Multilocation Microwave Ice Sensor for Integrated, Zone-Based Deicing
Notice bibliographique
Résumé
Atmospheric icing during flight poses a significant risk to smaller autonomous aerial vehicles, drones, and electric vertical take-off and landing crafts. In-flight icing negatively affects their aerodynamics and increases weight, thus restricting their operational envelopes and reducing seasonal reliability. Here a smart ice detection and removal system utilizing multifrequency microwave split-ring-resonator sensors for location-specific impact ice sensing is introduced. The sensor is integrated onto an airfoil with a multizone electrothermal deicing system and a deicing coating for a zone-based ice protection system. Experimental testing is conducted within a refrigerated icing wind tunnel under low-Reynolds number conditions (Re ∼ 10<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">5</sup>) at airspeeds (20 and 40 m/s) relevant to urban air mobility. The sensor's response to distinct accretion characteristics at −5 °C, −10 °C, and −20 °C and at varying liquid water contents (0.3, 0.5, and 0.8 g/m<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">3</sup>) is investigated. The sensor exhibits a high sensitivity of 179 MHz/mm and data postprocessing enables precise monitoring of icing rates under various conditions and with different types of ice accretions for prediction of ice thickness. This proof-of-concept system shows significant potential for use in green energy and aviation sectors, offering prompt and efficient ice protection to maintain the safety and effectiveness of aerospace vehicles.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».