MétaCan
Menu
Retour à la cohorte
Enregistrement W4283262001 · doi:10.2514/6.2022-3699

Optical measurement of ice crystal icing on a NACA 0018 airfoil

2022· article· en· W4283262001 sur OpenAlexaboutno aff
Jonathan Connolly, Matthew McGilvray, David R. H. Gillespie

Notice bibliographique

RevueAIAA AVIATION 2022 Forum · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIcingNACA airfoilAirfoilAerospace engineeringIce crystalsWind tunnelMeteorologyGeologyEngineeringPhysicsTurbulence

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2022-3699.vid The ingestion of high altitude ice crystals into jet engines can have a serious effect on their performance, to mitigate the risk of engine failure, the physics behind the accretion process needs to be understood. Previous research has used simplistic geometries to generate empirical models and newer research has also analysed more engine realistic geometries such as cascades and full annular geometries. The fidelity of numerical modelling of ice crystal icing has improved vastly, meaning that complex geometries can now be numerically predicted. High-quality experimental data of accretion profiles are needed for validation of these numerical models. Conventional measurement techniques can only be used on simplistic geometries or used after the accretion has formed. A transient, non-intrusive method is therefore required. A method involving stereo vision, called digital image projection (DIP) has been developed and is analysed in this paper. A simplistic geometry of a NACA 0018 airfoil was chosen to study the measurement technique so that high accuracy data could be obtained by alternative methods to validate the DIP. The experiment was conducted using the Altitude Icing Wind Tunnel (AIWT), at the National Research Center (NRC) of Canada. The results showed that the DIP system was able to measure the accretion profile growth during the test to a high degree of accuracy when compared to a separate commercial method, with the mean error being less than 0.2 mm.

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)0,000
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 seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0040,000

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 GPT0,201
Écart entre enseignants0,189 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA AVIATION 2022 ForumMême sujetIcing and De-icing TechnologiesTravaux en français237 207