MétaCan
Menu
Retour à la cohorte
Enregistrement W2137085099 · doi:10.2514/1.c032259

Scaling of Lift Degradation Due to Antiicing Fluids

2013· article· en· W2137085099 sur OpenAlexfundno aff
Andy P. Broeren, James T. Riley

Notice bibliographique

RevueJournal of Aircraft · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Council CanadaNational Aeronautics and Space Administration
Mots-clésAllowance (engineering)AirplaneLift (data mining)Lift coefficientEnvironmental scienceWind tunnelAerodynamicsDragMarine engineeringAerospace engineeringEngineeringMechanicsComputer scienceMechanical engineeringPhysicsReynolds number

Résumé

récupéré en direct d'OpenAlex

In recent years, North American civil airworthiness authorities have conducted research to develop the allowance times for aircraft operations in ice-pellet precipitation. These allowance times are critical to ensure the safety and efficient operation of commercial and cargo flights. Wind-tunnel testing with uncontaminated antiicing fluids and fluids contaminated with simulated ice pellets has been carried out to better understand the flowoff characteristics and resulting aerodynamic effects. The percent lift loss was determined at an 8 deg angle of attack and used as one of the evaluation criteria in determining the allowance times. This paper describes how the lift loss was related to the loss in the maximum lift of a Boeing 737-200ADV airplane through the aerodynamic acceptance test performed for fluids qualification. A loss in the maximum lift coefficient of 5.24% on the B737-200ADV airplane (which was adopted as the threshold in the aerodynamic acceptance test) corresponds to a lift loss of 7.3% on the test model at an 8 deg angle of attack. A statistical analysis was performed to account for data scatter in the correlation and indicated that the upper limit of lift loss on the test model was 9.2%. Therefore, for cases resulting in lift loss from 7.3 to 9.2%, extra scrutiny of the visual observations is required for evaluating fluid performance with contamination and establishing appropriate allowance times.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,210
Écart entre enseignants0,201 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AircraftMême sujetIcing and De-icing TechnologiesTravaux en français237 207