Ice Crystal Environment Modular Axial Compressor Rig: Characterization of Particle Fracture and Melt Across One Rotor Using Laser Shadowgraphy
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
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.
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 | 0,000 | 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 | 0,000 |
| 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