Ice Model Tests for Dynamic Positioning Vessel in Managed Ice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Stationkeeping in managed ice using dynamic positioning (DP) control system has been an area of great interest over the past few years. The stationkeeping performance of a DP vessel depends on the modelling accuracy of the ice forces, which in turn depends on managed ice field characteristics (floe size, floe thickness, inclusion of brash ice and small ice pieces, ice drift speed and direction) and DP system (gain set-ups). Over the years, many engineers have been using numerical and experimental tools to assess the effect of these parameters. More recently, a comprehensive series of experiments with a 1/40 scaled DP vessel were conducted in various realistic managed ice conditions in the ice tank facility of OCRE-NRC in early 2015. This paper describes the preparation of managed ice field, the procedure of the model tests and the methodologies of data analysis. The physical and mechanical characteristics of the ice field were modelled by controlling ice concentration, ice thickness, floe size, ice strength and ice drift speed/direction. The ice concentration ranged from light condition (6/10th) to very heavy condition (9/10th+) with three different floe sizes (100m, 50m and 25 m). Three different ice thicknesses (0.6m, 1.2m and 2m) were used and three different drift speeds (0.2 kts, 0.5 kts, and 1.2 kts) with various heading angles were tested. Some tests used high strength model ice in order to keep the ice field longer (sometimes for 2nd day). Some tests used properly scaled model ice (700 kPa of flexural strength in full scale) in order to simulate ice failure appropriately. Ice loads were not directly measured but estimated based on the thrusters’ response. Video analysis is introduced and some observations are described. Test results for a few cases are presented as an example.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 découle