Low-Adhesion Surface Evaluation on an Airfoil in the NRC AIWT
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">The performance of low-adhesion surfaces in a realistic, in-flight icing environment with supercooled liquid droplets is evaluated using a NACA 0018 airfoil in the National Research Council of Canada Altitude Icing Wind Tunnel. This project was completed in collaboration with McGill University, the University of Toronto and the NRC Aerospace Manufacturing Technologies Centre in March 2022. Each collaborator used significantly different methods to produce low-adhesion surface treatments. The goal of the research program was to demonstrate if the low-adhesion surfaces reduced the energy required to de-ice or anti-ice an airfoil in an in-flight icing environment. Each collaborator had been developing their own low-adhesion surfaces, using bench tests in cold rooms and a spin rig in the wind tunnel to evaluate their performance. The most promising surface treatments were selected for testing on the airfoil. The de-icing and anti-icing performance of the low-adhesion surfaces was compared to that of a bare aluminum leading edge using a heated-air piccolo tube ice protection system. Overall, the surface treatments were not found to provide any significant improvement in de-icing or anti-icing performance over a bare aluminum surface. However, the results were very useful in identifying ways to improve the surface treatments for better performance in icing conditions and these lessons may be integrated into future test campaigns.</div></div>
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».