Semi-Empirical Modelling of Erosion Phenomena for Ice Crystal Icing Numerical Simulation
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">The aim of this work is to develop a semi-empirical model for erosion phenomena under ice crystal condition, which is one of the major phenomena for ice crystal accretion. Such a model would be able to calculate the erosion rate caused by impinging ice crystals on accreted ice layer.</div><div class="htmlview paragraph">This model is based on Finnie [<span class="xref">1</span>] and Bitter [<span class="xref">2</span>] [<span class="xref">3</span>] solid/solid collision theory which assumes that metal erosion due to sand impingement is driven by two phenomena: cutting wear and deformation wear. These two phenomena are strongly dependent on the particle density, velocity and shape, as well as on the surface physical properties such as Young modulus, Poisson ratio, surface yield strength and hardness. Moreover, cutting wear is mostly driven by tangential velocity and is more effective for ductile eroded body, whereas deformation wear is driven by normal velocity and is more effective for brittle eroded body. Several researchers based their erosion modelling on these two phenomena such as Hutchings et al. [<span class="xref">4</span>] for deformation erosion, or Huang et al. [<span class="xref">5</span>] and Arabnejad et al. [<span class="xref">6</span>] for cutting and deformation erosion.</div><div class="htmlview paragraph">The main work of this paper is to develop an erosion model for ice crystal impingement based on these two phenomena, and to show its capability to predict accretion shape by simulating experimental cases from the National Research Council of Canada (NRC). NRC’s Currie et al. ice crystal experiments [<span class="xref">7</span>] [<span class="xref">8</span>] realized in warm aerodynamic conditions, such as the one encountered in high icing severity areas of a turbofan engine, show accretion severity for a large range of liquid water content to total water content. In order to validate the erosion model based on solid/solid collision, this paper presents the simulation of the lower melting rate experiment. Results show fair agreement with experimental data and allow us to propose pertinent further work.</div></div>
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 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 | 0,000 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».