MétaCan
Menu
Retour à la cohorte
Enregistrement W2785642864 · doi:10.1155/2018/9638430

Parametric Studies of Flat Plate Trajectories Using VIC and Penalization

2018· article· en· W2785642864 sur OpenAlexafffund
François Morency, Héloïse Beaugendre

Notice bibliographique

RevueModelling and Simulation in Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesCentre National de la Recherche ScientifiqueAgence Nationale de la RechercheUniversité de BordeauxMinistère de l'Économie, de la Science et de l'Innovation - QuébecCompute Canada
Mots-clésFroude numberMechanicsDimensionless quantityLaminar flowReynolds numberPosition (finance)AccelerationInertiaCurvatureMathematicsFlow (mathematics)PhysicsGeometryClassical mechanicsTurbulence

Résumé

récupéré en direct d'OpenAlex

Flying debris is generated in several situations: when a roof is exposed to a storm, when ice accretes on rotating wind turbines, or during inflight aircraft deicing. Four dimensionless parameters play a role in the motion of flying debris. The goal of the present paper is to investigate the relative importance of four dimensionless parameters: the Reynolds number, the Froude number, the Tachikawa number, and the mass moment of inertia parameters. Flying debris trajectories are computed with a fluid-solid interaction model formulated for an incompressible 2D laminar flow. The rigid moving solid effects are modelled in the Navier-Stokes equations using penalization. A VIC scheme is used to solve the flow equations. The aerodynamic forces and moments are used to compute the acceleration and the velocity of the solid. A database of 64 trajectories is built using a two-level full factorial design for the four factors. The dispersion of the plate position at a given horizontal position decreases with the Froude number. Moreover, the Tachikawa number has a significant effect on the median plate position.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,277
Écart entre enseignants0,226 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueModelling and Simulation in EngineeringMême sujetIcing and De-icing TechnologiesTravaux en français237 207