MétaCan
Menu
Retour à la cohorte
Enregistrement W2321917786 · doi:10.2514/6.2015-0034

Optimization of the Morphogenetic Approach for In-flight Icing

2015· article· en· W2321917786 sur OpenAlexafffund
Matei C. Butnarasu, Wagdi G. Habashi, Marco Fossati

Notice bibliographique

Revue53rd AIAA Aerospace Sciences Meeting · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCompute Canada
Mots-clésAirfoilIcingComputer scienceEulerian pathComputer simulationAerospace engineeringProcess (computing)Marine engineeringSimulationMechanicsLagrangianPhysicsEngineeringMathematicsMeteorologyApplied mathematics

Résumé

récupéré en direct d'OpenAlex

Recent improvements to the Morphogenetic approach, a Lagrangian stochastic ice accretion method, are presented. First, the mechanism of determining droplet impingement is redone in a way consistent with Eulerian droplet solvers, secondly, multi-shots have been enabled during the simulation process, and, finally, multiple mesh topologies have been enabled. The numerical method is evaluated for a NACA0012 airfoil and a GLC305 swept wing. In particular, the ability of the approach to simulate horns, feathers and of “lobster tails” or “scallops” is investigated. Numerical tests are performed to assess the accuracy of the proposed method and comparison with experimental data. An improvement in the shapes of ice is seen particularly at icing conditions where feathers are favored in two dimensions, and the lobster tails are expected to appear in three dimensions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,314

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,031
Tête enseignante GPT0,233
Écart entre enseignants0,202 · 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.

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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue53rd AIAA Aerospace Sciences MeetingMême sujetIcing and De-icing TechnologiesTravaux en français237 207