MétaCan
Menu
Retour à la cohorte
Enregistrement W4401407583 · doi:10.3390/drones8080380

Wind Tunnel Investigation of the Icing of a Drone Rotor in Forward Flight

2024· article· en· W4401407583 sur OpenAlexaff
Derek Harvey, Éric Villeneuve, Mathieu Béland, Maxime Lapalme

Notice bibliographique

RevueDrones · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésIcingDroneAerospace engineeringAeronauticsWind tunnelRotor (electric)AerodynamicsMarine engineeringEngineeringEnvironmental scienceMeteorologyPhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The Bell Textron APT70 is a UAV concept developed for last mile delivery and other usual applications. It performs vertical takeoff and transition into aircraft mode for forward flight. It includes four rotor each with four rotating blades. A test campaign has been performed to study the effects of ice accretion on rotor performance through a parametric study of different parameters, namely MVD, LWC, rotor speed, and pitch angle. This paper presents the last experimentations of this campaign for the drone rotor operating in forward flight under simulated icing conditions in a refrigerated, closed-loop wind tunnel. Results demonstrated that the different parameters studied greatly impacted the collection efficiency of the blades and thus, the resulting ice accretion. Smaller droplets were more easily influenced by the streamlines around the rotating blades, resulting in less droplets impacting the surface and thus slower ice accumulations. Higher rotation speeds and pitch angles generated more energetic streamlines, which again transported more droplets around the airfoils instead of them impacting on the surface, which also led to slower accumulation. Slower ice accumulation resulted in slower thrust losses, since the loss in performances can be directly linked to the amount of ice accreted. This research has not only allowed the obtainment of very insightful results on the effect of each test parameter on the ice accumulation, but it has also conducted the development of a unique test bench for UAV propellers. The new circular test sections along with the new instrumentation installed in and around the tunnel will allow the laboratory to be able to generate icing on various type of UAV in forward flight under representative atmospheric conditions.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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

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 Opus0,008
Tête enseignante GPT0,194
Écart entre enseignants0,186 · 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
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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDronesMême sujetIcing and De-icing TechnologiesTravaux en français237 207