MétaCan
Menu
Retour à la cohorte
Enregistrement W4400679124 · doi:10.1109/jsen.2024.3425311

Tunable Microwave Waveguide Probe for Noncontact Ice Detection on Metallic Surfaces

2024· article· en· W4400679124 sur OpenAlexafffund
Fatemeh Niknahad, Omid Niksan, Mohammad H. Zarifi

Notice bibliographique

RevueIEEE Sensors Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésMicrowaveMaterials scienceWaveguideOptoelectronicsMetalOpticsPhysicsMetallurgyComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Ice accretion on the surface of infrastructures can lead to significant challenges and hazards highlighting the crucial role of reliable sensors to detect ice and address preventive measures. This article presents a noncontact microwave waveguide resonator sensor to detect ice formation on metallic surfaces. The sensor is comprised of a WR-62 waveguide with engineered slits to provide mechanical tunability of the sensor, for enhanced sensitivity and resolution. The proposed sensor can be located at a distance from metallic surfaces, where ice accumulation occurs. The sensor was designed to operate at the resonant frequency of 15.6 GHz and the resonant amplitude of$\sim -40$dB. The experimental results showed a 170 MHz downshift in the resonant frequency of the reflection coefficient (${S}_{{11}}\text {)}$for a$130~\mu $L frozen droplet of ice with good repeatability and reproducibility of the results. The designed sensor was also investigated to characterize different volumes of ice ranging from 100 to$400~\mu $L. A maximum variation of ~788 MHz in resonant frequency was observed and recorded for this range of ice volumes. In addition, the sensor was investigated to identify saline ice formations within the concentration range of 2%–4% of salt in$100~\mu $L ice samples. According to the authors’ knowledge, the proposed slit-based resonant system is unique for sensing thin ice on existing structures.

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)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,018
Tête enseignante GPT0,243
Écart entre enseignants0,225 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetIcing and De-icing TechnologiesTravaux en français237 207