Numerical Study of Iced Swept-Wing Performance Degradation using RANS
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">This paper studies the level of confidence and applicability of CFD simulations using steady-state Reynolds-Averaged Navier-Stokes (RANS) in predicting aerodynamic performance losses on swept-wings due to contamination with ice accreted in-flight. The wing geometry selected for the study is the 65%-scale Common Research Model (CRM65) main wing, for which NASA Glenn Research Center’s Icing Research Tunnel has generated experimental ice shapes for the inboard, mid-span, and outboard sections. The reproductions at various levels of fidelity from detailed 3D scans of these ice shapes have been used in recent aerodynamic testing at the Office National d’Etudes et Recherches Aérospatiales (ONERA) and Wichita State University (WSU) wind tunnels. The ONERA tests were at higher Reynolds number range in the order of 10 million, while the WSU tests were in the order of 1 million. RANS CFD results for the lower-Reynolds 8.9% WSU model up to α = 10° were previously generated by University of Virginia and NASA Glenn Research Center using Ansys Fluent and k-ω SST on the clean and low-fidelity (smooth) iced wings. The current CFD study focuses on the high-fidelity ice shape, presenting RANS results for both low and high Reynolds numbers, for the full α sweep up to α = 25° for which there is experimental data on the iced wings. A straight-forward automatable CAD-to-solution workflow is established using surface curvature and proximity-based mesh sizing functions for grid generation. The simulations results include C<sub>L</sub>, C<sub>M</sub>, C<sub>D</sub> curves for both clean and iced wings, their comparison to the experimentally obtained counterparts, iced surface Cp distributions, and a detailed breakdown of the computational cost and user effort in generating these solutions.</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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».