GS
Guodong Sa
Author with expertise in Dimensional Metrology and Error Compensation
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
8
(0% Open Access)
Cited by:
1
h-index:
5
/
i10-index:
1
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Research on load prediction of low-calorific fuel fired gas turbine based on data and knowledge hybrid model

Xiaopeng Xin et al.Jun 1, 2024
The high-precision load prediction technology plays a vital role in load control and health management for gas turbines. Low-calorific fuel fired gas turbines pose an especially significant challenge for load prediction due to the frequent and wide fluctuations of gas parameters. First, an improved hybrid-dimension physical-based model is proposed, which is corrected based on segmented operation data and integrates zero-dimensional thermodynamic knowledge of gas turbines with three-dimensional fluid dynamics simulation knowledge. Secondly, an optimal data-driven model is proposed through conducting a systematic comparative study on four popular machine learning models with two types of input variables feature extraction. Then, a novel hybrid model is proposed based on the improved physical-based model, optimal data-driven model, and the principle of minimizing hybrid model errors. The average relative prediction error of the hybrid model over the complete operation range is 0.68%. Compared with the physical-based model and the data-driven model, the proposed hybrid model can improve the prediction accuracy by 63% and 29%, respectively. As the high-calorific fuel fired gas turbine system is relatively simple and has a small range of fuel fluctuations, the method established in this paper can be extended to high-calorific fuel fired gas turbines, which is of great significance for promoting the dynamic balance of loads in a new type of electric power system based on new energy.
0

Effect of manufacturing process parameters on the compression and energy absorption properties of 4D-printed deformable honeycomb structure

Xiang Peng et al.Jun 11, 2024
Abstract 4D-printed deformable honeycombs can produce pro-programmed shape deformation and different properties under external stimuli, and the manufacturing process parameters are the dominant factors affecting the microstructure and properties of the manufactured honeycomb structures. Although many researchers investigating the effects of manufacturing process parameters on the mechanical properties of printed materials, but still a lack of research on the relationship between manufacturing process parameters and properties of honeycomb structures. Therefore, a novel honeycomb structures which has two configurations under temperature stimuli is proposed, and the optimum manufacturing processes for the printing of this honeycomb are selected considering the compression and energy absorption properties simultaneously. The novel honeycomb is designed and printed with fused deposition modeling (FDM) technology, which have hexagonal configuration (Structure I) and semi-triangular configuration (Structure II) under external temperature stimulus. The energy absorption capacity of Structure I and compressive properties of Structure II are investigated under different manufacturing process parameters. The experimental results indicate that the layer thickness has the most significant impact on the mechanical performance of deformable honeycombs. The combination of a layer thickness of 0.2 mm, printing speed of 40 mm/s, and 100% infill density are the best process parameters for the novel deformable honeycomb structures.&#xD;
0

Hierarchical explicit–implicit combined sensing-based real-time monitoring method for the service performance of complex equipment

Guodong Sa et al.Nov 15, 2024
Purpose Real-time monitoring of the critical physical fields of core components in complex equipment is of great significance as it can predict potential failures, provide reasonable preventive maintenance strategies and thereby ensure the service performance of the equipment. This research aims to propose a hierarchical explicit–implicit combined sensing-based real-time monitoring method to achieve the sensing of critical physical field information of core components in complex equipment. Design/methodology/approach Sensor deployable and non-deployable areas are divided based on the dynamic and static constraints in actual service. An integrated method of measurement point layout and performance evaluation is used to optimize sensor placement, and an association mapping between information in non-deployable and deployable areas is established, achieving hierarchical explicit–implicit combined sensing of key sensor information for core components. Finally, the critical physical fields of core components are reconstructed and visualized. Findings The proposed method is applied to the spindle system of CNC machine tools, and the result shows that this method can effectively monitor the spindle system temperature field. Originality/value This research provides an effective method for monitoring the service performance of complex equipment, especially considering the dynamic and static constraints during the service process and detecting critical information in non-deployable areas.