MétaCan
Menu
Retour à la cohorte
Enregistrement W4200270642 · doi:10.3390/app112411847

A Multi-Tool Analysis to Assess the Effectiveness of Passive Ice Protection Materials to Assist Rotorcraft Manual De-Icing

2021· article· en· W4200270642 sur OpenAlexaff
Jean-Denis Brassard, Dany Posteraro, Sarah Sobhani, Marco Ruggi, Gelareh Momen

Notice bibliographique

RevueApplied Sciences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensInternational Civil Aviation OrganizationUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésIcingCrewComputer scienceEnvironmental scienceIcing conditionsMarine engineeringEngineeringAeronauticsGeology

Résumé

récupéré en direct d'OpenAlex

Search and rescue missions using rotorcrafts need to be reliable all year long, even in winter conditions. In some cases of deployment prior to take off, the crew may need to manually remove accumulated contaminant from the critical surfaces using tools at their disposal. However, icy contaminant may be hard to remove since the rotorcrafts critical surfaces could be cooler than the environment, thus promoting adhesion. Currently, there exists several passive ice protection materials that could reduce the ice adhesion strength and assist the manual de-icing. The aim of this paper is to propose a detailed comparative procedure to assess the ability of materials to assist the manual de-icing of rotorcrafts. The proposed procedure consists of the characterization of materials using several laboratory tests in order to determine their characteristics pertaining to wettability, their icephobic behavior, and finally their assessment under a multi-tool analysis to evaluate if they can assist. The multi-tool analysis uses different mechanical tools, which are currently used during normal operation, to execute a gradual de-icing procedure, which begins with the softest to the hardest tool using a constant number of passes or strokes, under different types of simulated precipitation. Five different materials were used to evaluate the proposed procedure: Aluminum (used as a reference), two silicone-based coatings (Nusil and SurfEllent), an epoxy-based coating (Wearlon), and finally a commercial ski wax (Swix). All of the tested materials could assist the manual de-icing, within a certain limit, when compared to the bare aluminum. However, SurfEllent was the material that obtained the best overall results. This procedure could be easily adapted to different fields of application and could be used as a development tool for the optimization and the assessment of new materials aimed to reduce ice adhesion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,281
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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)0,0000,000

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 Opus0,026
Tête enseignante GPT0,282
Écart entre enseignants0,256 · 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 tête enseignante, 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetIcing and De-icing TechnologiesTravaux en français237 207