Abstract: K. Baba, S. Kishiya, H. Gotoda, T. Shoji, S. Yoshida (2023)

We experimentally conduct an early detection of thermoacoustic instability in a staged single-sector combustor using a novel methodology that combines symbolic dynamics and machine learning. We propose two invariants in this study: the determinisms of the joint symbolic recurrence plots D J and the ordinal transition pattern-based recurrence plots D T . These invariants enable us to capture the phase synchronization between acoustic pressure and heat release rate fluctuations associated with a precursor of thermoacoustic instability. The latent space consisting of D J and D T , which is obtained by a support vector machine in combination with the k -means clustering method, can appropriately determine a transitional regime between stable combustion and thermoacoustic instability.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Early detection of thermoacoustic instability in a staged single-sector combustor for aircraft engines using symbolic dynamics-based approach