MétaCan
Menu
Retour à la cohorte
Enregistrement W2557290550 · doi:10.4043/27410-ms

Numerical Predictions of Solidification and Water Droplet Impingement

2016· article· en· W2557290550 sur OpenAlexaff
Kaniz Sultana, Kevin Pope, Yuri S. Muzychka

Notice bibliographique

RevueArctic Technology Conference · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésHeat transferSupercoolingEnvironmental scienceSubmarine pipelineIcingSalinityArcticMechanicsMaterials scienceMeteorologyGeologyGeotechnical engineeringOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Ice accretion is a hazard for offshore operations on cold northern waters. Icing on vessel surfaces can be caused by a variety of phenomena, including cold air temperature, low water temperature, freezing rain, and supercooled fog, among others. A single salt water droplet's phase change behaviour after impacting on a very cold surface is numerically studied in this paper. The model used in this study solves the flow equation, composed of energy balance and the volume fraction equations. The new predictive techniques developed in this research provides important new insights on sea spray icing of arctic vessels, medium-sized fishing trawlers, and offshore structures operating in harsh offshore environments. The main objective of the study is to investigate the influence of several physical properties on droplet freezing. Important factors include liquid fraction, salinity effect, total freezing time, and rate of total heat transfer. The liquid fraction helps to understand the complete phase change behaviors by means of three distinct transition stages: fully liquid stage, mushy or transition stage, and complete ice phase. The simulated results based on salt water properties show salinity increases total freezing times. Wall heat transfer and temperature distribution help to show heat transfer rates between the droplet and object surface. Further, this research provides an important technical achievement for ice load prediction, modeling and preventation. This contribution is particularly significant for vessels and offshore petroleum industries in the Northern environment.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,205
Écart entre enseignants0,194 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic Technology ConferenceMême sujetIcing and De-icing TechnologiesTravaux en français237 207