Published May 2, 2024 | Version v1
Publication Open

Evaluating Diverse Meta-Modeling Approaches for Predicting Performance Characteristics of a Twin Air Intake Based on Experimental Data

Creators

  • 1. Sivas State Hospital
  • 2. University of Science and Technology
  • 3. Turkish Aerospace Industries (Turkey)

Description

Abstract Air intakes are critical components in maximizing the efficiency of jet-powered engines. Their diverse designs, ranging from conventional shapes to innovative configurations, coupled with the intricate interplay of fluid dynamics, boundary layer effects, and structural considerations, render the determination of their performance characteristics a time-consuming task. However, a meticulous and confident evaluation of these characteristics is the key to achieving optimal air intake design and, consequently, significant enhancement of overall engine performance. This article assesses various meta-modeling approaches for predicting the performance characteristics of a twin air intake system. A comprehensive exploration of meta-modeling methods, particularly those specifically tailored for data derived from experiments, is presented. A database of 4000 experimentally obtained runs is utilized to construct train and test data for diverse models, including polynomials, decision trees, random forest regression, multivariate adaptive regression splines, and neural networks. The performance of each model is rigorously evaluated based on goodness of fit, precision, accuracy, monotonicity, and interpretability. This study provides a cost-effective and time-efficient alternative for predicting crucial flow parameters associated with the air intake of jet engines. The results reveal that the Random Forest Regression (RFR) model outperforms all other models across all evaluated metrics, demonstrating its superior effectiveness in predicting the performance characteristics of the twin air intake system.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

مآخذ الهواء التجريدية هي مكونات حاسمة في زيادة كفاءة المحركات التي تعمل بالطاقة النفاثة. إن تصميماتها المتنوعة، التي تتراوح من الأشكال التقليدية إلى التكوينات المبتكرة، إلى جانب التفاعل المعقد لديناميكيات الموائع، وتأثيرات الطبقة الحدودية، والاعتبارات الهيكلية، تجعل تحديد خصائص أدائها مهمة تستغرق وقتًا طويلاً. ومع ذلك، فإن التقييم الدقيق والواثق لهذه الخصائص هو المفتاح لتحقيق التصميم الأمثل لسحب الهواء، وبالتالي، تعزيز كبير للأداء العام للمحرك. تقيّم هذه المقالة أساليب النمذجة الوصفية المختلفة للتنبؤ بخصائص أداء نظام سحب الهواء المزدوج. يتم تقديم استكشاف شامل لطرق النمذجة الوصفية، لا سيما تلك المصممة خصيصًا للبيانات المستمدة من التجارب. يتم استخدام قاعدة بيانات من 4000 دورة تم الحصول عليها تجريبياً لبناء بيانات التدريب والاختبار لنماذج متنوعة، بما في ذلك متعددو الحدود وأشجار القرار وانحدار الغابات العشوائي وشرائح الانحدار التكيفية متعددة المتغيرات والشبكات العصبية. يتم تقييم أداء كل نموذج بدقة بناءً على جودة الملاءمة والدقة والدقة والرتابة وقابلية التفسير. توفر هذه الدراسة بديلاً فعالاً من حيث التكلفة والوقت للتنبؤ بمعلمات التدفق الحاسمة المرتبطة بسحب الهواء من المحركات النفاثة. تكشف النتائج أن نموذج الانحدار العشوائي للغابات يتفوق على جميع النماذج الأخرى عبر جميع المقاييس التي تم تقييمها، مما يدل على فعاليته الفائقة في التنبؤ بخصائص أداء نظام سحب الهواء المزدوج.

Translated Description (French)

Résumé Les prises d'air sont des composants essentiels pour maximiser l'efficacité des moteurs à réaction. Leurs conceptions diverses, allant des formes conventionnelles aux configurations innovantes, associées à l'interaction complexe de la dynamique des fluides, des effets de couche limite et des considérations structurelles, font de la détermination de leurs caractéristiques de performance une tâche fastidieuse. Cependant, une évaluation méticuleuse et confiante de ces caractéristiques est la clé pour obtenir une conception optimale de l'admission d'air et, par conséquent, une amélioration significative des performances globales du moteur. Cet article évalue diverses approches de méta-modélisation pour prédire les caractéristiques de performance d'un système d'admission d'air double. Une exploration complète des méthodes de méta-modélisation, en particulier celles spécifiquement adaptées aux données dérivées d'expériences, est présentée. Une base de données de 4000 passages obtenus expérimentalement est utilisée pour construire des données d'entraînement et de test pour divers modèles, y compris les polynômes, les arbres de décision, la régression forestière aléatoire, les splines de régression adaptative multivariée et les réseaux neuronaux. La performance de chaque modèle est rigoureusement évaluée en fonction de la qualité de l'ajustement, de la précision, de l'exactitude, de la monotonie et de l'interprétabilité. Cette étude fournit une alternative rentable et rapide pour prédire les paramètres d'écoulement cruciaux associés à l'admission d'air des moteurs à réaction. Les résultats révèlent que le modèle de régression forestière aléatoire (RFR) surpasse tous les autres modèles dans tous les paramètres évalués, démontrant son efficacité supérieure pour prédire les caractéristiques de performance du système d'admission d'air double.

Translated Description (Spanish)

Resumen Las tomas de aire son componentes críticos para maximizar la eficiencia de los motores a reacción. Sus diversos diseños, que van desde formas convencionales hasta configuraciones innovadoras, junto con la intrincada interacción de la dinámica de fluidos, los efectos de la capa límite y las consideraciones estructurales, hacen que la determinación de sus características de rendimiento sea una tarea que consume mucho tiempo. Sin embargo, una evaluación meticulosa y segura de estas características es la clave para lograr un diseño óptimo de la admisión de aire y, en consecuencia, una mejora significativa del rendimiento general del motor. Este artículo evalúa varios enfoques de metamodelación para predecir las características de rendimiento de un sistema de admisión de aire doble. Se presenta una exploración exhaustiva de los métodos de metamodelado, particularmente aquellos específicamente diseñados para datos derivados de experimentos. Se utiliza una base de datos de 4000 ejecuciones obtenidas experimentalmente para construir datos de entrenamiento y prueba para diversos modelos, incluidos polinomios, árboles de decisión, regresión de bosques aleatorios, splines de regresión adaptativa multivariante y redes neuronales. El rendimiento de cada modelo se evalúa rigurosamente en función de la bondad de ajuste, precisión, exactitud, monotonicidad e interpretabilidad. Este estudio proporciona una alternativa rentable y eficiente en el tiempo para predecir parámetros de flujo cruciales asociados con la entrada de aire de los motores a reacción. Los resultados revelan que el modelo de regresión forestal aleatoria (RFR) supera a todos los demás modelos en todas las métricas evaluadas, lo que demuestra su eficacia superior en la predicción de las características de rendimiento del sistema de admisión de aire doble.

Files

latest.pdf.pdf

Files (821.6 kB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:6582c762be2c58148a5e283303e238d1
821.6 kB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
تقييم مناهج النمذجة الوصفية المتنوعة للتنبؤ بخصائص أداء مدخل الهواء التوأم بناءً على البيانات التجريبية
Translated title (French)
Évaluation de diverses approches de métamodélisation pour prédire les caractéristiques de performance d'une prise d'air double sur la base de données expérimentales
Translated title (Spanish)
Evaluación de diversos enfoques de metamodelación para predecir las características de rendimiento de una toma de aire doble basada en datos experimentales

Identifiers

Other
https://openalex.org/W4396590018
DOI
10.21203/rs.3.rs-4322544/v1

Is supplement to
https://openalex.org/W4395014643 (Other)
https://openalex.org/W4391913857 (Other)
https://openalex.org/W4391375266 (Other)
https://openalex.org/W2748952813 (Other)
https://openalex.org/W2390279801 (Other)
https://openalex.org/W2382290278 (Other)
https://openalex.org/W2376932109 (Other)
https://openalex.org/W2358668433 (Other)
https://openalex.org/W2350741829 (Other)
https://openalex.org/W2001405890 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Yemen

References

  • https://openalex.org/W1986884571
  • https://openalex.org/W2001842014
  • https://openalex.org/W2002322798
  • https://openalex.org/W2031907338
  • https://openalex.org/W2056145269
  • https://openalex.org/W2081709852
  • https://openalex.org/W2082612843
  • https://openalex.org/W2095000140
  • https://openalex.org/W2102201073
  • https://openalex.org/W2112195476
  • https://openalex.org/W2127919322
  • https://openalex.org/W2478899349
  • https://openalex.org/W2904027718
  • https://openalex.org/W2931111233
  • https://openalex.org/W2965082332
  • https://openalex.org/W2966366072
  • https://openalex.org/W2993624386
  • https://openalex.org/W3011765351
  • https://openalex.org/W3027839299
  • https://openalex.org/W3104393478
  • https://openalex.org/W3113598119
  • https://openalex.org/W3119356044
  • https://openalex.org/W3121339476
  • https://openalex.org/W3122455945
  • https://openalex.org/W3153232156
  • https://openalex.org/W3194510768
  • https://openalex.org/W4210518756
  • https://openalex.org/W4221023792
  • https://openalex.org/W4236137412
  • https://openalex.org/W4238530616
  • https://openalex.org/W4239485515
  • https://openalex.org/W4294042945
  • https://openalex.org/W4298008548
  • https://openalex.org/W4312190864
  • https://openalex.org/W4366779169
  • https://openalex.org/W4382940636
  • https://openalex.org/W617324483