MétaCan
Menu
Retour à la cohorte
Enregistrement W4388101184 · doi:10.1109/taes.2023.3328580

Unlocking Conformal Microwave Split Ring Resonant Sensors for In-Flight Ice Sensing

2023· article· en· W4388101184 sur OpenAlexafffund
Aaryaman Shah, Omid Niksan, Fatemeh Niknahad, Mandeep Chhajer Jain, Dan Fuleki, Faezeh Rasimarzabadi, Mohammad H. Zarifi

Notice bibliographique

RevueIEEE Transactions on Aerospace and Electronic Systems · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensNational Research Council CanadaUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésMicrowaveConformal mapRemote sensingAcousticsAerospace engineeringElectronic engineeringEngineeringMaterials sciencePhysicsGeologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

In-flight ice accretion is an ongoing challenge for airplane safety as it disrupts the aerodynamics of wings, increasing drag and decreasing lift. This work proposes a conformal ice sensing method based on microwave split-ring resonator (SRR) sensors for early ice detection on critical aircraft surfaces. A single-port dual-frequency sensor with SRRs operating at ∼1.95 and ∼2.13 GHz was implemented and integrated on a NACA 0018 airfoil with a chord of 0.25 m. The sensor's performance was experimentally investigated in ice crystal icing (ICI) conditions at the National Research Council's (NRC) Research Altitude Test Facility (RATFac), at a simulated altitude of 19 000 ft, a velocity of 100 m/s and, a total air temperature of +3˚C. The performance of the sensor was evaluated with the resonant frequency parameter to extract correlations in different icing conditions. The sensor was tested in different melt ratio conditions (11%, 13%, 16%, and 25%) at varying accretion time periods, accurately determining the onset of icing, the increase in accretion volume, and its eventual shedding, while successfully differentiating the %melt conditions tested. Additionally, the sensor's response to electrothermal deicing procedures is presented, demonstrating its capability for monitoring the efficiency of deicing procedures and sensing the formation of ice during anti-icing operations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,273
Score d'incertitude au seuil0,884

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Aerospace and Electronic SystemsMême sujetIcing and De-icing TechnologiesTravaux en français237 207