MétaCan
Menu
Retour à la cohorte
Enregistrement W1599172566 · doi:10.4271/2003-01-2105

FENSAP-ICE Applications to Complete Rotorcraft Configurations

2003· article· en· W1599172566 sur OpenAlexaff
Guido S. Baruzzi, Iyad Akel, Wagdi G. Habashi, J.C. Narramore

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensBell Helicopter Textron (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceAerospace engineeringAeronauticsSystems engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

<div class="htmlview paragraph">The FENSAP-ICE system was first conceived for fixed-wing aircraft and air induction system icing, but major developments are underway to augment its capabilities for icing simulation of rotorcraft and tiltrotor aircraft. A project is underway, under the auspices of the RITA (Rotorcraft Industry Technology Association) to reduce icing certification flight tests through use of second-generation three-dimensional (3D) Computational Fluid Dynamics (CFD) based technologies. The plan is to supplement traditional icing tunnel and flight-testing with modern 3D inflight icing simulation tools that facilitate the development and certification of all-weather operations rotorcraft and tilt-rotor aircraft. A viscous fully 3D ice accretion and runback modeling capability is being developed and initial correlation studies to both 2D and 3D icing test cases have produced very good results. An actuator disk model has also been developed to account for the effects of the main and tail rotors on the flow field and the subsequent changes to ice accretion patterns. The present paper will describe droplet impingement and ice accretion results in terms of increasing geometrical complexity from 2D trimmed airfoil sections, to full 3D tiltrotor aircraft in forward flight, with propellers modeled.</div>

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,248
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetIcing and De-icing TechnologiesTravaux en français237 207