Development of a Non-Intrusive Ultrasound Ice Accretion Sensor to Detect and Quantify Ice Accretion Severity
Notice bibliographique
Résumé
Supercooled liquid water and ice crystals are atmospheric icing conditions that degrade flight safety of aircraft by affecting the performance of the airframe, air data probes and engines. A key way this threat is mitigated is by using icing detectors on the aircraft to either detect the environment or to detect when ice is accreted on a surface. This information allows the aircraft anti-icing systems to be enabled or have the aircraft exit the environment. This paper discusses a non-intrusive technology developed at NRC that can detect ice accretion on a surface and quantify its severity. The technology features a custom thin-film ultrasound transducer made to withstand in-flight conditions, combined with proprietary signal processing algorithms. Initial development was carried out in environmental chamber and icing wind tunnel tests, exposing the prototype sensors to a range of temperature, humidity, altitude and icing conditions. This technology, referred to as the Ultrasound Ice Accretion Sensor (UIAS), was then implemented in a collaborative NASA/Honeywell/ICC ice crystal icing test of a Honeywell/Lycoming turbofan aircraft engine, model ALF502. This was a full scale, altitude engine test which simulated a wide range of inflight ice crystal icing conditions. The UIAS’s were not only effective in detecting when ice had accreted but were also able to estimate the severity of the icing. This detection happened in a very short period of time; much sooner than the early performance warning indicators seen from engine and test cell instrumentation, which is key in providing the aircraft and pilot time to address the icing threat.
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 ».