collective effects on the performance and stability of quantum heat engines [62.997667081978825]
  小型熱機関の動作における量子力学的拡張の最近の予測は、新たな関心を集めている。 1つの重要な問題は、集団効果が大規模に拡張するのに役立つかどうかである。 エンジンを構成するスピンの数とともに, パワー, 効率, 一貫性のスケールについて検討する。
  論文  参考訳（メタデータ） (2021-06-25T18:00:07Z)
• Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting [68.86835407617778]
  Autoformerは、Auto-Correlation機構を備えた、新しい分解アーキテクチャである。 長期的な予測では、Autoformerは6つのベンチマークで相対的に改善され、最先端の精度が得られる。
  論文  参考訳（メタデータ） (2021-06-24T13:43:43Z)
• Machine learning-assisted surrogate construction for full-core fuel performance analysis [0.0]
  本研究は、いくつかの現実的な平衡PWRコア設計に基づくフルコアサロゲート構築手法を提案する。 構築されたサーロゲートは、予測精度を満足して少なくとも1万時間加速度を達成する。
  論文  参考訳（メタデータ） (2021-04-17T17:02:50Z)
• Understanding Fission Gas Bubble Distribution, Lanthanide Transportation, and Thermal Conductivity Degradation in Neutron-irradiated {\alpha}-U Using Machine Learning [2.3336225785755476]
  UZrベースの金属核燃料は、米国の次世代ナトリウム冷却高速炉の主要な候補です。 燃料性能に関する機械的理解の欠如は、商業用途におけるUZr燃料の適格化を妨げている。
  論文  参考訳（メタデータ） (2021-04-12T19:29:18Z)
• 3D Convolutional Selective Autoencoder For Instability Detection in Combustion Systems [6.4520575698063105]
  エンジンの燃焼室で発生する不安定性は数学的に複雑すぎてモデル化できない。 本稿では3D畳み込み選択型オートエンコーダ(3D-CSAE)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-01-06T05:29:00Z)
• Early Detection of Thermoacoustic Instabilities in a Cryogenic Rocket Thrust Chamber using Combustion Noise Features and Machine Learning [2.5206785921576293]
  熱音響不安定性の早期検出のためのデータ駆動手法を提案する。 動的圧力センサデータの短周期時系列から特性燃焼特性を計算するために, 再帰解析を用いる。 ほとんどの場合、トレーニングに使用されていないテストデータに対して、この手法は2種類の熱音響不安定性をタイムリーに予測することができる。
  論文  参考訳（メタデータ） (2020-11-25T17:30:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。