MétaCan
Menu
Retour à la cohorte
Enregistrement W4220817222 · doi:10.3390/drones6030068

An Experimental Apparatus for Icing Tests of Low Altitude Hovering Drones

2022· article· en· W4220817222 sur OpenAlexaff
Éric Villeneuve, Abdallah Samad, C. Volat, Mathieu Béland, Maxime Lapalme

Notice bibliographique

RevueDrones · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésIcingIcing conditionsEnvironmental scienceRotor (electric)DrizzleDroneAerodynamicsMarine engineeringMeteorologyAerospace engineeringEngineeringPrecipitationMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The icing facilities of the Anti-Icing Materials International Laboratory AMIL have been adapted to reproduce icing conditions on a Bell APT70 drone rotor, typical of small-to-medium UAV models. As part of an extensive icing test campaign, this paper presents the design and preliminary testing of the experimental setup and representative icing conditions calibration in the laboratory’s cold chamber. The drone rotor used has four blades with a diameter of 0.66 m and a maximum tip speed of 208 m/s. For the icing conditions, freezing rain and freezing drizzle were selected. A Liquid Water Content (LWC) calculation methodology for a rotor in hover was developed, and procedures to determine experimental LWC in the facility are presented in this paper. For the test setup, the cold chamber test section was adapted to fit the rotor and to control its ground clearance. Testing was aimed at studying the effect of rotor height h on aerodynamic performance, both with and without icing conditions. Results show no significant effect on the ground effect between h = 2 m and h = 4 m in dry runs, while the icing behavior can be largely influenced for certain conditions by the proximity of the precipitation source, which depend on the height of the rotor in these experiments.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,011
Tête enseignante GPT0,252
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), 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

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDronesMême sujetIcing and De-icing TechnologiesTravaux en français237 207