Ice Crystal Fragmentation and Accretion on the Rotating Test Rig of ICE-MACR
Notice bibliographique
Résumé
Over the last decades turbofan engines have been experiencing undesirable in-flight events related to ingestion of ice crystals, such as power loss and compressor mechanical damage [8-9], hence FAA and EASA have issued engine certification regulations for the design of engines to operate in ice crystal conditions. To simulate the ice crystal icing (ICI) in an engine compressor environment, the National Research Council of Canada (NRC) developed the Ice Crystal Environment Modular Axial Compressor Rig (ICE-MACR) [1-3] consisting of single or 2-stage compressors followed by an extension duct and a S-duct with test article vanes. The MUSIC-haic project was a research and innovation action funded by the European Union through the H2020 program which aimed to build on past research projects and existing multi-disciplinary tools to provide the aeronautic industry with an ICI numerical capability usable for both design and certification purposes [22]. Under this context the present paper analyses three different rotational speeds for fragmentation and accretion predictions using GE’s in-house modeling tools. The fragmentation analysis involves 3D CFD aero simulation of the complete ICE-MACR single-stage airflow passage followed by Lagrangian particle tracking. The predictions from this analysis are comparable with test observations. For accretion predictions, GE’s inhouse Ice Crystal Accretion Tool (ICAT) [4] was used at different radial span locations on the test article vane and the final 3D ice shape was predicted using a pseudo-3D approach. The ice thickness and shape predictions are verified at different melt-ratios/severity regimes.
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 ».