Modèle d'accrétion de glace sur un objet bidimensionnel fixe appliquable aux pales d'éoliennes
Bibliographic record
Abstract
Le LIMA (Laboratoire International des Matériaux Antigivre) en collaboration avec le CIRA (Italian Aerospace Research Centre) a développé un logiciel simulant l'accrétion de la glace en régime sec et humide sur un objet bidimensionnel fixe. Le modèle thermodynamique de l'accrétion de glace est similaire aux modèles existants, LEWICE aux États Unis, TRAJICE en Grande Bretagne, ONERA en France ou CANICE au Canada, où les corrélations empiriques ont été remplacées par des analyses physiques. La hauteur des rugosités dépend de l'état de l'eau en surface qui peut exister sous forme d'un film, de gouttes ou de ruisselets et elle est calculée à partir de l'équation d'équilibre entre les forces de tension de surface, aérodynamique et gravitationnelle. Les masses d'eau liquide résiduelle, de ruissellement et d'arrachement sont calculées à partir de modèles analytiques basés sur la hauteur des rugosités, tandis que la nouvelle position de la surface est calculée à l'aide d'une méthode géométrique basée sur les bissectrices entre les panneaux définissants la surface. Le modèle d'accrétion a été validé pour les régimes sec et humide avec des formes de glace obtenues expérimentalement en soufflerie par Shin et Bond. Les formes de glace prédites numériquement sont similaires à celles mesurées expérimentalement et le modèle a été en mesure de générer les formes complexes de glace observées comme les cornes et les cannelures. Les particularités du modèle développé font qu'il pourrait être appliqué aux cas où les vitesses sont faibles ou élevées, ou encore pour les objets tournants par rapport au sol comme pour les pales d'éoliennes ou d'hélicoptères.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".