Simulation of Freezing and Frozen Precipitation for the Evaluation of De/anti-icing Systems
Notice bibliographique
Résumé
<div class="htmlview paragraph">Simulating freezing and frozen precipitation in an indoor laboratory setting can permit year round evaluation of de/anti-icing systems and fluids. At AMIL, freezing rain, freezing drizzle, icing fog and in-cloud icing as well as frost, snow, ice pellets and icing clouds can be simulated in a variety of cold chambers of different heights and with different wind conditions using specialized spraying systems and temperature set-ups. Freezing rain is simulated using a 9 m high vertical chamber capable of supercooling water droplets from 100 to 1000 μm, so they freeze not long after impact. The freezing drizzle is simulated in a 4 m high chamber where supercooled droplets from 50 to 250 μm freeze on impact. Icing fog and in-cloud icing are simulated with the help of a pneumatic spray nozzle system which allows for a finer water spray, in the 20 μm diameter range. The frost is simulated by saturating a cold room with humidity generated from a heated, temperature controlled water bath. Snow is simulated with a fine pneumatic water spray which forms a soft rime simulating the effect of natural snow. Ice pellets are made in the 9 m high vertical cold chamber using strong turbulent wind that increases the air residency and convective air cooling of water droplets so they freeze before impact. Finally, icing wind tunnels allow for the simulation of an object iced through a passing supercooled cloud. For all simulations, humidity can be controlled by using a heated water bath to increase it, or by using an independent refrigeration unit or molecular sieves to decrease it. This paper reviews the various simulated precipitation obtained at AMIL.</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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».