On the Icephobic Behavior of Organosilicon-Based Surface Structures Developed Through Atmospheric Pressure Plasma Deposition in Nitrogen Plasma
Notice bibliographique
Résumé
In many regions around the world, atmospheric icing during freezing rains and ice storms can cause severe damage to exposed infrastructure. Subsequently, protective coatings capable of ice accumulation prevention or ice adhesion reduction, often referred to as icephobic coatings, have gained a significant amount of interest. In this study, we examine an atmospheric-pressure plasma jet technique for the development of organosilicon-based icephobic coatings on aluminum substrates. Initially, Al-6061 samples are exposed to multiple passes of air plasma treatment at very short jet-to-substrate distances to create a microporous alumina-based surface structure. These surfaces are then used for plasma deposition of superhydrophobic coatings in the same jet with hexamethyldisiloxane (HMDSO) as the precursor and nitrogen as the plasma gas. Several samples are created with varying plasma precursor flow rates and number of deposition passes. All samples are exposed to three cycles of icing/de-icing to estimate coatings’ stability in aggressive natural conditions. The effects of multiple icing/de-icing cycles on surface chemistry, surface morphology, and wetting behavior is studied. It is shown that the most remarkable mechanism through which icing affects surface properties is coating removal during aggressive de-icing procedure. Finally, the icephobic properties of the most efficient coating (referred to as PT5x3) is further studied through 10 cycles of icing/de-icing, and it is shown that this coating can reduce ice adhesion strength by a factor of at least two for up to nine cycles of icing/de-icing.
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) | 0,002 | 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 ».