Airborne Platform for Ice-Accretion and Coatings Tests with Ultrasonic Readings (PICTUR)
Notice bibliographique
Résumé
Hazardous atmospheric icing conditions occur at sub-zero temperatures when droplets come into contact with aircraft and freeze, degrading aircraft performance and handling, introducing bias into some of the vital measurements needed for aircraft operation (e.g., air speed). Nonetheless, government regulations allow certified aircraft to fly in limited icing environments. The capability of aircraft sensors to identify all hazardous icing environments is limited. To address the current challenges in aircraft icing detection and protection, we present herein a platform designed for in-flight testing of ice protection solutions and icing detection technologies. The recently developed Platform for Ice-accretion and Coatings Tests with Ultrasonic Readings (PICTUR) was evaluated using CFD simulations and installed on the National Research Council Canada (NRC) Convair-580 aircraft that has flown in icing conditions over North East USA, during February 2022. This aircraft is a flying laboratory, equipped with more than 40 sensors providing a comprehensive characterization of the flight environment including measurements of temperature, pressure, wind speed and direction, water droplet size and number distribution, and hydrometeor habits imagery. The flight tests of the platform included assessment of passive icephobic coatings as well as heat-assisted tests. Monitoring tools included visual high resolution, real-time inspection of the surface as well as detection of surface ice using NRC’s Ultrasonic Ice Accretion Sensors (UIAS). In this paper, we present the new platform and show some preliminary commissioning results of PICTUR, collected inflight under, predominantly, supercooled small droplets and supercooled large drops (SLD) icing conditions. The combination of the platform and the complementary sensors on the aircraft demonstrated an effective and unique technique for icing studies in a natural environment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».