Immersed Boundary Methodology for 3D Multi-Step Ice Accretion Simulations
Notice bibliographique
Résumé
The in-flight ice accretion simulations are typically performed using a quasi-steady formulation through a multi-step approach. As the ice grows, the geometry changes, and an adaptation of the fluid volume mesh used by the airflow and droplet-trajectory solver is required. Re-meshing or mesh deformation are generally employed to do that. The geometries formed are often complex ice shapes increasing the difficulty of the re-meshing process, especially in three-dimensional simulations. Consequently, difficulties are encountered when trying to automate the process. Contrary to the usual body-fitted mesh approach, the use of Immersed Boundary Methods (IBMs) addresses, or significantly mitigates, the mesh update problem, enabling the automation of the entire simulation process. Previous work by the authors introduced immersed boundary techniques for calculating droplet trajectories. This current study integrates these IBMs into IGLOO3D, the ONERA ice accretion simulation suite. Adjustments were made to the calculation of the heat transfer coefficient, accounting for the inviscid nature of the airflow simulation. Additionally, various smoothing algorithms were explored to handle the shrinkage phenomena while preventing chaotic oscillations. Multi-step simulations were conducted under different icing conditions in 2D scenarios, and the methodology was further evaluated in a 3D rime ice case. All cases studied are part of the 1st Ice Prediction Workshop, providing a basis for comparison with experimental data and other icing codes. The simulations are notable for their low computational cost, and their results are deemed satisfactory, especially under rime icing 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 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 | 0,000 | 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) | 0,000 | 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 ».