A Multi-layered Integral Approach to the de-icing process
Notice bibliographique
Résumé
The modification of the shallow water icing model to handle de-icing phenomenon is the main focus of this study. As stated in the original model [1], the runback water is modeled utilizing a lubrication assumption for the water film velocity profile. A constant film temperature Tf(t,x) is then calculated under the thin-film hypothesis. Unlike the simplified icing model, the temperature field within the ice layer Tice(t,x,z) is no longer assumed to be constant. Instead, a temperature profile is utilized, enabling the generation of a static film on the wall when a heat conduction source term from a resistance is present [2]. A Temperature profile Ts(t,x,z) is also used in the static film layer if the model predicts the occurrence of this state. In the energy equation for both the solid ice and liquid portion of the static water film, transverse transfers are not considered, a 1D heat equation is then resolved. An integral approach and proper boundary conditions are used to close the problem. The validity of the integral method deteriorates as the thickness over which vertical integration is performed increases. To avoid this problem, a multi-layer approach is proposed. The thickness of the ice block is then divided into three layers of identical thickness. The purpose of this study is to offer a straightforward and robust method suitable for conducting industrial test cases. The model will first be introduced, followed by a description of the numerical approach. Subsequently, validation test cases will be conducted. Realistic de-icing scenarios will then be designed to evaluate the model [3]. Additionally, non uniform roughness effects will be examined.
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 ».