Development of a small and transportable de-icing/anti-icing drone-mounted system. Part 1: System design
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
The icing of aircraft on the ground is an important flight safety issue. Aircraft must be de-iced and anti-iced to remove and protect the aircraft from freezing and frozen contamination, respectively, before and during takeoff. Winter de-icing and anti-icing operations are nonetheless costly, require a significant amount of time, and rely on extensive infrastructures. The essential equipment is often not available at smaller airports and remote locations, thereby preventing departures under a range of winter conditions. For sites located in northern Canada, this limitation results in frequent takeoff delays or cancellations during a significant portion of the year. As part of Canada’s Department of National Defence Innovation for Defence Excellence and Security research program, this study aimed to develop a practical solution to mitigate these limitations. This solution involves mounting a ground de-icing/anti-icing system onto a drone for a system that can be readily acquired and stored at smaller airports and remote locations or even be transported within the aircraft itself to ensure the possibility of performing de-icing/anti-icing operations at sites lacking the standard infrastructure. This paper presents the conception and design of a drone-based system that should allow winter operations at small and remote airports where it is not yet available. To do so, a spraying system satisfying the industry requirements is designed and integrated to a selected drone. The calculations were theoretically confirmed as a concept, and a prototype was built to perform laboratory and flight test in the next part of the study.
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 | 0,001 | 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