Adhesion of Wet Snow to Different Cable Surfaces
Notice bibliographique
Résumé
Cohesion of snow and its adhesion to cable surfaces are the decisive factors for wet-snow shedding from power-line cables. Knowing the adhesive strength of snow is essential to predict when snow will shed and what consequences it will have on the elements of the transmission line. It also appears to be a basic input for simulating wet-snow shedding. Snow adhesion depends on several parameters, among which snow liquid water content and density, and cable surface geometry were examined experimentally. In particular, the adhesion of wet-snow samples to flat surfaces of different roughness, and to stranded cable surfaces was examined in this study. Two series of experiments were conducted to measure shear adhesive strength as well as tensile adhesive strength of snow. Shear adhesive strength was measured with a centrifuge adhesion test device where a snow sample was placed on a beam, which was then rotated with increasing angular frequency until detachment, the angular frequency at detachment being proportional with shear adhesive force and strength. The tensile adhesive tests were carried out with a material test machine on a semi-spherical snow sample. The sample was compressed slowly at a constant speed until it reached a predefined compressive force limit, and then a tensile load was applied until the detachment of snow. The main observations showed that adhesion was strongest for a critical value of liquid water content, that shear adhesive strength was greatest on stranded cable surfaces, and that tensile adhesive strength was weaker on stranded than on flat cable surfaces.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».