HVAC filters clogging detection using electrospun sensory membrane
Notice bibliographique
Résumé
Abstract Clogged air filters increase pressure drop, thereby raising energy consumption in heating ventilating and air conditioning (HVAC) systems. Monitoring this pressure drop enables real-time detection of clogging. This study focuses on developing a thermoplastic polyurethane (TPU) membrane designed for strain sensing to be used as a pressure drop sensor in ventilation systems. TPU nanofiber membranes were electrospun into a honeycomb structure to minimize the pressure drop caused by the sensor itself, with a carbon sensor ink printed in a zigzag pattern to enable signal detection. Structured collectors with porous honeycomb patterns were used during electrospinning to create these honeycombed membranes. The effect of honeycomb hole size (0.5 cm and 1.5 cm, with corresponding membranes labeled TPU-0.5 and TPU-1.5) on electrical resistance and pressure drop was assessed in a lab-scale ventilation tunnel at various airflow velocities representative of those used in HVAC systems. The TPU-0.5 membrane showed higher sensitivity ( ΔR / R up to 28%) but resulted in a significantly higher-pressure drop compared to the TPU-1.5 membrane (134.3 ± 7.6 Pa vs. 34.0 ± 2.4 Pa at 3.83 m s −1 ). Cyclic testing revealed resistance drift, indicating the need for stabilization cycles to ensure consistent results. The findings indicate that the TPU-1.5 membrane achieves a better balance between sensitivity (10%–15% resistance change at 3.83 m s −1 of velocity) and pressure drop (maximum 32–38 Pa at 3.83 m s −1 of velocity), making it more suitable for real-world applications in air handling units, particularly for monitoring filter clogging.
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 ».