MétaCan
Menu
Retour à la cohorte
Enregistrement W4392954725 · doi:10.2514/1.c037682

Numerical Icing Simulations of Cylindrical Geometry and Comparisons to Flight Test Results

2024· article· en· W4392954725 sur OpenAlexaffabout
Zachary R. Milani, Edgar Matida, Fatemeh Razavi, Kaniz Sultana, R. Timothy Patterson, Leonid Nichman, Ali Benmeddour, Kenny Bala

Notice bibliographique

RevueJournal of Aircraft · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensNational Research Council CanadaCarleton UniversityUniversity of Ottawa
Organismes subventionnairesDivision of Atmospheric and Geospace Sciences
Mots-clésIcingAerospace engineeringGeometryAngle of attackFlight testMechanicsAerodynamicsGeologyMathematicsPhysicsEngineeringMeteorology

Résumé

récupéré en direct d'OpenAlex

There is growing interest in government and industry to use numerical simulations for the Certification by Analysis of aircraft ice protection systems as a cheaper and more sustainable alternative to wind-tunnel and flight testing. The ice accretion on a cylindrical test article mounted under the wing of the National Research Council of Canada’s Convair-580 research aircraft during a flight test in Appendix O icing conditions was simulated using Ansys FENSAP-ICE™. A multishot simulation with input parameters averaged over the full icing period led to an increased level of liquid catch and ice accretion (by mass), and a broader ice profile when compared to a simulation with shot-averaged input parameters. An additional simulation using Ansys’ proprietary “extended icing data with vapor solution” method for calculating heat fluxes at the icing surface resulted in a broader ice profile in comparison to the classical technique, which produced a similar amount of accretion by mass. No combination of simulation settings, input parameters, and multishot methods tested in this study generated the same level of surface detail observed during flight testing, however, the amount of ice accretion, general location of ice features, and formation processes were in good agreement with the experimental results.

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)0,001
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 enseignants0,185
Score d'incertitude au seuil0,318

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,262
Écart entre enseignants0,248 · 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

Citations10
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of AircraftMême sujetIcing and De-icing TechnologiesTravaux en français237 207