MétaCan
Menu
Retour à la cohorte
Enregistrement W1999675783 · doi:10.1115/1.2426993

Ice Loads Acting on a Model Podded Propeller Blade (OMAE2005-67416)

2006· article· en· W1999675783 sur OpenAlexafffund
Jungyong Wang, Ayhan Akintürk, Stephen J. Jones, Neil Bose, Moon-Chan Kim, Ho-Hwan Chun

Notice bibliographique

RevueJournal of Offshore Mechanics and Arctic Engineering · 2006
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensNational Research Council CanadaMemorial University of Newfoundland
Organismes subventionnairesPusan National UniversityTransport Canada
Mots-clésPropulsorMarine engineeringPropellerSea iceArctic ice packArcticGeologyEngineeringOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract With the increase in popularity of podded propulsors and arctic navigation, understanding the interaction between a podded propulsor and ice has become more important. Propeller-ice interaction itself is a complicated process with a high level of uncertainty resulting from the uncertainties associated with the properties of the ice and with the propeller-ice interaction conditions. Model tests provide relatively well-controlled ice properties and interaction conditions to reduce the uncertainties. In order to improve the understanding of this interaction and to develop numerical models of it, a model podded propulsor was used in “Puller” mode, and ice loads were measured on its instrumented blade and propeller shaft. The results of the experiments conducted to simulate the interactions (milling) of the instrumented blade with ice in different operating conditions are reported in this paper. Loads measured during the milling consist of ice milling loads, “inseparable” hydrodynamic loads, and “separable” hydrodynamic loads. The sample results presented here include ice milling and inseparable hydrodynamic loads for various advance coefficients and depths of cut (amount of blade penetration into ice). Some results are compared with existing ice load models.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,181
Écart entre enseignants0,173 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations24
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Offshore Mechanics and Arctic EngineeringMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207