沸声学排放数据集:数据驱动的沸状态预测工具
Kumar Nishant Ranjan Sinha1,2, Vijay Kumar1,3, Nirbhay Kumar1
1Thermal and Fluid Transport Laboratory, Department of Mechanical Engineering, Indian Institute of Technology Patna, Bihta 801103, Bihar, India.
Data in brief
|December 11, 2023
概括
本研究介绍了沸声学的综合数据集,以使机器学习能够预测沸危机. 该数据集支持开发用于热管理系统预先控制的模型.
科学领域:
- 热管理 热管理
- 流体动力学 流体动力学
- 声学 声学 在声学方面
背景情况:
- 沸对于热管理至关重要,但在沸危机时容易发生灾难性故障.
- 机器学习为现场监测和预防性控制沸危机提供了潜力.
- 高质量的标记数据集对于数据驱动的沸监测至关重要.
研究的目的:
- 为机器学习应用提供一个全面的沸声学数据集.
- 促进用于预测沸状态和危机的模型的开发.
- 支持基于沸的热管理系统的预防性控制策略.
主要方法:
- 在受控条件下的近和池沸实验中收集了声信号.
- 使用水声机,预放大器和数据采集单元,可靠的声学数据捕获.
- 将音频文件分为四种沸模式:背景 (BKG),核酸沸 (NB),临界前热流 (Pre-CHF) 和过渡沸 (TB).
主要成果:
- 编制了一个数据集,包含了2056 (BKG),13367 (NB),399 (Pre-CHF) 和460 (TB) 的音频文件.
- 包括来自各种参数的过渡池沸实验的声学排放数据.
- 提供MATLAB®代码用于音频文件处理和分类.
结论:
- 这一数据集是培训和评估深度学习模型的基础,用于预测沸模式.
- 数据集使得能够开发出可靠的数据驱动模型,用于增强热管理.
- 这项工作支持了在高能量密度系统中预防性控制沸危机的进展.
