MétaCan
Menu
Retour à la cohorte
Enregistrement W4311263205 · doi:10.37775/eis.2022.2.2

Numerical simulation of the performance of an asymmetrical airfoil under extreme weather conditions

2022· article· en· W4311263205 sur OpenAlexaff
Ibrahim Kipngeno Rotich, László E. Kollar

Notice bibliographique

RevueMérnöki és Informatikai Megoldások · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensSavaria (Canada)
Organismes subventionnairesNemzeti Kutatási, Fejlesztési és Innovaciós AlapInnovációs és Technológiai Minisztérium
Mots-clésAirfoilIcingAccretion (finance)AerodynamicsMechanicsTurbineMeteorologyLift-to-drag ratioLift (data mining)Environmental scienceAerospace engineeringDragPhysicsAtmospheric sciencesGeologyAstrophysicsEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

This paper presents a numerical study of icing of a NACA2412 airfoil and the aerodynamic performance of the airfoil with ice accretion. The study analyzes the effects of liquid water content, accretion time and varying angles of attack (AoA) up to 200 on ice accretion and, consequently, on the aerodynamic coefficients of the airfoil. The free stream velocity and air temperature were kept constant in the simulations. Results revealed that the ratio of lift and drag coefficients was the highest after a short accretion time (i.e., about 20 minutes), but then it decreased significantly with accretion time. Ice accretion increased with time; its mass was the greatest at 100 of AoA. The results can be beneficial for designing blade shapes to optimize wind turbine performance during adverse weather conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,466

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,229
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMérnöki és Informatikai MegoldásokMême sujetIcing and De-icing TechnologiesTravaux en français237 207