Interlaboratory Study of Ice Adhesion Using Different Techniques
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Low ice adhesion surfaces are a promising anti-icing strategy. However, reported ice adhesion strengths cannot be directly compared between research groups. This study compares results obtained from testing the ice adhesion strength on two types of surfaces at two different laboratories, testing two different types of ice with different ice adhesion test methods at temperatures of −10 and −18 °C. One laboratory used the centrifuge adhesion test and tested precipitation ice and bulk water ice, while the other laboratory used a vertical shear test and tested only bulk water ice. The surfaces tested were bare aluminum and a commercial icephobic coating, with all samples prepared in the same manner. The results showed comparability in the general trends, surprisingly, with the greatest differences for bare aluminum surfaces at −10 °C. For bulk water ice, the vertical shear test resulted in systematically higher ice adhesion strength than the centrifugal adhesion test. The standard deviation depends on the surface type and seems to scale with the absolute value of the ice adhesion strength. The experiments capture the overall trends in which the ice adhesion strength surprisingly decreases from −10 to −18 °C for aluminum and is almost independent of temperature for a commercial icephobic coating. In addition, the study captures similar trends in the effect of ice type on ice adhesion strength as previously reported and substantiates that ice formation is a key parameter for ice adhesion mechanisms. Repeatability should be considered a key parameter in determining the ideal ice adhesion test method.
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.
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 découle