MétaCan
Menu
Retour à la cohorte
Enregistrement W3034671049 · doi:10.2514/6.2020-2825

Ice Crystal Environment Modular Axial Compressor Rig: Characterization of Particle Fracture and Melt Across One Rotor Using Laser Shadowgraphy

2020· article· en· W3034671049 sur OpenAlexaffabout
Jennifer L. Chalmers, Michael Wiebe, Martin Neuteboom, Craig R. Davison

Notice bibliographique

RevueAIAA AVIATION 2020 FORUM · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésShadowgraphIcingMaterials scienceShadowgraphyMechanicsAerospace engineeringEngineeringOpticsMeteorologyPhysicsLaser

Résumé

récupéré en direct d'OpenAlex

The National Research Council of Canada (NRC) has developed the Ice-Crystal Environment Modular Axial Compressor Rig (ICE-MACR) for simulating altitude ice crystal icing of aircraft engines in altitude facilities. Commissioning of the rig under altitude icing conditions was conducted in the NRC’s altitude icing wind tunnel (AIWT) in May-June 2019. The rig consisted a single working compressor stage with a downstream accretion test article representative of a compressor s-duct. Measuring fragmented ice particle size downstream of the working stage is critical to understand the icing conditions at the accretion test article. Particle break-up data across the stage will also be important for validation of numerical icing models. Details of a laser shadowgraph technique used to quantify ice particle size and subsequent results are presented. Results include particle size as a function of rotor speed, and radial distribution of particle size downstream of the rotor. In addition, a process to develop and assess a method of determining the particle melt fraction from the backlit microscopic (shadowgraph) images is presented. The shadowgraph derived melt ratio is compared to Multi-Element probe melt ratio measurement for validation. For the test conditions studied, the melt ratio calculated for the small particle bins (<26 µm) was found to correlate well with the Multi-Element melt ratio. As the shadowgraph data has the ability to quantify the melt ratio of different particle size ranges, it could provide a powerful complement to melt and fracture modeling.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,204
Écart entre enseignants0,192 · 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'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

Citations15
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIAA AVIATION 2020 FORUMMême sujetIcing and De-icing TechnologiesTravaux en français237 207