This paper introduces the Bayesian mass average and details its computation. Owing to the complexity of flow in an engine and the limited instrumentation and the precision of the sensor apparatus used, it is difficult to rigorously calculate mass averages. Building upon related work, this paper views any thermodynamic quantity's spatial variation at an axial plane in an engine (or a rig) as a Gaussian random field. In cases where the mass flow rate is constant in the circumferential direction but can be expressed via a polynomial or spline radially, this paper presents an analytical calculation of the Bayesian mass average. In cases where the mass flow rate itself can be expressed as a Gaussian random field, a sampling procedure is presented to calculate the Bayesian mass average. Examples of the calculation of the Bayesian mass average for temperature are presented, including with a real engine case study where velocity profiles are inferred from stagnation pressure measurements.


翻译:本文介绍贝叶斯质量平均值及其计算细节。 由于发动机流动的复杂性以及仪器有限和传感器设备精确性,很难严格计算质量平均值。 在相关工作的基础上,本文将发动机(或钻机)轴平面上的任何热动力量空间变化视为高斯随机场。如果质量流动率在环绕方向上保持不变,但可以通过多球或圆柱形显示,本文则对贝叶斯平均质量进行分析计算。如果质量流动率本身可以以高斯随机场的形式表示,则介绍一个取样程序来计算巴伊斯平均质量值。介绍了贝伊斯平均温度的计算实例,包括一项真正的引擎案例研究,其中从悬浮压力测量中推断出速度特征。

0
下载
关闭预览

相关内容

MASS:IEEE International Conference on Mobile Ad-hoc and Sensor Systems。 Explanation:移动Ad hoc和传感器系统IEEE国际会议。 Publisher:IEEE。 SIT: http://dblp.uni-trier.de/db/conf/mass/index.html
牛津大学最新《计算代数拓扑》笔记书,107页pdf
专知会员服务
42+阅读 · 2022年2月17日
【2020新书】Web应用安全,331页pdf
专知会员服务
23+阅读 · 2020年10月24日
专知会员服务
52+阅读 · 2020年9月7日
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
73+阅读 · 2020年5月5日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
算法|随机森林(Random Forest)
全球人工智能
3+阅读 · 2018年1月8日
推荐|Andrew Ng计算机视觉教程总结
全球人工智能
3+阅读 · 2017年11月23日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2022年2月23日
Arxiv
0+阅读 · 2022年2月23日
A Statistical Learning View of Simple Kriging
Arxiv
0+阅读 · 2022年2月18日
On Variance Estimation of Random Forests
Arxiv
0+阅读 · 2022年2月18日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
算法|随机森林(Random Forest)
全球人工智能
3+阅读 · 2018年1月8日
推荐|Andrew Ng计算机视觉教程总结
全球人工智能
3+阅读 · 2017年11月23日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员