MétaCan
Menu
Retour à la cohorte
Enregistrement W2951314234 · doi:10.4271/2019-01-1978

Equivalent Sand Grain Roughness Correlation for Aircraft Ice Shape Predictions

2019· article· en· W2951314234 sur OpenAlexaff
Guy Fortin

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensBombardier (Canada)
Organismes subventionnairesnon disponible
Mots-clésSurface finishGrain sizeSurface roughnessGeologyMaterials scienceGeotechnical engineeringComposite materialGeomorphology

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">Many uncertainties in an in-flight ice shape prediction are related to convection heat transfer coefficient, which in turn depends on the flow, turbulence and laminar/turbulent transition models. The height of ice roughness element used to calculate the Equivalent Sand Grain Roughness height (ESGR) is a very important input of the turbulence model as it strongly influences the shape of the accreted ice. Unfortunately, for in-flight icing, the ESGR is unknown and generally calculated using semi-empirical models or empirical correlations based on a particular ice shape prediction code. Each ice shape prediction code is unique due to the models and correlations used and the numerical implementation. Ice roughness correlations do not have the same effect in each ice shape prediction code. A new approach to calculate the ESGR correlation taking into consideration the particularities of the ice shape prediction code is developed, calibrated and validated. This new approach derives a correlation based on two dimensionless numbers: the first by re-defining the Stanton number and the second based on the thermodynamic heat balance. A calibration procedure is used based on 14 different 2D experimental ice shapes for a NACA 0012 airfoil of 21 inches chord. The correlation is validated against 41 2D experimental ice shapes obtained on 5 airfoils: the GLC 305; a commercial transport airfoil; NACA 23014; NACA 0015 and NACA 0012. A large range of icing conditions are covered. The results of this validation exercise show 90% of the predicted ice shapes are visually in good to excellent agreement with experiment. The advantage of the proposed ESGR correlation for the calculation of the ice roughness is that the correlation is calibrated with only a few cases for a specific icing simulation suite. This is possible because the correlation depends on two dimensionless numbers related to the in-flight icing physics simulation.</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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,240
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetIcing and De-icing TechnologiesTravaux en français237 207