SLD Instrumentation in Icing Wind Tunnels – Investigation Overview
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
View Video Presentation: https://doi.org/10.2514/6.2021-2647.vid A collaborative effort to better understand cloud characterization probes in Supercooled Large Drop (SLD) conditions, as well the ability to simulate these conditions in several icing wind tunnels, was undertaken by NASA, NRCC, CIRA, ECCC, FAA and Met Analytics, Inc. Both drop sizing and liquid water content, LWC, were measured with various probes using current to emerging technologies. To ensure the best possible data quality from the newest probes, the probe manufacturers, SEA, Inc. and Artium, Inc. were invited to support testing and data analysis efforts. A common set of probes was identified to test in each of the three participating facilities: NRCC’s Altitude Icing Wind Tunnel, NASA’s Icing Research Tunnel and CIRA’s Icing Wind Tunnel. From the common set of probes, a subset were identified to use for comparison across the three facilities. These were the CDP-2 and 2D-S for drop sizing, and the Multi-wire for LWC. The LWC value was also checked by measuring the ice accretion thickness under hard rime conditions on a NACA-0012 airfoil. A common test matrix with sweeps in both LWC and median volume diameter, MVD, was developed. Each facility achieved these conditions as determined by their own calibration. The MVD ranged from 20 to at least 200 um, and LWC ranged from 0.5 to 3 g/m3. The comparison probes tested at common conditions in each facility were intended to allow for a direct comparison, and check of potential facility bias.
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 | 0,001 |
| 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