MétaCan
Menu
Retour à la cohorte
Enregistrement W2539967036 · doi:10.2514/1.c033828

Effect of Superhydrophobic Coating on the Anti-Icing and Deicing of an Airfoil

2016· article· en· W2539967036 sur OpenAlexafffund
Dennis De Pauw, Ali Dolatabadi

Notice bibliographique

RevueJournal of Aircraft · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAirfoilIcingNACA airfoilMaterials scienceAngle of attackCoatingIcing conditionsDragAerospace engineeringRelative windSuperhydrophobic coatingWind tunnelMechanicsComposite materialMarine engineeringMeteorologyAerodynamicsPhysicsEngineeringReynolds numberTurbulence

Résumé

récupéré en direct d'OpenAlex

Ice accumulation on aircraft wings can cause a loss in lift and increased drag. The present research investigates the effect of using a superhydrophobic coating, applied on an aluminum small-scale two-dimensional NACA 0012 airfoil, on ice accretion. The coating used is a commercial product that provides a contact angle of 160 deg, whereas the contact angle hysteresis is 6 deg. Experiments are conducted in a small-scale closed-loop icing wind tunnel at flow velocities ranging from 10 to , air temperatures from 0 to , a liquid water content between 1.0 and , and a mean volume diameter from 25 to . The experiments show that, compared to the aluminum airfoil, the superhydrophobic airfoil counteracts the formation of ice at air temperatures as low as . The results indicate a 50% power reduction to keep the superhydrophobic airfoil ice free in the simulated icing conditions and a time reduction of 75% to deice the airfoil when compared to the aluminum airfoil. It is deduced that no ice accretes on the airfoil when only its direct droplet impact area is covered with the superhydrophobic coating in anti-icing mode.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,213
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations76
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of AircraftMême sujetIcing and De-icing TechnologiesTravaux en français237 207