Low-Order Method for Predicting Aerodynamic Performance Degradation Due to Ground Icing
Notice bibliographique
Résumé
Alow-ordermethod to computethe degradation in the maximum lift coefe cient of an aircraft due to distributed surfaceroughnesshasbeendeveloped.ThealgorithmisappliedtotheFokkerF28Mk1000,anaircraftinvolvedinan accidentinwhichgroundicingwasdeterminedtoplayasignie cantrole.Themethodconsistsoftwocomplementary portions. The e rst uses a low-orderpanel method to computethequasi-steady aerodynamiccharacteristics, in and out of groundeffect,ofthecompleteaircraftgeometryincluding one- ortwo-elemente aps,a boundary-layerfence, nacelles, and a horizontal tail. The numerical model then, in the second portion, generates an engineering estimate of the maximum lift coefe cient for the aircraft cone guration. The method is based on the assumptions that the pressure difference between the suction peak and the trailing edge of an airfoil is a maximum at the maximum lift coefe cient and that the condition in which one spanwise station of a wing in a stripwise analysis violates this maximum pressure difference rule is the point at which the maximum lift of the entire aircraft is generated. The application of the pressure difference rule is modie ed to account for the presence of the boundary-layer fence and can estimate (on the conservative side ) the effects of distributed surface roughness on the maximum lift coefe cient using an appropriate maximum allowable pressure difference.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».