Comparison of thermodynamic models for ice accretion on airfoils
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
Purpose This paper aims to assess the strengths and weaknesses of four thermodynamic models used in aircraft icing simulations to orient the development or the choice of an improved thermodynamic model. Design/methodology/approach Four models are compared to assess their capabilities: Messinger, iterative Messinger, extended Messinger and shallow water icing models. They have been implemented in the aero-icing framework, NSCODE-ICE, under development at Polytechnique Montreal since 2012. Comparison is performed over typical rime and glaze ice cases. Furthermore, a manufactured geometry with multiple recirculation zones is proposed as a benchmark test to assess the efficiency in runback water modeling and geometry evolution. Findings The comparison shows that one of the main differences is the runback water modeling. Runback modeling based on the location of the stagnation point fails to capture the water film behavior in the presence of recirculation zones on airfoils. However, runback modeling based on air shear stress is more suitable in this situation and can also handle water accumulation while the other models cannot. Also, accounting for the conduction through the ice layer is found to have a great impact on the final ice shape as it increases the overall freezing fraction. Originality/value This paper helps visualize the effect of different thermodynamic models implemented in the same aero-icing framework. Also, the use of a complex manufactured geometry highlights weaknesses not normally noticeable with classic ice accretion simulations. To help with the visualization, the ice shape is presented with the water layer, which is not shown on typical icing results.
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 | 0,001 | 0,001 |
| 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