MétaCan
Menu
Retour à la cohorte
Enregistrement W4412412098 · doi:10.4050/jahs.70.042001

A Comparison of Low‐ and High‐Fidelity Models for Tail Rotor Icing Phenomena

2025· article· en· W4412412098 sur OpenAlexaff
Aishwerya Singh Gahlot, Jeewoong Kim, Lakshmi Sankar

Notice bibliographique

RevueJournal of the American Helicopter Society · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésIcingRotor (electric)Environmental scienceAerospace engineeringFidelityComputer scienceAeronauticsPhysicsMeteorologyEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

A low-fidelity model for modeling ice accretion phenomena over two-bladed teetering rotors has been developed. In this approach, the blades are assumed to be rigid, and the flapping motion is caused by the inertial, centrifugal, and aerodynamic forces acting on the blade section. The aerodynamic forces are computed using a table look-up of precomputed airfoil lift and drag coefficients as a function of effective angle of attack. Following the analysis of the rotor without icing effects, ice shapes at selected radial locations on the rotor are computed. The impact of ice shapes on the two-dimensional (2D) lift and drag characteristics is estimated using a 2D computational fluid dynamics analysis. Finally, the rotor is reanalyzed using the low-fidelity model with the iced airfoil lift and drag characteristics. Comparisons with test data and a higher fidelity model are also presented.

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)0,000
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 enseignants0,316
Score d'incertitude au seuil0,336

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,016
Tête enseignante GPT0,281
Écart entre enseignants0,265 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Helicopter SocietyMême sujetIcing and De-icing TechnologiesTravaux en français237 207