Simulation of Ice Particle Melting in the NRCC RATFac Mixed-Phase Icing Tunnel
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Ice crystals ingested by a jet engine at high altitude can partially melt and then accrete within the compressor, potentially causing performance loss, damage and/or flameout. Several studies of this ice crystal icing (ICI) phenomenon conducted in the RATFac (<u>R</u>esearch <u>A</u>ltitude <u>T</u>est <u>Fac</u>ility) altitude chamber at the National Research Council of Canada (NRCC) have shown that liquid water is required for accretion. CFD-based tools for ICI must therefore be capable of predicting particle melting due to heat transfer from the air warmed by compression and possibly also due to impact with warm surfaces. This paper describes CFD simulations of particle melting and evaporation in the RATFac icing tunnel for the former mechanism, conducted using a Lagrangian particle tracking model combined with a stochastic random walk approach to simulate turbulent dispersion. Inter-phase coupling of heat and mass transfer is achieved with the particle source-in-cell method. Predictions are compared to turbulence measurements and measurements of total-water and liquid-water content (TWC, LWC) obtained with iso-kinetic and SEA multi-element probes respectively. They are also compared to measured changes in air temperature and humidity ratio resulting from particle evaporation and melting. Good agreement is obtained for these changes under (low pressure) conditions where they are large and interphase heat/mass coupling is very significant. Predicted LWC levels bracket the SEA measurements at low values but are much greater at higher LWC. These predictions suggest that the critical LWC/TWC range for ICI accretion may be higher than previously inferred from SEA measurements.</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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».