Aircraft/Aeroengine Icing Physics and Innovative Strategies for Inflight Icing Mitigation
Notice bibliographique
Résumé
Aircraft/Aero-engine icing is widely recognized as a significant hazard to aircraft operations in cold weather. The speak will introduce his recent research in conducting a comprehensive experimental campaign to elucidate the underlying aircraft/aeroengine icing physics. By leveraging the unique Icing Research Tunnel available at Iowa State University (i.e., ISU-IRT), comprehensive investigations are conducted to examine the important micro-physical processes pertinent to aircraft/aeroengine icing phenomena. A suite of advanced flow diagnostic techniques, including molecular tagging velocimetry and thermometry (MTV&T), digital image projection (DIP), and high-speed infrared (IR) imaging thermometry techniques, are developed and applied to quantify water droplet impinging dynamics, transient behaviors of wind-driven water runback flows, unsteady heat transfer and dynamic solidification processes over airfoil/wing surfaces. Anti-/de-icing performances of various "state-of-the-art" hydro-/ice-phobic coatings/surfaces, including a lotus-inspired superhydrophobic surface (SHS) and a pitcher-plant-inspired Slippery Liquid-Infused Porous Surfaces (SLIPS), are evaluated quantitatively under different icing conditions (i.e., ranged from dry rime icing to wet glaze icing conditions). The recent research efforts on unmanned-aerial-system (UAS) icing will also be introduced briefly. The findings derived from the icing physics studies are extremely helpful to improve current icing accretion models and to develop novel, effective anti-/de-icing strategies to ensure safer and more efficient operation of aircraft/aeroengined in
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».